OpenClaw AI 技能

利用 ElevenLabs 语音转文本（Scribe v2）技术，转录音频文件，实现高效的语音到文本功能，适用于各种音频处理和文本提取场景。

利用 OpenRouter 和音频模型（如 Gemini、GPT-4o-audio 等）转录音频文件，实现高效的音频转文本功能，适用于各种音频处理需求。

处理、增强和转换音频文件，支持噪音去除、归一化、格式转换、转录和播客工作流。

用于视频/音频处理任务，包括转码、过滤、流媒体、元数据操作和使用 FFmpeg 的复杂滤波器图操作。

通过文本描述生成包含语音、音效、音乐和环境声音的沉浸式音频场景。由小米和上海交通大学开发，支持多语言输入，输出WAV格式音频。

云端音频编辑工具，支持清理和修剪音频轨道，适用于视频项目。支持上传 MP3、WAV、AAC、M4A 文件（最多 200MB），描述编辑需求，30-60 秒内输出 1080p MP4 视频。面向播客制作人、内容创作者、学生等。

通过 Scheme URL 和 HTTP API 控制洛雪音乐助手桌面版，支持搜索播放、播放控制、音量调节和收藏管理。

Amazon Chime API 技能。用于与 Amazon Chime合作，涉及账户、voice-connectors、voice-connector-groups。涵盖 191 个端点。

使用本地 Qwen3-ASR 语音识别将 小宇宙 (Xiaoyuzhou) 播客节目转录为文本。结合 xyz API（小宇宙FM API）获取节目元数据和音频...

语音转文本技能 - 基于 SiliconFlow API (SenseVoiceSmall/TeleSpeechASR)，支持四川话等多种方言识别

在任何暴露 DevTools/CDP 端点的浏览器中控制 QQ Music 播放。支持播放/暂停/下一首/上一首、搜索歌曲/艺人/专辑、播放已收藏歌曲等。

使用已部署的 Cloudflare Worker Whisper 端点转录音频。用于将语音/音频文件（wav、mp3、m4a、ogg、webm）转换为文本时……

输入品牌名与情绪关键词，自动调用 SenseAudio API 生成 5–15 秒品牌音效、人声与伴奏双版本，并输出品牌名朗读音频，一键完成音频 Logo 创作。

利用抖宝/字节跳动播客 TTS API 生成音频，解析 WebSocket 二进制帧，处理流式音频块，提取 audio_url 等，适用于播客内容的自动语音化处理。

Qwen3-TTS VoiceDesign 实现文本到语音的功能，允许通过自然语言描述和基于种子（seed）的音调固定设计自定义语音。包含 OpenAI 兼容的 API 服务器、一键式设置和批量种子探索工具，适用于语音生成、语音设计和集成到 OpenClaw。

通过 AIOZ Stream API，管理视频、音频、播放列表、播放器、Webhook、分析、支付、章节和字幕。支持分布式流媒体平台的各种操作，包括媒体上传、元数据管理、播放器自定义、分析查询等。

该技能利用 Simmer SDK 和单一 API 键在 Polymarket 平台上交易音乐娱乐相关预测市场，包括音乐流行指标、专辑排行、格莱美奖、巡演收入、音乐行业交易等。默认为纸牌交易，仅在明确运行 `--live` 时执行真实交易。

利用 Resemble AI HTTP API 实现文本转语音（TTS）和语音转文本（STT）的集成，支持异步转录和高质量语音合成。

利用 Microsoft VibeVoice 实现本地西班牙语文本转语音（TTS），生成自然语音音频，专为 WhatsApp 语音消息优化。