搜索「Audio Generation」的结果

io.clawhub.dlazyai/dlazy-image-generate

图片生成技能。根据提示词自动选择最佳的 dlazy CLI 图片生成模型。

io.clawhub.dlazyai/dlazy-video-generate

视频生成技能，AI 视频生成，文生视频、图生视频、图片转视频、首尾帧生成视频。根据提示词自动选择最佳视频生成模型（即梦、可灵、Veo、Seedance、万相、PixVerse、数字人、对口型）。

io.clawhub.dlazyai/dlazy-kling-v3

使用可灵 (Kling) v3 强大的视频生成模型，支持高质量的文生视频与图生视频。

io.clawhub.dlazyai/dlazy-jimeng-t2i

使用即梦 (Jimeng) 进行文生图创作，快速将文字转化为高质量图像。

io.clawhub.klingai-dev/klingai

Kling AI 官方技能。调用可灵进行视频生成、图像生成、主体管理以及账户额度查询。使用子命令 video / image 等（原文截断）。

io.clawhub.dlazyai/dlazy-suno-music

Suno 音乐生成模型。支持灵感模式（自动作词）和自定义模式（手动填词），可生成包含人声或纯器乐的音乐。

io.clawhub.iisweetheartii/agent-selfie

AI Agent 自画像生成器，使用 Gemini 图像生成创建头像、个人资料图片和视觉身份，支持按心情生成。

io.clawhub.xsir0/google-gemini-media

使用 Gemini API（Nano Banana 图像生成、Veo 视频、Gemini TTS 语音与音频理解）完成端到端的多模态媒体工作流，并提供“生成 + 理解”的代码模板。

io.clawhub.dlazyai/dlazy-seedance-2-0

字节跳动最新视频生成模型 Seedance 2.0，支持多模态参考（图片 + 视频 + 音频）生视频、首尾帧及文生视频，适合高质量多样化视频创作。

io.clawhub.dlazyai/dlazy-kling-v3-omni

使用可灵 (Kling) v3 Omni 全能视频生成模型，支持多模态输入（图片、提示词）生成震撼的动态视频。

io.clawhub.xmanrui/voice-message

使用 edge-tts 做文本转语音、ffmpeg 处理音频，在多个聊天渠道（Telegram、Discord、飞书/Lark、Signal。

io.clawhub.dlazyai/dlazy-seedream-5-0-lite

使用豆包 Seedream 5.0 Lite 极速生成图像，支持文生图与图生图。

io.clawhub.oconnell-carl/notebooklm-cli

通过命令行管理 Google NotebookLM 笔记本与知识源，并以编程方式生成音频、测验、报告。

io.clawhub.dlazyai/dlazy-jimeng-omnihuman-1-5

使用即梦 (Jimeng) OmniHuman 1.5 模型，通过人像图片和音频/文本生成逼真的数字人播报视频。

io.clawhub.nttylock/citedy-seo-agent

全栈 AI 营销工具包——侦察 X/Twitter 与 Reddit 的热门话题，发掘并深度分析竞争对手，找出内容缺口。

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.nitishgargiitd/music-cog

由 CellCog 驱动的 AI 音乐生成。5 秒到 10 分钟的原创器乐与人声曲目。

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。