OpenClaw AI 技能

识别图片中的K12算式（加减乘除、竖式计算、分数、方程等），返回结构化文本结果。 支持手写体和印刷体，可拒绝非算式图片。 触发条件：用户要求识别算式、数学题、计算题图片，或上传数学题图片时调用。 关键词：算式识别、数学题、OCR、竖式计算、ArithmeticOCR

从屏幕截图中提取文字，支持纯文本、结构化及问答分离格式，适合中医考试题识别。

OCR (Optical Character Recognition) for Word documents (.docx) containing scanned pages or image-embedded content. Uses MinerU to extract text from Wo

使用系统的`tesseract`二进制文件对图像文件（jpg, png, bmp, gif, tiff）进行OCR识别，提取并返回纯文本。

将图片中的文字信息识别并提取出来。本技能应在用户需要 OCR 识别图片中的文字时使用。

支持识别企业财务报销场景的常见票据，包括增值税发票、增值税卷票、出租车发票、火车票、航空电子客票行程单、机动车销售统一发票、定额发票、过路过桥费发票、医疗发票、税收完税证明、船票、非税票据、通用机打发票、汽车票识别。

将图片中的文字、通用文字识别, 居民身份证, 银行卡, 社保卡, 户口本, 出生医学证明, 往来港澳通行证, 往来台湾通行证, 台湾居民来往大陆通行证, 港澳居民来往内地通行证, 营业执照, 社会团体法人登记证书, 工会法人资格证书, 宗教活动场所登记证, 民办非企业单位登记证书, 事业单位法人证书

识别车辆证件（行驶证正页/副页）和收据/发票图片，返回结构化 JSON 数据。 支持图片 URL 和本地文件两种方式，需要 API Key。

Pixel Termux receipt snap → OCR tesseract → parse CSV expense report (date/item/amount/total tax). Triggers for "scan receipt Pixel", "OCR expense CSV

将荷兰语新闻文本翻译为英文，采用行内格式（原文对应译文），适合语言学习和详细文本分析。

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。

High-quality translations with cultural awareness (50+ languages)

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

通过 OpenAI Audio Speech API 实现文本转语音，支持多种声音、模型、格式和自定义输出。需要设置 OPENAI_API_KEY 环境变量进行认证。

在 Windows 11 上"直接发声"的 TTS（从 WSL2/TUI 调用 powershell.exe + System.Speech）。适用于用户说"说出来/读出来/语音播报/用TTS"，或反馈"没声音/tts 生成的 mp3 是空的/播不出来"，以及需要中文语音但 OpenClaw 内置

Local text-to-speech using llama-tts (llama.cpp) and OuteTTS-1.0-0.6B model.

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。

Convert text to speech using Volcengine TTS with preset or cloned voices and send audio messages to Feishu chats or groups.