ControlNet 与姿态生成（RunComfy Pro Pack）
v0.1.0
SkillClawHub982.6k
io.clawhub.kalvinrv/controlnet-pose
通过 runcomfy CLI 在 RunComfy 上做姿态条件生成。
source
“Audio” 共 151 个结果
v0.1.0
io.clawhub.kalvinrv/controlnet-pose
通过 runcomfy CLI 在 RunComfy 上做姿态条件生成。
v1.0.1
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。
v1.0.4
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。
v1.0.0
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。
v1.0.1
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。
v0.1.0
io.clawhub.kalvinrv/elevenlabs-music-generation
通过 runcomfy CLI 在 RunComfy 上用 ElevenLabs Music 生成完整歌曲与纯音乐。
v6.0.0
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。
v0.1.5
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。
v1.2.0
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。
v1.0.0
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.github.openclaw/openclaw/openai-whisper-api
通过 curl 调用 OpenAI 音频转录 API；支持 gpt-4o-transcribe、mini、diarize 或 whisper-1。
io.github.openai/skills/speech
当用户要求文本转语音配音、无障碍朗读、音频提示或通过 OpenAI Audio API 批量生成语音时使用；运行内置 CLI（scripts/text_to_speech.py），使用内置音色，实时调用需 `OPENAI_API_KEY`。自定义音色创建不在范围内。
io.github.iflytek/iFly-Skills/iflytek-voiceclone-tts
用于用户要求复刻声音、训练自定义音色或用克隆声音合成语音的场景。讯飞声音复刻 TTS——从音频样本训练自定义音色模型，并用克隆出的声音合成语音，覆盖完整流程：获取训练文本、创建任务、上传音频、提交训练、轮询结果、用克隆声音合成。仅依赖 Python 标准库，无需 pip 依赖。
io.github.iflytek/iFly-Skills/iflytek-speed-transcription
基于讯飞极速转写 API 的高速语音转写：每小时音频约 20 秒完成，最长支持 5 小时的音频文件（WAV/PCM/MP3）。支持中文、英文以及 202 种以上中文方言，并可自动识别语种。当用户要求转写音频、语音转文字，或提到“极速转写”（speed transcription）时使用。
io.github.iflytek/iFly-Skills/iflytek-hyper-tts
用于用户要求合成语音、文字转音频或朗读文本的场景。讯飞超拟人语音合成——支持文本转语音与语音合成（发音人/语速/语调/音量/输出格式），属大模型语音合成技能。关键词：语音合成、文字转语音、超拟人、TTS。
io.github.MiniMax-AI/skills/minimax-music-gen
当用户想生成音乐、歌曲或音频曲目时使用。涉及音乐创作、写歌、歌词生成、音频制作或翻唱的任何请求都会触发；用户提供歌词并希望谱成歌曲，或描述某种情绪/场景并希望配乐时同样触发。支持多语言触发。不用于：播放已有音乐文件、乐理问题，或无生成需求的音乐推荐。
io.github.MiniMax-AI/skills/frontend-dev
融合高级 UI 设计、电影感动效、AI 生成媒体资产、说服力文案与视觉艺术的全栈前端开发。构建观感出众、使用真实媒体、动效高级、文案动人的完整网页。适用场景：落地页、营销站点、产品页、仪表盘，生成媒体资产（图/视频/音频/音乐），撰写转化文案，创作生成艺术，或实现电影感滚动动画。
io.github.heygen-com/hyperframes/media-use
HyperFrames 媒体统一入口：解析素材，处理配音与剪辑。
io.github.prime-skills/runcomfy-agent-skills/image-to-video
按动画意图在 RunComfy 目录中匹配合适的图生视频模型。
v1.0.0
io.clawhub.garrisongg/summarize-1-0-0
使用 summarize CLI 摘要 URL 或文件（网页、PDF、图像、音频、YouTube）。
v1.0.2
io.clawhub.ivangdavila/translate
在任意语言对之间翻译并本地化文本、软件字符串、文档、字幕和营销文案。在翻译任何内容、修复读起来像机翻的译文，或对产品做本地化时使用：ICU 复数与性别、必须保留的占位符、字符串目录（JSON、XLIFF、.po、.strings、.xcstrings、ARB、RESX、YAML）、locale 代码与回退链、RTL 与双向文本错乱、CJK 排版、乱码、撑破 UI 的文本扩展、字幕时间轴与阅读速度、hreflang 与多语言 SEO、术语表、翻译记忆与模糊匹配、机器翻译译后编辑。在选择语域（tu/vous、tú/usted、du/Sie、敬语）、在 es-ES 与 es-419 或 zh-Hans 与 zh-Hant 之间抉择，或涉及认证、法律、医疗翻译责任时使用。不用于以单一语言原生撰写原文（西、法、德、日、中）或从音频生成字幕（video-captions）。
v1.0.0
io.clawhub.kalijason/mac-tts
使用 macOS 内置 `say` 命令实现文本转语音。用于语音通知、声音提醒、朗读文本或通过 Mac 扬声器播报消息。支持包括中文（普通话）、英语、日语在内的多种语言。
v1.0.6
io.clawhub.ivangdavila/linux
为 Linux 主机排障与加固：权限、磁盘写满、OOM 杀进程、僵死进程、systemd 单元、cron、网络、SSH 与启动失败。当服务手动启动正常但开机失败、进程无视 kill -9、df 与 du 对不上、内存或 inode 耗尽、sudo 或 ACL 拒绝访问、SELinux 阻止写入、任务在 shell 里正常但 cron 里失败、sshd 拒绝密钥、升级后软件包半配置、负载高而 CPU 空闲，或主机需要防火墙规则、用户、LVM、journald、内核调优与安全基线时使用。也用于新服务器初始化、确定告警项、从未验证过恢复的备份、可能已被入侵的主机，以及桌面/笔记本疑难——GPU 驱动、Wayland、睡眠、音频、Wi-Fi。覆盖 Debian/Ubuntu、RHEL/Fedora、Arch、Alpine、SUSE 与 WSL。不适用于 shell 脚本语法（bash）或容器构建与运行时内部（docker）。
v0.1.0
io.clawhub.yuyonghao-123/yuyonghao-summarize
用 summarize CLI 对 URL 或文件做摘要（网页、PDF、图片、音频、YouTube）。