OpenClaw AI 技能

Generate videos using a local SGLang-Diffusion server (Wan2.2, Hunyuan, FastWan, etc.). 适用于： user asks to generate, create, or render a video with a l

生成 AI 短视频脚本、镜头拆解、画面提示词、字幕文案与可直接进入视频生成测试的 prompt。用于把一个主题快速整理成可执行的视频方案，尤其适合：短视频选题、分镜脚本、AI 视频提示词、Yijia/Sora/Grok 文生视频测试、图生视频测试、爆款短视频结构化策划。

国内可用的 AI 视频生成技能。Use when the user wants to create a video from text — generates script, images (via china-image-gen), voiceover (via china-tts), and m

使用 Qwen 3.5 Plus 模型分析视频内容，支持本地文件和远程 URL，可自定义分析提示词和抽帧频率

利用 CellCog 的 AI 技术，提供音频生成和文本转语音服务。支持三家语音提供商（OpenAI、ElevenLabs、MiniMax），以及语音克隆、角色声音和音效等功能。

Use AudioPod AI's API for audio processing tasks including AI music generation (text-to-music, text-to-rap, instrumentals, samples, vocals), stem sepa

MLX Audio Server 是一个运行在 Mac 上的本地 24x7 开放 AI 兼容 API 服务器，支持语音转文本（STT）和文本转语音（TTS），由 MLX 驱动。

Play audio/video locally on the host

使用AssemblyAI API，支持100+语言的音频转录，包括speaker diarization（谁在什么时候说话）、自动语言检测和时间戳。适用于会议、采访、播客或语音消息。需要AssemblyAI API密钥。

音视频转文字技能，使用 Whisper 进行语音识别。支持多种音视频格式，可输出纯文本、SRT/VTT 字幕或 JSON 格式。适用于会议记录、视频字幕生成、采访整理、播客转录等场景。

使用自然语言命令执行音频编辑任务，包括剪裁、音量调整、格式转换和从视频文件中提取音频。

Transcribe audio files using Qwen ASR (千问STT). Use when the user sends voice messages and wants them converted to text.

使用经典的 C64 文本转语音合成器 SAM，生成复古机器人语音音频。支持通过 `/sam` 命令生成语音消息，包括开关模式、语音参数定制（音调、速度、口腔、喉部）等功能。

利用 Tesseract.js OCR 技术（100% 本地运行，无需 API 密钥）。支持中文（简体/繁体）和英文。

截图 OCR 识别工具。截图→自动识别文字→复制/保存，适合提取图片内容、表格数据、验证码。

智能文档OCR识别与结构化提取。Use when the user has a complex document, PDF, scanned image, photo, invoice, receipt, ID card, table, or chart that needs to be recog

Vehicle/animal/plant recognition plus OCR for screenshots, photos, invoices, and tables. Use when users ask 识别车型/看图识别/提取文字/OCR. Supports local path, U

专业离线票据OCR，支持增值税发票、火车票、飞机票、出租车票等多种票据的高精度结构化识别与批量处理。

Japanese OCR via NDLOCR-Lite (National Diet Library). Trigger on 'OCR this image', '日文OCR', 'recognize Japanese text', or any request to extract text

百度 OCR 文字识别。支持中英文混合、公式、表格识别，准确率 95%+。使用百度 AI 开放平台 API。