Uttera 音频与语音

安装指南

1. ClawHub CLI 从源直接安装技能的最快方式。
   npx clawhub@latest install uttera
2. 手动安装 将技能文件夹复制到以下位置之一
   全局模式
   ~/.openclaw/skills/
   工作区
   /skills/
   优先级：工作区 > 本地 > 内置
3. 提示词安装 将此提示词复制到 OpenClaw 即可自动安装。
   请帮我使用 Clawhub 安装 uttera。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。
   更倾向于下载？
   获取包含原生技能文件的ZIP压缩包。
   下载技能 (.zip)

什么是

Uttera 音频与语音将 OpenClaw 编程代理连接到 Uttera 语音 AI API，提供语音转文本、会议摘要、翻译、说话人分离、发音评分、文本转语音、声音克隆，以及生成音效、音乐和声音场景的功能。它还可以创建带签名的 PDF 报告并验证其真实性。
随附的 Python 脚本会将提供的音频直接发送给 Uttera 并返回结果；代理不会自行解码或分析音频。这使该 skill 适用于需要专用 API 的音频工作流，同时也提醒用户关注计费、账户要求、数据处理和声音克隆同意事项。探索实用的 Openclaw Skills，使用 Uttera 实现音频和语音自动化。

应用场景

将附加录音转录为纯文本。
总结通话或会议，提取要点、行动事项、说话人信息和语气。
为录音创建带证据图的签名 PDF 报告。
将语音翻译成另一种语言的文本或语音音频。
通过带时间戳的分离结果识别每位说话人的发言时间。
将短录音与参考文本进行比较评分，以评估发音。
大声朗读提供的文本，或根据已明确同意的声音样本生成语音。
根据文本描述创建音效、音乐或混合声音场景。
查看可用声音、检查上次调用的费用，或验证签名报告。

工作原理

代理识别所请求的操作并收集所需输入，例如音频文件、目标语言、参考文本或声音描述。
代理使用选定的操作和参数运行随附的 scripts/uttera.py 脚本。音频输入操作会将实际文件路径传递给脚本。
脚本通过 HTTPS 将文件和 API 密钥发送到 api.uttera.ai。音频由 Uttera 处理；代理不得尝试自行解码、转录、总结或描述音频。
Uttera 返回文本或结构化 JSON，或由脚本保存音频或 PDF 输出。代理会展示脚本输出，并向用户提供保存的文件。
操作费用按照 Uttera 账户套餐和额度收取。如果套餐不包含某项操作，API 会返回 403 套餐提示；用户可能需要前往 https://app.uttera.ai/billing 升级。

配置指南

安装或放置该 skill，确保可以使用其 scripts/uttera.py 文件，并确认已安装 python3。
配置 Uttera API 密钥。脚本会检查 scripts/key.txt、UTTERA_API_KEY 环境变量或 ~/.uttera/api_key。调用会使用关联 Uttera 账户中的额度。
确保运行环境能够访问 api.uttera.ai。对于 Claude Team 或 Enterprise，管理员可能需要在 组织设置 → 功能 → 允许网络出口 → 域名许可名单 中添加该域名。个人 Claude Free/Pro 套餐无需更改此许可名单。
在 skill 目录中运行脚本，并传入操作和所需参数：
python3 scripts/uttera.py transcribe "/path/to/recording.m4a"
python3 scripts/uttera.py summarize "/path/to/meeting.mp3"
python3 scripts/uttera.py translate "/path/to/audio.ogg" en
python3 scripts/uttera.py speak "Hello world" dora en
python3 scripts/uttera.py cost
音频文件必须符合沙盒约 30 MB 的上传限制；较大的文件应通过 Uttera 网页应用或 API 处理。声音克隆以及使用原说话人的声音进行翻译，都需要获得说话人的明确同意。

数据架构

该 skill 接受针对具体操作的输入，并返回文本、JSON 或已保存的文件。它不包含单独的本地数据库或持久化元数据存储。
操作 输入 结果
transcribe 音频路径 纯文本转录稿
summarize 音频路径 转录稿和结构化摘要
report 音频路径 保存的签名 PDF 和打印的摘要；套餐支持时，报告包含证据图
translate 音频路径、目标语言代码 翻译文本
translate-voice 音频路径、目标语言代码、可选声音或 original 保存的翻译音频
diarize 音频路径 带时间戳的 JSON 说话人片段
pronunciation 音频路径、参考文本、可选语言 JSON 发音评分、预期和听到的 IPA，以及分组错误
clone 声音样本路径、要朗读的文本、可选语言 保存的生成音频
speak 文本、可选声音和语言 保存的生成音频
sfx、music、scene 描述及该操作所需的时长或步骤 保存的生成音频
voices、cost、verify 无参数；verify 可传入报告 JSON 路径 JSON 声音列表、上次调用费用或验证结论
语言参数使用 en、es、fr、de、zh 或 no 等代码。report 会保存 PDF；translate-voice、clone、speak、sfx、music 和 scene 会保存音频。verify 使用 Ed25519 验证检查报告的 .json 文件。脚本会打印保存路径，供代理向用户提供生成的文件。

高级特性

支持 14 种操作，涵盖转录、摘要、翻译、说话人分离、发音评估、语音生成、音频生成、计费检查和报告验证。
生成带证据图的签名 PDF 报告，并提供 Ed25519 验证操作以检查报告完整性。
支持使用目录中的声音生成翻译语音；经同意后，也可使用原说话人的克隆声音。
生成最长 30 秒的音效、最长 380 秒的音乐以及定时声音场景。音乐费用取决于时长乘以生成步骤数。
为说话人分离、发音分析、可用声音、费用详情和验证结果提供 JSON 输出。
仅通过 HTTPS 将音频和 API 密钥发送到
api.uttera.ai
；API 基础地址覆盖范围限制为 *.uttera.ai 。
生成的音频包含 EU AI Act 要求的不可听水印，且无法禁用。
声音克隆会使用生物识别个人数据。只能克隆用户本人的声音，或已由说话人明确同意使用的声音；不得用于冒充第三方。

name: uttera description: Work with audio and voice through Uttera (https://uttera.ai) — transcribe, summarize, make a signed verifiable PDF report, translate (to text or to spoken audio), diarize (who speaks when), analyze pronunciation, synthesize speech from text, clone a voice from a sample, generate sound effects / music / sound scenes, report what the last call cost, and verify a signed report. Use this whenever the user attaches an audio file (wav, mp3, m4a, ogg, opus, flac, webm, aac, amr…) and asks to transcribe/summarize/translate/report/diarize/analyze it, OR asks to read text aloud, clone a voice, or generate a sound or music. Billable: each action spends credits from the user's Uttera account. The bundled script uploads the file to Uttera and returns the result — do NOT try to transcribe, summarize or decode the audio yourself, you cannot. version: 1.4.0
author: Uttera