搜索「Audio」的结果

io.clawhub.liuhedev/lh-video-gen

从 Markdown 脚本生成竖屏短视频（9:16）。

io.clawhub.heygen-com/media-use

Agent Media OS——HyperFrames 项目中覆盖所有媒体需求的单一技能。将 BGM、SFX、图片、图标、品牌 logo、配音、调色或 LUT 解析为冻结的本地文件或可粘贴区块，并留存台账记录（统一动词 resolve）；目录未命中时可经 TTS/音乐/图像模型即时生成；通过同一共享音频引擎完成配音、转写、字幕与背景音移除；对媒体执行操作（剪切/重构图/变换）；并支持跨项目复用素材。当模糊反馈涉及实拍画面偏暗、平淡、无聊、想要复古/摄影机/印刷/ASCII 质感、需要隐私处理或需要媒体揭示时刻时，同样使用本技能。

io.clawhub.logesh2496/moltspaces

加入语音房间，在 Moltspaces 上与其他 Agent 和用户聊天互动。

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.tristanmanchester/assemblyai-transcribe

用 AssemblyAI 转写、分离说话人、翻译、后处理并结构化音频/视频。当用户明确要用 AssemblyAI、需要高... 时使用

io.clawhub.pin-alt/20206-02-10-clawhub-summarize-1-0-0

使用 summarize CLI 对 URL 或文件生成摘要（网页、PDF、图片、音频、YouTube）。

io.clawhub.ivaavimusic/x402-compute

当用户提出「开通 GPU 实例」「通过 API 集成智能体 pod」「为客户创建 pod」「pod webhooks」「pod 事件」「启动云服务器」「列出算力套餐」「浏览 GPU 价格」「部署 AI 机器」「一键部署运行 LLM 的 GPU」「部署私有 LLM 端点」「OpenRouter 就绪端点」「智能体部署 GPU」「拉起自己的 OpenAI 兼容端点」「扩容算力实例」「变配算力实例」「销毁服务器实例」「查看实例状态」「列出我的实例」「充值算力额度」「查看额度余额」「在网格上跑推理」「去中心化推理」「OpenAI 兼容 API」「机密/TEE 推理」「列出网格模型」「查看网格容量」「运行节点」「提供算力」「成为网格节点」「节点运营者」「加入网格」「质押运行节点」「在网格上服务模型」「靠算力赚钱」「部署常驻 AI 智能体」「部署托管 OpenClaw 智能体」「拉起 ClawPod」「智能体 pod」「托管……」等请求时使用本技能。

io.clawhub.sandeepyadav1478/youtube-downloader-clipper

按精确时间码截取或完整下载 YouTube 视频，支持多种画质，含纯音频 MP3 提取。

io.clawhub.nerkn/deepgram

命令行工具，使用 Deepgram API 对本地文件、URL 或实时音频进行快速准确的语音转文字，选项可定制。

io.clawhub.asteinberger/airfoil

通过 Airfoil 从命令行控制 AirPlay 音箱。用简单的 CLI 命令即可连接、断开、调节音量和管理多房间音频。

io.clawhub.onimka/free-voice

使用 ComfyUI 的 Qwen3 TTS 节点生成俄语男声音频，并保存为 MP3 用于语音消息。

io.clawhub.carlulsoe/parakeet-stt

基于 NVIDIA Parakeet TDT 0.6B v3（ONNX CPU 运行）的本地语音转文字。比 Whisper 快 30 倍，支持 25 种语言自动检测，兼容 OpenAI API。适用于本地转写音频、语音转文字或无需云端 API 处理录音。

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.github.docling-project/docling/docling

用 Docling 理解任意受支持格式文档的内容——PDF（原生数字或扫描件）、DOCX、PPTX、XLSX、HTML、Markdown、AsciiDoc、CSV、图片、音频与 XML——把它们统一转换为 DoclingDocument（Markdown 或结构化 JSON）。当你需要读取、解析、转换、提取或切分无法直接阅读的文档时使用，例如“这份 PDF 里有什么”“转成 markdown”“提取表格”“为 RAG 切块”“读这份扫描文档”“解析这个 DOCX/PPTX”。涵盖 docling CLI、Python SDK（DocumentConverter 与 PipelineOptions）、远程 Service Client（自托管或托管的 docling-serve），以及用于最小依赖体积的 docling-slim install extras。

io.github.affaan-m/ECC/remotion-video-creation

Remotion 最佳实践——在 React 中创作视频。包含 29 条领域专属规则，覆盖 3D、动画、音频、字幕、图表、转场等。当用 Remotion 在 React 中制作视频时使用，如涉及动画、音频、字幕、图表或转场。

io.github.debpalash/VoiceStudio/voicestudio

Generate local speech with saved or designed voices, transcribe audio, and automate dubbing or narration workflows through VoiceStudio's REST API or MCP server. Use when the user wants to work with VoiceStudio audio or connect it to an agent or automation.

io.github.debpalash/VoiceStudio/voicestudio-maintainer

Triage GitHub issues, review contributor pull requests, diagnose CI, and prepare explicitly requested releases for VoiceStudio's Electron desktop app and Python backend. Use for repository maintenance work, not ordinary VoiceStudio audio generation.

io.github.affaan-m/ECC/videodb

Ingest, index, search, edit, and monitor video and audio with the VideoDB Python SDK — upload from files, URLs, or RTSP feeds, build spoken and scene indexes with timestamped search and playable clips, transcode and reframe, do timeline edits (subtitles, overlays, dubbing), and run real-time alerts on live streams or desktop capture. Use when working with video search, transcription, clipping, transcoding, streaming, or live video alerts.

io.github.affaan-m/ECC/fal-ai-media

通过 fal.ai MCP 统一生成媒体——图像、视频和音频。覆盖文生图（Nano Banana）、文/图生视频（Seedance、Kling、Veo 3）、文生语音（CSM-1B）以及视频生音频（ThinkSound）。当用户想用 AI 生成图像、视频或音频时使用。

io.github.affaan-m/ECC/fal-ai-media

通过 fal.ai MCP 统一生成媒体——图像、视频和音频。覆盖文生图（Nano Banana）、文/图生视频（Seedance、Kling、Veo 3）、文生语音（CSM-1B）以及视频生音频（ThinkSound）。当用户想用 AI 生成图像、视频或音频时使用。

io.github.nexu-io/open-design/hyperframes

在 HyperFrames HTML 中创建视频合成、动画、标题卡、叠加层、字幕、配音、音频反应视觉与场景转场。当需要构建任何基于 HTML 的视频内容、添加与音频同步的字幕、生成语音旁白、创建音频反应动画（节拍同步、随音乐律动的辉光/脉冲）、添加文字高亮动画（马克笔扫过、手绘圆圈、爆裂线条、涂鸦、草图描出）或场景间转场（交叉淡入淡出、擦除、揭示、着色器转场）时使用。涵盖合成编排、时序、媒体与完整视频制作工作流。CLI 命令（init、lint、preview、render、transcribe、tts）参见 hyperframes-cli 技能。

io.github.nexu-io/open-design/hyperframes

在 HyperFrames HTML 中创建视频合成、动画、标题卡、叠加层、字幕、配音、音频反应视觉与场景转场。当需要构建任何基于 HTML 的视频内容、添加与音频同步的字幕、生成语音旁白、创建音频反应动画（节拍同步、随音乐律动的辉光/脉冲）、添加文字高亮动画（马克笔扫过、手绘圆圈、爆裂线条、涂鸦、草图描出）或场景间转场（交叉淡入淡出、擦除、揭示、着色器转场）时使用。涵盖合成编排、时序、媒体与完整视频制作工作流。CLI 命令（init、lint、preview、render、transcribe、tts）参见 hyperframes-cli 技能。

io.github.TheWidlarzGroup/react-native-video/react-native-video

当 React Native 应用使用或选型 react-native-video 库时使用——播放/控制视频或音频、v6 的 `Video` 组件或 v7 的 `useVideoPlayer`/`VideoView` 播放器 API、source/props/事件（onLoad、onProgress、onEnd、paused、resizeMode、source、drm）、HLS/DASH、DRM（Widevine/FairPlay、`@react-native-video/drm`）、字幕/轨道、画中画、后台或锁屏音频、全屏、缓冲、离线/下载，以及 iOS/Android 原生配置；也在 v6 与 v7 之间做决策或迁移时使用。触发词包括“react-native-video”“RNV”、`Video`、`useVideoPlayer`、`VideoView` 等。

io.github.HKUDS/CLI-Anything/video-creation

面向视频生产的按能力组合的多工具矩阵。agent 按能力挑选 provider(CLI-Anything harness、公开 CLI、Python 库、原生二进制、云 API),而非固定阶段流水线,涵盖分镜规划、故事/声音指导、素材分诊、网络视频/音乐搜索下载、采集/生成、分析、声音设计、高质量字幕设计、NLE/渲染问题排查、审阅与打包交付。