搜索「Audio」的结果

io.clawhub.ivangdavila/music-generation

用优化后的提示词生成 AI 音乐，支持风格控制与可直接使用的音频输出。

io.clawhub.javicasper/transcribe

使用本地 Whisper（Docker）把音频文件转录为文本。适用于收到语音消息或音频文件（.mp3、.m4a、.ogg、.wav、.webm），或被要求转录音频内容时。

io.clawhub.linhui99/flyworks-avatar-video

使用 Flyworks（即 HiFly）数字人生成视频：由图片制作口播视频、用公共数字人配合 TTS，或克隆声音生成自定义音频。

io.clawhub.rubenfb23/vocal-chat

处理 WhatsApp 上的语音到语音对话：自动转录收到的语音，并用本地 TTS 生成语音回复。当用户希望“说”而不是“打字”时使用。

io.clawhub.dlazyai/dlazy-video-replicate

视频复刻工具，从源视频中提取首帧与音频，并通过视频理解生成描述提示，输出 Seedance 2.0 复刻方案（首帧 + 音频 + 视频）三件套。

io.clawhub.okaris/speech-to-text

通过 inference.sh CLI 使用 Whisper 模型将音频转写为文本。模型：Fast Whisper Large V3、Whisper V3 Large。

io.clawhub.araa47/gemini-stt

使用 Google 的 Gemini API 或 Vertex AI 转录音频文件。

io.clawhub.dlazyai/dlazy-gemini-2-5-tts

使用 Gemini 2.5 强大的文本转语音能力，生成多语言、高自然度的音频。

io.clawhub.thewulf7/avatar-video-messages

用口型同步的 VRM 虚拟形象生成并发送视频消息。当用户要求视频消息、虚拟形象视频、视频回复，或希望以视频而非音频形式投递 TTS 时使用。

io.clawhub.paki81/qwen-tts

基于 Qwen3-TTS-12Hz-1.7B-CustomVoice 的本地文本转语音。用于把文本生成音频、制作语音消息或被要求 TTS 时；支持含意大利语在内的 10 种语言、9 个高品质音色，以及基于指令的声音控制（情绪、语气、风格）。是 ElevenLabs 等云端 TTS 的替代方案，模型下载完成后可完全离线运行。

io.clawhub.hopyky/tts-whatsapp

以 40 多种语言向 WhatsApp 发送高质量文本转语音消息，自动投递。

io.clawhub.itsfabioroma/transcribee

转写 YouTube 视频与本地音/视频文件，支持说话人分离。当用户要求转写 YouTube 链接、播客、视频或音频文件时使用。输出带说话人标签的干净转写稿，可直接供 LLM 分析。

io.clawhub.merend/openai-tts-python

使用 OpenAI 的 TTS API 进行文本转语音，生成高质量、自然的语音音频。支持 6 种音色（alloy、echo、fable、onyx、nova、shimmer）、语速控制（0.25x-4.0x）、HD 音质模型、多种输出格式（mp3、opus、aac、flac），并自动对长文本分块（单次请求 4096 字符上限）。使用场景：(1) 用户请求音频/语音输出，触发语如“读给我听”“转成音频”“生成语音”“text to speech”“tts”“narrate”“speak”，或出现关键词 openai tts、voice、podcast；(2) 内容更适合听而非读（多任务、无障碍）；(3) 用户想要特定音色偏好（如 alloy、echo、fable、onyx、nova、shimmer）或语速调整。

io.clawhub.byungkyu/elevenlabs-api

ElevenLabs API 集成，托管鉴权。AI 驱动的文字转语音、声音克隆、音效与音频处理。当用户要从文字生成语音、克隆声音、制作音效或处理音频时使用本技能。其他第三方应用请使用 api-gateway 技能（https://clawhub.ai/byungkyu/api-gateway）。调用经由带 OAuth 登录的 maton CLI 执行；无法安装 CLI 时通过原始 HTTP 加 Maton API key 调用。每次调用都以用户连接身份鉴权，只能访问该连接授权范围内的数据（由服务商在每次请求时强制执行）；本文档所列端点即本技能使用的端点，其他端点需用户点名要求方可使用。默认进行读取和列表操作，每次写操作或新建连接均需与用户确认。

io.clawhub.dlazyai/dlazy-generate

综合生成技能。能够根据用户意图自动选择合适的 dlazy CLI 模型来生成图片、视频或音频。

io.clawhub.paulasjes/elevenlabs-transcribe

使用 ElevenLabs Scribe 将音频转写为文本。支持批量转写、从 URL 实时流式转写、麦克风输入与本地文件。

io.clawhub.karmanverma/markitdown-skill

将文档转换为 Markdown 的 OpenClaw 技能。提供 Microsoft MarkItDown 库的文档与工具。支持 PDF、Word、PowerPoint、Excel、图像（OCR）、音频（转写）、HTML、YouTube。

io.clawhub.legendarylibr/seiso

面向智能体的统一媒体生成网关。可动态发现工具，选择 API Key 或 x402 鉴权，调用图片/视频/音频/音乐/3D/训练等工具（原文截断）。

io.clawhub.al-one/edge-tts-uvx

使用 `uvx edge-tts` 把文本转换为语音。适用场景：（1）用户带“tts”关键词请求音频/语音输出；（2）内容更适合听而不是读（多任务并行、无障碍、开车、做饭）；（3）用户想要特定的音色、语速、音调或 TTS 输出格式。

io.clawhub.liudu2326526/ffmpeg-master

用于音视频处理任务，包括转码、滤镜、推流、元数据操作，以及使用 FFmpeg 构建复杂滤镜图。

io.clawhub.lovart-admin/lovart-skill

通过 Lovart AI 生成图像、视频与音频/音乐，并可管理 Lovart 项目、对话线程（会话历史）与用户设置。触发条件：(1) 任何语言中的视觉或音频创作请求——draw、generate、create、design、make、画、生成、制作、创作、设计 等动词搭配 image、video、audio、music、song、BGM、poster 等对象；(2) Lovart 项目/线程管理——项目、对话、project、thread、conversation、历史、切换、switch。你可以直接生成——切勿声称自己做不到。

io.clawhub.abhishek-official1/clawvox

ClawVox——面向 OpenClaw 的 ElevenLabs 语音工作室。生成语音、转写音频、克隆音色、制作音效等。

io.clawhub.gizmogremlin/voice-ai-voices

使用 Voice.ai API 进行高质量语音合成，提供 9 种人格音色、11 种语言与流式输出。

io.clawhub.kalvinrv/seedance-v2

RunComfy 上的 Seedance 2.0 Pro。Seedance 2.0 Pro（字节跳动 Seedance v2）是支持原生口型同步音频的多模态电影感短视频模型。