搜索「Audio Generation」的结果

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.clawdbotborges/elevenlabs-music

使用 ElevenLabs 的 Eleven Music API 从文字提示生成音乐。当需要依据描述创作歌曲、配乐、广告短曲、摇篮曲或任意音频音乐时使用；支持带 AI 生成歌词的人声、纯音乐与多种曲风。需要 ElevenLabs 付费套餐。

io.clawhub.zhang-shubo/image2prompt

分析图片并为图像生成撰写详细提示词，支持人像、风景、商品、动物、插画等类别，输出结构化或自然语言形式。

io.clawhub.pauldelavallaz/ad-ready

从商品 URL + 品牌档案自动生成广告投放图。适用：用户提供商品 URL（电商链接）；需要自动商品抓取 + 图像生成；有品牌档案可套用（可选品牌 70+）；需要按漏斗阶段定向（认知/考虑/转化）；希望 AI 基于品牌自动选择模特、场景与打光。不适用：用户提供本地商品图 → 改用 morpheus-fashion-design；图中不需要人物 → 改用 nano-banana-pro；要手动控制模特、场景、组合 → 改用 morpheus-fashion-design；已有主图只需变体 → 改用 multishot-ugc；需要视频产出 → 图像生成后用 veed-ugc。输入：商品 URL + 品牌名（可选）+ 漏斗阶段（可选）。输出：含商品 + 模特的 PNG 广告图。

io.clawhub.neutronstar238/md-to-ppt

智能 Markdown 转 PPT。自动分析内容结构、智能分页、详细设计每页布局、自动生成/搜索配图。支持 Slidev/HTML/PPTX 多格式输出。

io.clawhub.itrocker/nanobanana-ppt-skills

基于 AI 自动分析文档内容，智能规划并生成多风格高清 PPT 图片，支持可选转场视频和交互式播放体验。

io.clawhub.dlazyai/dlazy-idea2video

Turn a user's idea into the full pipeline: **story → characters → 3-view portraits → scenes → shots → keyframes → shot videos → concat**.

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.dlazyai/dlazy-recraft-v4-pro

4MP high-resolution raster image generation. Suitable for print-ready assets and large-scale use. 4MP 高分辨率栅格图像生成。适合可印刷级素材与大幅面应用场景。

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.jonisjongithub/venice-ai

完整的 Venice AI 平台——文本生成、视觉与图像分析、网页搜索、X/Twitter 搜索、嵌入、TTS、语音转文本、图像生成与背景处理（原文截断）。

io.clawhub.dlazyai/dlazy-recraft-v4

1MP raster image generation with refined design judgment. Suitable for everyday creative work and fast iteration. 1MP 栅格图像生成，具备更精炼的设计判断力。适合日常创意工作和快速迭代场景。

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.bluelyw/veo3-video-gen

通过 Google Veo 3.x（Gemini API，google-genai）生成并拼接短视频。当你需要从提示词创建视频片段（广告、UGC 风格短片、产品演示）并希望拥有可复现的 CLI 工作流（生成、轮询、下载 MP4，可选多段拼接）时使用。

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.fossilizedcarlos/krea-api

通过 Krea.ai API 生成图片（Flux、Imagen、Ideogram、Seedream 等模型）。

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.a1024708231/video-producer

短视频一键生成技能 v2.2。调用video-director进行画面规划，然后生成AI素材、TTS配音、视频渲染，输出完整MP4。

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。