OpenClaw AI 技能

Transcribe audio and video files to text with speaker 检测ion, timestamps, and 格式化 conversion.

Manage MiniMax Speech 2.8 T2A (text-to-audio) and voice cata记录 lookups. Trigger when you need a precise MiniMax voice_id, a Speech 2.8 TTS 请求, or to 列

Invoke a strong UMGo speech simulation surface with explicit slash activation, affirmation-led cadence, readable flow, and GPT-4o-inspired conversatio

BAIdu Intelligent Cloud Speech Synthesis (TTS), supporting multi-角色 dia记录ue audio generation, SSML/segment-merge dual modes, speech rate/pitch adjustm

将录音/语音转写为结构化演讲纪要。适用于：会议讲话、内部分享、演讲录音的转写整理。 触发条件：用户发送音频文件并要求整理/转写/纪要，或要求将已有转写文本整理成结构化纪要。

A RESTful 服务 for high-质量 text-to-speech using Qwen3 and specialized voice cloning. 优化d for reusing a specific voice prompt to avoid re-computation.

Transcribe or translate audio files to text using a public Hugging Face Whisper Space over Gradio. Use when the user 发送s voice notes, audio attachment

Text-to-Speech and Speech-to-Text using ElevenLabs AI. Use when the user wants to convert text to speech, transcribe voice messages, or work with voic

Transcribe audio files using Sber Salute Speech a同步 API. Russian-first STT with support for ru-RU, en-US, kk-KZ, ky-KG, uz-UZ.

生成 speech or audio from text using OATDA's unified audio API. Triggers when the user wants to convert text to speech, 创建 narration, voiceovers, acc...

Local text-to-speech using macOS `say` + ffmpeg for Telegram/Matrix voice messages

Vocal isolation / background music removal on remote (FREE) L4 GPU. Trigger when user says: isolate vocals, 移除 background music, 提取 voice, 提取人声, 去除背景音

Speech enhancement / vocal denoising on remote (FREE) L4 GPU. Trigger when user says: denoise, 移除 noise, 清理 up audio, 去噪, 降噪, enhance audio. Takes loc

Synthesize speech with Microsoft's MAI-Voice-1 voices via Azure AI Speech REST API.

口才陪练龙虾 — AI public speaking coach with 15-step 进度ive trAIning, 25 methodo记录ies, and personalized 进度 追踪ing. Use when user asks about 口才训练, 演讲练习, 公众讲话,

配置 TTS in OpenClaw. Adapt speech 输出 to user preferences. / 配置 OpenClaw TTS，根据用户偏好调整语音输出。

AI语音合成（文本转语音）。将指定文本合成为语音文件并返回下载链接。使用场景：用户说"把这段文字转成语音"、"帮我生成一段语音"、"用甜美的声音朗读这段话"、"把这个文案合成音频"、"用英文女声读一下这句话"等。通过聚合数据（juhe.cn）API实时合成，支持多种拟人音色、多语言及方言，可选下载音

将 PPT/PPTX 文件转换为结构化演讲稿。当用户说"帮我整理这份PPT"、"把这个PPT转成演讲稿/文章"、"提取PPT内容"、"生成演讲稿"、"PPT转markdown"、"分析这份幻灯片"，或提供了 .pptx 文件路径并要求处理时，立即使用此 技能。无需用户配置任何 API Key，由 代

MiniMax 多模态技能 — 接入 MiniMax 令牌 Plan 接口，语音合成（TTS/音色克隆/音色设计） 和图片生成（文生图/图生图）。使用 speech-2.8-hd（语音）和 image-01（图像）模型， 消费 令牌 Plan 额度。当用户提到语音合成、音色克隆、图片生成、文生图、图

MiniMax 语音合成技能 - 支持同步/异步文本转语音(T2S)、音色克隆(Voice Clone)、音色设计(Voice De签名)、音色查询与删除。使用模型 speech-2.8-hd，输出 mp3/wav/pcm 格式音频文件到本地。