搜索「Audio Generation」的结果

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.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.delorenj/fal-text-to-image

使用 fal.ai 的 AI 模型生成、混改与编辑图像。支持文生图、图生图混改，以及定点 inpainting/编辑。

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.okaris/flux-image

通过 inference.sh CLI 使用 FLUX 模型（Black Forest Labs）生成图像。可用模型：FLUX Dev LoRA、支持自定义风格适配的 FLUX.2 Klein LoRA。

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。

io.clawhub.apekshik/fal

搜索、探索并运行 fal.ai 的生成式 AI 模型（图像生成、视频、音频、3D）。当用户想用 AI 模型生成图像、视频或其他媒体内容时使用。

io.clawhub.visla-admin/visla

使用 Visla 从文本脚本、URL 或 PPT/PDF 文档生成 AI 视频。当用户要求生成视频、把网页变成视频……时使用。

io.clawhub.honeybee1130/seedance

按照 Seedance 2.0 严格的“主体-动作-运镜-风格-音频-约束”格式，生成可直接投产的电影感视频提示词。

io.clawhub.jeminay/markitdown

MarkItDown 是微软出品的 Python 工具，可将多种文件（PDF、Word、Excel、PPTX、图像、音频）转换为 Markdown。

io.clawhub.codedao12/auto-shorts-repurposer

把长视频或音频再利用为短视频切片方案：带时间码、钩子、字幕与包装说明。当用户要求把长视频、播客或直播改成 Shorts、Reels、TikTok 风格输出或高光切片（不发布）时使用。

io.clawhub.tompltw/nk-images-search

搜索 100 万+ 免费高质量 AI 库存照片。每天最多免费生成 240 张 AI 图像。无需 API key、无需 token、零成本。覆盖 235+ 个细分领域且持续增长。

io.clawhub.sherajdev/pocket-tts

使用 Kyutai 的 Pocket TTS 模型，在 CPU 上离线生成高质量英文语音，内置 8 种音色或支持自定义声音克隆。

io.clawhub.alti-systems/kling

使用 Kling 2.6 生成 16:9 比例的 5 秒 AI 视频，用于健身宣传、UGC 营销、用户见证和产品演示。

io.clawhub.aidanthebandit/ytm-cast

从 YouTube/YouTube Music 下载音乐，并经由 Home Assistant 推流到 Chromecast。完整命令行工具集，含 Web 服务集成、配置向导和播放控制。

io.clawhub.okaris/text-to-speech

通过 inference.sh 命令行使用 DIA TTS、Kokoro、Chatterbox 等把文本转为自然语音。

io.clawhub.dowands/reddapi

使用此技能通过 reddapi.dev API 访问 Reddit 的完整数据归档。

io.clawhub.rafacpti23/p-api

通过带管理面板的可扩展微服务 API，自动化 WhatsApp 消息发送、互动内容、实例与群组管理、商品目录与 webhook。

io.clawhub.veya2ztn/kameo

使用 Kameo AI 把静态图片生成富有表现力的口播视频。把静态头像/人像转成 5 秒动态视频，具备真实的面部表情、口型同步与动作。当你需要让静态图片动起来、生成 AI 角色视频、演示视觉传达，或从照片生成会说话的虚拟形象时使用。

io.clawhub.jimliu/baoyu-imagine

AI 图像生成，支持 OpenAI GPT Image 2、Azure OpenAI、Google、OpenRouter、DashScope、Z.AI GLM-Image、MiniMax、Jimeng、Seedream 与 Replicate API。

io.clawhub.steipete/mcporter

使用 mcporter CLI 直接列出、配置、认证并调用 MCP 服务器/工具（HTTP 或 stdio），含临时服务器、配置编辑与 CLI/类型生成。