文生图 Seedream 5.0 Lite
v1.3.35
SkillClawHub645k
io.clawhub.dlazyai/dlazy-seedream-5-0-lite
使用豆包 Seedream 5.0 Lite 极速生成图像，支持文生图与图生图。
source
“Audio Generation” 共 418 个结果
v1.3.35
io.clawhub.dlazyai/dlazy-seedream-5-0-lite
使用豆包 Seedream 5.0 Lite 极速生成图像，支持文生图与图生图。
v0.1.0
io.clawhub.oconnell-carl/notebooklm-cli
通过命令行管理 Google NotebookLM 笔记本与知识源，并以编程方式生成音频、测验、报告。
v1.3.34
io.clawhub.dlazyai/dlazy-jimeng-omnihuman-1-5
使用即梦 (Jimeng) OmniHuman 1.5 模型，通过人像图片和音频/文本生成逼真的数字人播报视频。
v3.6.2
io.clawhub.nttylock/citedy-seo-agent
全栈 AI 营销工具包——侦察 X/Twitter 与 Reddit 的热门话题，发掘并深度分析竞争对手，找出内容缺口。
v1.0.2
io.clawhub.javicasper/transcribe
使用本地 Whisper（Docker）把音频文件转录为文本。适用于收到语音消息或音频文件（.mp3、.m4a、.ogg、.wav、.webm），或被要求转录音频内容时。
v1.0.0
io.clawhub.linhui99/flyworks-avatar-video
使用 Flyworks（即 HiFly）数字人生成视频：由图片制作口播视频、用公共数字人配合 TTS，或克隆声音生成自定义音频。
v1.0.0
io.clawhub.rubenfb23/vocal-chat
处理 WhatsApp 上的语音到语音对话：自动转录收到的语音，并用本地 TTS 生成语音回复。当用户希望“说”而不是“打字”时使用。
v1.3.35
io.clawhub.dlazyai/dlazy-video-replicate
视频复刻工具，从源视频中提取首帧与音频，并通过视频理解生成描述提示，输出 Seedance 2.0 复刻方案（首帧 + 音频 + 视频）三件套。
v1.0.10
io.clawhub.nitishgargiitd/music-cog
由 CellCog 驱动的 AI 音乐生成。5 秒到 10 分钟的原创器乐与人声曲目。
v0.1.5
io.clawhub.okaris/speech-to-text
通过 inference.sh CLI 使用 Whisper 模型将音频转写为文本。模型：Fast Whisper Large V3、Whisper V3 Large。
v1.1.0
io.clawhub.araa47/gemini-stt
使用 Google 的 Gemini API 或 Vertex AI 转录音频文件。
v1.3.34
io.clawhub.dlazyai/dlazy-gemini-2-5-tts
使用 Gemini 2.5 强大的文本转语音能力，生成多语言、高自然度的音频。
v0.1.2
io.clawhub.thewulf7/avatar-video-messages
用口型同步的 VRM 虚拟形象生成并发送视频消息。当用户要求视频消息、虚拟形象视频、视频回复，或希望以视频而非音频形式投递 TTS 时使用。
v1.0.0
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。
v1.0.0
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。
v1.0.1
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。
v1.0.0
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。
v1.0.2
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。
v1.1.0
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。
v0.1.0
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。
v1.3.36
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**.
v1.2.1
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。
v1.3.35
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。
v1.0.1
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。