搜索「Audio」的结果

io.clawhub.jimmylv/bibigpt-skill

在终端直接用 BibiGPT CLI 总结视频、音频与播客：给出 URL（YouTube、B站、播客等）即可生成总结。

io.clawhub.dagmawibabi/addis-assistant-stt

使用 Addis Assistant API（api.addisassistant.com）提供语音转文字（STT）和文本翻译。适用于把音频（尤其是阿姆哈拉语）转为文字，或在语言之间翻译文本（如阿姆哈拉语转英语）。需要 'x-api-key'。

io.clawhub.thegovind/podcast-generation

通过 WebSocket 使用 Azure OpenAI 的 GPT Realtime Mini 模型生成 AI 播客式音频叙事。适用于构建语音合成、音频叙事生成、内容转播客，或集成 Azure OpenAI Realtime API 输出真实音频。涵盖从 React 前端到 Python FastAPI 后端及 WebSocket 流式传输的全栈实现。

io.clawhub.kalvinrv/happyhorse-1-0

RunComfy 上的 HappyHorse 1.0 文生视频。

io.clawhub.kalvinrv/kling-3-0

RunComfy 上的 Kling 3.0 视频生成。

io.clawhub.xejrax/media-player

在宿主机上本地播放音频/视频。

io.clawhub.1999azzar/yt-dlp

健壮的 yt-dlp CLI 封装，从 YouTube 及数千个其他网站下载视频、歌单与音频。支持格式选择、质量控制、元数据嵌入与 cookie 认证。

io.clawhub.kalvinrv/wan-2-7

在 RunComfy 上使用 Wan 2.7（Wan-AI 的旗舰运动模型）进行文生视频。文档记录了 Wan 2.7 的强项（多参考条件控制、音频驱动等，原文截断）。

io.clawhub.dlazyai/dlazy-sync-lipsync-3

fal.ai sync-lipsync v3 — given an input video and audio, generate a new video where the speaker's lip movement matches the audio. Good for dubbing, localization, and re-syncing virtual presenters. fal.ai sync-lipsync v3 唇形对齐模型，输入一段视频和一段音频，输出说话人嘴型与音频对齐的新视频。适合配音、外语本地化、虚拟人重新对口型。

io.clawhub.evolinkai/seedance-2-video-gen

通过 EvoLink API 进行 Seedance 2.0 AI 视频生成。支持三种模式——文生视频、图生视频（1-2 张图片）、参考生视频（图片+视频+音频）。

io.clawhub.dlazyai/dlazy-videoretalk

Tongyi VideoRetalk lip sync / lip-sync (mouth sync, dubbing) video model — takes a talking-person video plus a voice audio track and regenerates the video so the speaker's mouth/lips match the new audio. Use this for lip syncing a person video to new speech. Optionally provide a reference face image to pick the target person when the video contains multiple faces. 通义声动人像 VideoRetalk 口型同步（对口型、lip sync / lip-sync、配音对嘴）视频模型，输入一段人物讲话视频与一段人声音频，生成讲话口型与音频匹配的新视频；适用于让人物视频的口型对上新的语音。当视频中存在多张人脸时，可额外提供人脸参考图来指定要替换口型的目标人物。

io.clawhub.rubenfb23/walkie-talkie

处理 WhatsApp 上的语音到语音对话，自动转录收到的语音并以本地 TTS 语音回复。当用户希望“说”而不是打字时使用。

io.clawhub.instant-picture/clonev

使用 Coqui XTTS v2 克隆任意声音并生成语音。非常简单——提供声音样本（6-30 秒 WAV）和文本，即可得到克隆音色的音频。支持 14+ 种语言。当用户想要（1）克隆自己或他人的声音，（2）生成听起来像特定人物的语音，（3）创建个性化语音消息，（4）多语言声音克隆（用克隆音色说任何语言）时使用。

io.clawhub.tanchunsiong/zoom-meeting-assistance-with-rtms-unofficial-community-skill

Zoom RTMS 会议助手——按需启动，通过 Zoom Real-Time Media Streams 采集会议音频、视频、转写、屏幕共享与聊天，处理 meeting.rtms_started 与 meeting.rtms_stopped webhook 事件，提供 AI 对话建议、情绪分析与实时摘要，并支持 WhatsApp 通知。当 Zoom RTMS webhook 触发或用户要求录制/分析会议时使用。

io.clawhub.kalvinrv/image-to-video-runcomfy

在 RunComfy 上进行图生视频。该技能通过 RunComfy 模型 API 将任意静态图片转换为短视频片段。

io.clawhub.kalvinrv/ai-video-generation-runcomfy

在 RunComfy 上进行 AI 视频生成。该视频生成技能是 RunComfy 视频模型目录的智能路由——HappyHorse 1.0（Arena 第一）等模型。

io.clawhub.upupc/video-download

从 1800 多个网站下载视频并用 Faster Whisper AI 生成字幕。适用于用户想从 YouTube、Bilibili、Twitter、T... 下载视频。

io.clawhub.thegovind/azure-ai-voicelive-py

使用 Azure AI Voice Live SDK（azure-ai-voicelive）构建实时语音 AI 应用。当需要创建与 Azure AI 进行实时双向音频通信的 Python 应用时使用，包括语音助手、语音聊天机器人、实时语音到语音翻译、语音驱动的虚拟形象，或任何基于 WebSocket 的 AI 模型音频流式传输。支持服务端 VAD（语音活动检测）、回合式对话、函数调用、MCP 工具、虚拟形象集成与转录。

io.clawhub.gugic/inworld-tts

通过 Inworld.ai API 进行文本转语音。当需要从文本生成语音音频、生成口语回复，或将文本转换为 MP3/音频文件时使用。支持多种音色、语速，以及长文本流式输出。

io.clawhub.mogens9/ai-podcast

使用 OpenClaw 中的 MagicPodcast，从 PDF、文本、笔记和链接生成 AI 播客节目。生成自然的双人对谈音频，支持自定义 lan... 语言。

io.clawhub.ivangdavila/podcast

通过策划节目、制作音频或视频、生成切片、跨平台经营听众，创建并做大播客。

io.clawhub.kalvinrv/lipsync

通过 runcomfy CLI 在 RunComfy 上让画面中的人脸与指定音频对口型。路由到字节跳动 OmniHuman（由肖像照片加音频驱动的全身虚拟形象...）。

io.clawhub.kalvinrv/controlnet-pose

通过 runcomfy CLI 在 RunComfy 上做姿态条件生成。

io.clawhub.ashutosh887/moodcast

使用 ElevenLabs v3 音频标签与 Sound Effects API，把任意文本变成带氛围音效的富情感语音。