OpenClaw AI 技能

视频理解与分析能力 - 让 AI 能够理解视频内容、提取关键信息。当用户要求分析视频、理解视频内容、总结视频、提取视频要点时触发此技能。

使用豆包2.0模型解析视频。当需要执行分析视频内容等需要理解视频视觉信息时调用该技能。你必须在持有本地视频路径或网络视频链接时才能调用该技能

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。

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。

使用文本转语音（TTS）生成音频回复。通过“读给我听 [公共 URL]”来获取并朗读内容，或使用“跟我聊 [主题]”来生成口语回复。

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。

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。

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。

利用MinerU提供专业级OCR服务，支持PDF和图像。通过集成VLM（视觉语言模型），能够高精度识别复杂布局和混合内容的文本，适用于需要高准确率文本识别的开发场景。

Japanese-English translator and language tutor. 适用于： (1) User shares Japanese text and wants translation (news articles, tweets, signs, menus, emails)

利用 TranslateFlow API 实现 AI 翻译，支持多语言内容翻译、本地化、语气适配和批量翻译。适用于用户需要文本翻译、内容本地化以及大规模翻译任务。

使用多引擎（百度、谷歌、DeepL、ChatGPT）翻译文本或从图像/图像URL中提取和翻译文本，支持批量处理。

利用 TranslateFlow API 提供的 AI 驱动的翻译服务，支持文本翻译、语言转换、多语言翻译等，满足跨语言交流和内容本地化的需求。

将视频从一种语言翻译为另一语言，使用文本转语音（TTS）替换原始音频，同时保持视频内容不变。

newtranx CLI 工具，用于在终端直接翻译 MP4 视频文件，适用于跨国视频文件翻译需求。

使用 UAPI 的“AI翻译配置”单接口 skill，处理 AI翻译配置、AI翻译、翻译配置 等请求。 Use when the user wants get ai translate languages, ai translate languages, languages, ai translat