text-to-speech

io.clawhub.steipete/sag

ElevenLabs 文字转语音，交互体验类似 mac 风格的说命令。

io.clawhub.i3130002/edge-tts

使用 node-edge-tts npm 包进行文字转语音，把文本生成音频。支持多音色、多语言、语速调节、音高控制与字幕生成。适用于：(1) 用户以 tts 触发词请求音频/语音输出；(2) 内容需要听而非读（多任务、无障碍、开车、做饭场景）；(3) 用户想指定音色、语速、音高或 TTS 输出格式。

io.clawhub.robbyczgw-cla/elevenlabs-voices

基于 ElevenLabs API 的高质量语音合成：18 种人格音色、32 种语言、音效、批量处理与音色设计。

io.clawhub.pors/openai-tts

通过 OpenAI Audio Speech API 实现文本转语音。

io.clawhub.shaharsha/elevenlabs-tts

ElevenLabs TTS——为 OpenClaw 打造的最佳 ElevenLabs 集成。支持情感音频标签的 ElevenLabs 文本转语音，为 WhatsApp……进行语音合成

io.clawhub.cellcog/audio-generation-cellcog

由 CellCog 驱动的 AI 音频生成与文本转语音。配音、旁白、语音克隆、数字人音色、音效、音乐、播客、对话。三家语音供应商（OpenAI、ElevenLabs、MiniMax）。从文本提示完成专业音频制作。

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。

io.clawhub.odrobnik/elevenlabs

通过 ElevenLabs API 实现文本转语音、音效、音乐生成、声音管理与配额查询。当需要用 ElevenLabs 生成音频或管理……时使用。

io.clawhub.nitishgargiitd/audio-cog

由 CellCog 驱动的 AI 音频生成与文本转语音。配音、旁白、声音克隆、虚拟人声、音效、音乐、播客、对话。

io.clawhub.mayank8290/youtube-factory

从一个提示词生成完整的 YouTube 视频——脚本、配音、素材库画面、字幕、封面。

io.clawhub.strrl/macos-local-voice

使用 Apple 原生能力在 macOS 上实现本地 STT 与 TTS：通过 yap（Apple Speech.framework）语音转文字，通过 say + ffmpeg 文字转语音。完全离线，无需 API key。包含语音质量检测与智能音色选择。

io.clawhub.amstko/tts

使用 Hume AI（或 OpenAI）API 将文本转为语音。当用户要求语音消息、语音回复或想“听”某段内容（法语 of vive voix）时使用。

io.clawhub.stolot0mt0m/voice-reply

基于 sherpa-onnx 使用 Piper 音色的本地文本转语音。100% 离线，无需任何 API key。当用户要求语音回复、音频应答、朗读答案或希望听到朗读内容时使用。支持多语言，包括德语（thorsten）与英语（ryan）音色。输出兼容 Telegram 的语音消息（带 [[audio_as_voice]] 标签）。

io.clawhub.danielsinewe/sherpa-onnx-tts

使用 sherpa-onnx 在本地进行文本转语音（离线运行，无需云端）。

io.clawhub.zhaov1976/voice

使用 Microsoft Edge 的 TTS 引擎将文本转语音，支持自定义音色、直接播放与临时文件自动清理。

io.clawhub.guang384/aliyun-tts

阿里云文字转语音（TTS）合成服务。

io.clawhub.xmanrui/voice-message

使用 edge-tts 做文本转语音、ffmpeg 处理音频，在多个聊天渠道（Telegram、Discord、飞书/Lark、Signal。

io.clawhub.rakesh1002/audiopod

使用 AudioPod AI API 处理音频任务：AI 音乐生成（文生音乐、文生说唱、伴奏、采样、人声）、音轨分离、文生语音、降噪、语音转写、说话人分离与媒体提取。当用户需要从文本生成音乐/歌曲/说唱、拆分歌曲音轨/人声/乐器、从文本生成语音、清理嘈杂音频、转写音频/视频，或从 YouTube/URL 提取音频时使用。需要 AUDIOPOD_API_KEY 环境变量或直接传入 api_key。

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。

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。

io.clawhub.korddie/sapi-tts

基于 Windows SAPI5 的文本转语音，支持 Neural 神经音色。是重度依赖 GPU 的 TTS 方案的轻量替代——零 GPU 占用、即时生成。会自动为你的语言挑选最佳可用音色，适用于 Windows 10/11。

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。

io.clawhub.al-one/edge-tts-uvx

使用 `uvx edge-tts` 把文本转换为语音。适用场景：（1）用户带“tts”关键词请求音频/语音输出；（2）内容更适合听而不是读（多任务并行、无障碍、开车、做饭）；（3）用户想要特定的音色、语速、音调或 TTS 输出格式。

io.clawhub.a1024708231/video-producer

短视频一键生成技能 v2.2。调用video-director进行画面规划，然后生成AI素材、TTS配音、视频渲染，输出完整MP4。

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。

io.clawhub.byungkyu/elevenlabs-api

ElevenLabs API 集成，托管鉴权。AI 驱动的文字转语音、声音克隆、音效与音频处理。当用户要从文字生成语音、克隆声音、制作音效或处理音频时使用本技能。其他第三方应用请使用 api-gateway 技能（https://clawhub.ai/byungkyu/api-gateway）。调用经由带 OAuth 登录的 maton CLI 执行；无法安装 CLI 时通过原始 HTTP 加 Maton API key 调用。每次调用都以用户连接身份鉴权，只能访问该连接授权范围内的数据（由服务商在每次请求时强制执行）；本文档所列端点即本技能使用的端点，其他端点需用户点名要求方可使用。默认进行读取和列表操作，每次写操作或新建连接均需与用户确认。

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.thegovind/podcast-generation

通过 WebSocket 使用 Azure OpenAI 的 GPT Realtime Mini 模型生成 AI 播客式音频叙事。适用于构建语音合成、音频叙事生成、内容转播客，或集成 Azure OpenAI Realtime API 输出真实音频。涵盖从 React 前端到 Python FastAPI 后端及 WebSocket 流式传输的全栈实现。

io.clawhub.amreahmed/elevenlabs-voice

使用 ElevenLabs AI 实现文本转语音（TTS）与语音转文本（STT）。当用户想把文字转成语音、转写语音消息或处理多语言语音时使用。支持高质量 AI 音色与精准转写。

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.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.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。