搜索「Audio Generation」的结果

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。

io.clawhub.okaris/nano-banana-2

通过 inference.sh CLI 使用 Google Gemini 3.1 Flash Image Preview（Nano Banana 2）生成图像，支持文生图、图像编辑与多图输入。

io.clawhub.xfgong/cuecue-deep-research

专业金融深度研究工具。当用户需要了解市场行情、行业趋势、公司基本面、政策影响、竞品动态、地缘政治风险或任何需要数据支撑的金融分析时，应主动调用此技能。输出结构化、数据驱动的专业研究报告，适用于投资决策、战略规划和市场洞察等场景。

io.clawhub.dawe35/image-router

使用 ImageRouter API 调用任意模型生成 AI 图片（需要 API Key）。

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.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.anichikage/yollomi

AI 图像生成技能：通过统一 API 端点调用 Yollomi 的多模型图像生成能力生成 AI 图片，需要配置 YOLL 开头的密钥。

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-qwen-image-2-pro

Alibaba Bailian qwen-image-2.0-pro general image generation. Excels at complex text rendering, multi-line layout, photorealistic detail, and strong semantic adherence — great for mixed text/image designs. 阿里云百炼 qwen-image-2.0-pro 千问通用图像生成模型，擅长复杂文本渲染、多行布局、真实质感与语义遵循，支持中英文混排与精细图文设计。

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/runcomfy-cli

RunComfy 上的 RunComfy CLI。runcomfy CLI：一个二进制、一次认证，接入数百个 RunComfy 模型端点——图像生成、图像编辑等。

io.clawhub.duffycoder/nano-banana-pro-openrouter

通过 OpenRouter 使用 Nano Banana Pro 生成图像。当用户要求生成图像、提到 Nano Banana Pro、Gemini 3 Pro Image 或 OpenRouter 图像生成时使用。