AI 语音与转录 精选AI Agent技能库
AI 语音与转录分类下的高质量技能
tts-qwen3
一个先进的本地语音合成引擎，利用 Qwen3-TTS 1.7B 模型支持声音克隆、自定义语音设计和多角色对话合成。
Edge 文本转语音 (tts-cosyvoice)
一个开源、无需订阅的文本转语音工具，可直接从您的命令行环境利用 Microsoft Edge 的逼真神经语音。
mimo-asr
一个零依赖的语音转文字技能，通过免费的 Gradio API 封装器利用小米官方 MiMo-V2.5-ASR 模型。
Audio Transcribe
一个注重隐私的本地音频转录技能，使用 OpenAI 的 Whisper 模型将语音转换为文本、字幕 (SRT) 或 JSON。
Subtitle SRT Export
一个轻量级、无需 API 的 CLI 工具，用于将精细的逐词音频时间轴转换为整洁、平台兼容的 SRT 字幕文件。
视频转录 TXT
将一个或多个本地视频转换为整洁、带时间戳的 TXT 转录文本，不修改原始媒体。
Mobayilo Voice
一种安全优先的语音自动化技能，使 AI 代理能够拨打外呼电话进行预订和随访。
语音转录器
一款为 Openclaw Skills 用户打造，由 Deepgram Nova-3 提供支持的高性能音频转录和语音笔记归档工具。
audio-summary
一款专门用于从视频文件中提取音频并生成自动化 AI 驱动转录和摘要的工具。
TTS (文字转语音)
一个多功能的文字转语音技能，可将智能体的文本回复转换为专业级的 MP3 音频文件。
byt-workflow
一个复杂的自动化流水线，可下载 YouTube 音频并通过豆包界面捕获实时 AI 翻译。
语音转文本 (STT) 技能
一个高性能音频处理工具，利用 OpenAI Whisper 将多种音频格式转换为准确的文本转录。
ElevenLabs 语音转文本 (STT)
一个高性能转录技能，利用 ElevenLabs Scribe v2 实现精确的音频到文本转换及说话人识别。
Vapi 通话
一个高级 AI 语音助手技能，用于通过 Vapi 执行自主电话呼叫、销售和预订。
TelCall Twilio
一种专门的自动化技能，用于触发程序化紧急电话，并通过 Twilio 传递文本转语音消息。
Firefly AI 集成
使用 GraphQL 直接从 fireflies.ai 检索会议记录、总结和待办事项。
电话语音集成
一个全面的集成方案，使用 ElevenLabs 和 Twilio 将您的 Openclaw 实例转换为语音激活的电话助手。
ElevenLabs AI 电话提醒（轻量版）
结合 ElevenLabs 和 Twilio，通过实时语音交互实现自然、自动化的 AI 外呼电话。
语音识别
一款由 SiliconFlow SenseVoice API 驱动的高性能语音转文本技能，实现无缝音频转录。
Omi AI 穿戴设备集成
一个专门的技能，用于将 Omi AI 穿戴设备中的录音和转录自动同步、组织并处理到您的本地环境中。