ARTICLE DETAIL

资讯详情

深耕郑州网站建设与运营推广的一线实战洞察。

OpenClaw 语音与转写技能分类全解:Speech Transcription 精选技能的发现、安装与选型

OpenClaw 语音与转写技能分类全解:Speech  Transcription 精选技能的发现、安装与选型 文档AI 技能【免费下载链接】awesome-openclaw-skillsThe awesome collection of OpenClaw skills. 5,400 skills filtered and categorized from the official OpenClaw Skills Registry.项目地址https://gitcode.com/gh_mirrors/aw/awesome-openclaw-skills点击查看免费下载Speech Transcription 是 Awesome OpenClaw Skills 精选清单中按功能域划分的一个分类集中收录了 OpenClaw 生态中与语音转文字STT、文字转语音TTS、语音克隆、转写摘要、语音人设与家庭播报相关的社区技能。本文将带你从零读懂这份分类文件的结构与筛选标准掌握三种官方安装方式并逐条盘点该分类下的全部技能条目最后给出本地与云端方案的选型建议与安全使用须知。分类文件是什么一张按功能域组织的技能清单本分类的完整内容保存在 categories/speech-and-transcription.md 中并通过 README.md 的目录表Table of Contents以及正文中的Speech Transcription区块README.md对外暴露。README 内嵌区块只展示其中 10 条代表性技能如addis-assistant-stt、assemblyai-transcribe、auto-whisper-safe等作为预览区块末尾通过 View all 47 skills in Speech Transcription → 链接指向完整的分类文件。条目格式分类文件中的每条记录遵循统一的单行格式与 CONTRIBUTING.md 定义的贡献格式一致- skill-name - 一句话功能描述。技能名slug用于openclaw skills install等命令的唯一标识链接指向技能在 ClawHubOpenClaw 公共技能注册表上的发布页原文中的链接为clawskills.sh或clawhub.ai域名下的页面可直接在分类文件中查看原文一句话描述约定不超过 10 个词用于快速判断技能用途。数量与版本快照文件头部标注47 skillsREADME 目录表与内嵌区块同样标注 47不过截至当前仓库快照分类文件中实际列出44 条条目。这类计数差异在持续更新的精选清单中属正常现象具体以 ClawHub 注册表的实时状态为准。这份清单是怎么筛出来的README 明确说明README.md该清单从 OpenClaw 官方注册表 ClawHub 的数千个社区技能中过滤而来共剔除 7,215 个不符合要求的条目包括过滤维度剔除数量疑似垃圾批量注册账号、机器人账号、测试/垃圾内容4,065重名 / 相似名1,040低质量或非英文描述851Crypto / 区块链 / 金融 / 交易类886安全审计标记为恶意的条目373未取自 OpenClaw 官方技能注册表的合计7,215也就是说本分类下的条目均来自官方注册表且通过了上述粗筛但 README 同时强调这些技能是curated经筛选而非 audited经审计维护者可能在收录后被原作者更新、修改或替换README.md。此外CONTRIBUTING.md 规定收录门槛包括技能须已发布在 ClawHub、测试通过、安全状态未被标记为可疑、具备 SKILL.md 文档、描述不超过 10 词、且需有真实的社区使用量。安装与启用三种官方途径无论选择本分类中的哪个技能安装方式都是统一的。README 给出了三种途径README.md。方式一OpenClaw CLIopenclaw skills install skill-slugskill-slug即分类文件中的技能名例如openclaw skills install faster-whisper。方式二ClawHub CLI适合在完整 OpenClaw 工作区之外、由注册表托管技能目录的场景npx clawhub install skill-slug方式三手动安装将技能文件夹复制到以下任一位置位置路径全局~/.openclaw/skills/工作区project/skills/技能查找优先级为Workspace Local Bundled工作区优先于本地本地优先于内置。备选粘贴仓库链接也可以直接把技能的仓库链接粘贴到助手的对话中让 OpenClaw 在后台自动完成安装与配置无需手动执行命令。语音转文字STT与转写类技能这一类覆盖了把音频/视频/语音消息变成文本的全部能力是本分类中数量最大的子集。按部署形态可进一步分为本地离线方案与云端 API 方案。技能 slug一句话描述原文形态推断addis-assistant-sttProvides Speech-to-Text (STT) and text.从描述看为 STT 通用能力assemblyai-transcribeTranscribe audio/video with AssemblyAI.云端 APIAssemblyAIauto-whisper-safeRAM-safe voice transcription with auto-chunking — works on 16GB machines without crashes.本地 Whisper 方案自动分块以控制内存适配 16GB 内存机器faster-whisperLocal speech-to-text using faster-whisper.明确标注 Local本地转写deepgram— command-line interface for Deepgram speech-to-text.云端 APIDeepgram的 CLI 封装elevenlabs-transcribeTranscribe audio to text using ElevenLabs.云端 APIElevenLabskesha-voice-kitOffline speech-to-text in 25 languages, TTS in 9, speaker diarization.离线 STT25 种语言 说话人分离同时含 TTS9 种语言eachlabs-voice-audioTTS, STT, voice conversion using ElevenLabs, Whisper, RVC.聚合型TTS/STT/变声底层混用 ElevenLabs、Whisper、RVCfeishu-minutesFetch info, stats, transcript, and media from Feishu.飞书妙记类拉取会议信息、统计、转写稿与媒体gettr-transcribe-summarizeDownload audio from a GETTR post.下载 GETTR 帖子音频用于转写/摘要youtube-transcript-speaker-diarizationSpeaker-labeled YouTube transcripts via the diarize.io API.通过 diarize.io API 获取带说话人标注的 YouTube 转写documents-aiReal-time OCR and data extraction API by Veryfi.偏文档 OCR/数据抽取与语音转写同属非文本内容转文本方向选型要点如果关注隐私与离线可用性优先看faster-whisper、auto-whisper-safe、kesha-voice-kit这类本地方案——它们不依赖网络与第三方 API Key其中auto-whisper-safe描述中明确强调通过自动分块auto-chunking避免大音频文件导致内存溢出适合 16GB 内存的常规机器。如果追求转写质量与多语言支持assemblyai-transcribe、deepgram、elevenlabs-transcribe等云端 API 通常提供更丰富的后处理能力如说话人分离、时间戳、摘要代价是需要申请对应平台的 API Key 并产生调用费用。若需要会议场景的完整闭环转写 信息统计 媒体文件feishu-minutes是面向飞书的专用选择。文字转语音TTS与语音合成类技能这一类覆盖把文本变成声音的全部能力包括通用 TTS、多音色合成、语音克隆与音频内容生产。技能 slug一句话描述原文底层引擎/平台chichi-speechA RESTful service for high-quality text-to-speech using Qwen3.Qwen3 驱动的 RESTful TTS 服务doubao-api-open-ttsText-to-Speech service using Doubao (Volcano Engine).火山引擎豆包 TTSsiliconflow-tts-genText-to-Speech using SiliconFlow API (CosyVoice2).SiliconFlow API CosyVoice2elevenlabs-ttsElevenLabs TTS - the best ElevenLabs integration for OpenClaw.ElevenLabs描述为作者自述非本仓库结论elevenlabs-voicesHigh-quality voice synthesis with 18 personas, 32.ElevenLabs 多音色合成原条目描述在 32 处被截断elevenlabs-agentsCreate, manage, and deploy ElevenLabs.ElevenLabs 代理/平台全生命周期管理inworld-ttsText-to-speech via Inworld.ai API.Inworld.ai APIkokoro-ttsGenerate spoken audio from text using the local Kokoro TTS engine.本地 Kokoro TTS 引擎deepdub-ttsGenerate speech audio using Deepdub and attach it as a MEDIA.Deepdub 合成并可作为 MEDIA 附件输出audio-replyGenerate audio replies using TTS.TTS 生成语音回复audio-genGenerate audiobooks, podcasts, or educational audio content.有声书/播客/教育音频内容生产ressembleText-to-Speech and Speech-to-Text integration using Resemble AI HTTP API.Resemble AI HTTP APITTS STT 双能力miranda-sagElevenLabs text-to-speech with mac-style say UX.ElevenLabs TTS macOSsay风格交互clonevClone any voice and generate speech using Coqui XTTS v2.Coqui XTTS v2 语音克隆选型要点本地优先kokoro-tts使用本地 Kokoro 引擎无需云端 API适合离线环境与隐私敏感场景clonev依赖 Coqui XTTS v2实现克隆任意声音再合成语音通常需要在本地运行推理。云端 APIchichi-speechQwen3、doubao-api-open-tts豆包、siliconflow-tts-genCosyVoice2、elevenlabs-tts、inworld-tts均为典型云端方案各自对应不同的供应商账户体系与计费模式。内容生产导向audio-gen面向有声书/播客/教学音频的长文本批量合成audio-reply面向对话场景的短音频回复deepdub-tts强调把生成结果作为 MEDIA 附件输出适合与消息类工作流衔接。让 Agent 拥有声音语音人设、交互与家庭播报这一组技能的价值不只是转写/合成而是赋予 OpenClaw 语音身份与听觉能力甚至把声音接入物理世界。技能 slug一句话描述原文能力定位jarvis-voiceMetallic AI voice persona with TTS and visual transcript styling.金属质感 AI 语音人设 TTS 可视化转写样式her-voiceGive your agent a voice.为 Agent 赋予声音TTS 人设类cult-of-carcinizationGive your agent a voice — and ears.同时赋予 Agent 发声与听觉TTS 语音输入alexa-cliControl Amazon Alexa devices and smart home via thealexacliCLI.通过alexacliCLI 控制 Alexa 设备与智能家居announcerAnnounce text throughout the house via AirPlay speakers using Airfoil .通过 Airfoil 将文本播报到全屋 AirPlay 音箱从描述可以推断jarvis-voice、her-voice、cult-of-carcinization属于人格化语音路线让 Agent 以特定嗓音开口说话其中cult-of-carcinization还包含接收语音输入的能力alexa-cli与announcer则是语音出口的物理延伸——前者把控制权接到 Amazon Alexa 生态后者利用 AirPlay 音箱实现全屋播报适合智能家居语音提醒场景。文本加工与内容生产类周边技能分类中还混入少量与语音/转写只有间接关系的文本处理技能它们同样以一句话描述收录技能 slug一句话描述原文用途brw-de-ai-ifyRemove AI-generated jargon and restore human voice to text.去除 AI 腔、让文字回归自然语气转写稿润色可用hebrew-nikudHebrew nikud (vowel points) reference for AI agents.希伯来语元音点nikud参考供 Agent 处理希伯来语文本critical-article-writerGenerate draft articles, outlines.生成文章草稿与大纲agent-voiceCommand-line blogging platform for AI agents.面向 AI Agent 的命令行博客平台voice取发声渠道之意其中brw-de-ai-ify与转写工作流有直接协同价值转写稿或 AI 生成的摘要往往带有机械腔可用它做二次润色让最终文本更接近真人写作。分类中的非语音条目记账、财务与杂项需要特别说明的是该分类文件中还保留着若干与语音/转写主题关联较弱的条目它们在归档时被归入此文件选型时可以直接跳过技能 slug一句话描述原文实际领域akauntingInteract with Akaunting open-source accounting software via REST API.开源记账软件 Akaunting 对接easyverein-apiWork with the easyVerein v2.0 REST API.德国协会管理平台 easyVerein APIfreshbooks-cliFreshBooks CLI for managing invoices, clients, and billing.FreshBooks 发票/账单 CLInorman-categorize-transactionsReview and categorize uncategorized bank transactions, match them with invoices, and verify bookkeeping entries.银行流水分类与记账核对norman-monthly-reconciliationPerform a complete monthly financial reconciliation...月度财务对账lnbitsManage LNbits Lightning Wallet (Balance, Pay, Invoice).闪电网络钱包管理lnbits-with-qrcodeManage LNbits Lightning Wallet (Balance, Pay, Invoice).闪电网络钱包管理含二维码dellight-cro-revenue-opsDELLIGHT.AI is an AI startup in DIFC, Dubai.某 AI 初创公司的营收运营eternal-haven-lore-packEternal Haven Chronicles lore mythic persona pack.世界观设定/神话人设包从 CONTRIBUTING.md 可以看到当前贡献规范明确暂不收 crypto、区块链、DeFi 或金融类技能但这些历史条目仍保留在清单中属于分类归档遗留。使用前请自行评估其必要性与安全性且它们与本分类的语音/转写主题无关。选型建议与安全须知本地 vs 云端决策综合本分类的条目描述可从三条标准快速决策隐私与离线音频不出本机 → 选本地方案如faster-whisperSTT、kokoro-ttsTTS、kesha-voice-kit离线 STT TTS 说话人分离、auto-whisper-safe内存受限机器质量与功能需要多语言、说话人分离、摘要、时间戳等高级能力 → 选云端 API如assemblyai-transcribe、deepgram、elevenlabs-transcribe、youtube-transcript-speaker-diarization场景闭环会议转写 →feishu-minutes语音回复 →audio-reply有声内容 →audio-gen全屋播报 →announceralexa-cli。安全须知本清单中的技能经过筛选但未经审计curated, not audited安装前应阅读技能自带的 SKILL.md 文档核对脚本行为README 建议在安装或使用前自行验证来源OpenClaw 与 VirusTotal 有合作可在 ClawHub 技能页查看 VirusTotal 报告确认是否被标记为风险README.md技能可能被原作者在任何时间更新、修改或替换长期使用需关注版本变动对于分类中的非语音杂项条目尤其金融/钱包类建议直接跳过或严格审查。进一步探索完整分类清单含全部 44 条技能及其原始 ClawHub 链接categories/speech-and-transcription.md分类入口与内嵌预览10 条代表性技能README.md安装方式原文README.md筛选与去重统计README.md安全须知README.md贡献与收录规范条目格式、门槛、安全政策CONTRIBUTING.md需要说明的是本仓库是一个精选链接清单性质的仓库README 原文a curated list of links不含技能本体代码所有技能的实际实现、配置与测试均托管在 ClawHub 上、由各自作者维护分类文件中的原始链接是进一步查看 SKILL.md 与源码的唯一入口。赞分享文档AI 技能【免费下载链接】awesome-openclaw-skillsThe awesome collection of OpenClaw skills. 5,400 skills filtered and categorized from the official OpenClaw Skills Registry.项目地址https://gitcode.com/gh_mirrors/aw/awesome-openclaw-skills点击查看免费下载相关推荐cenkalti/backoff v5 重试库解析构建面向上下文取消与泛型的指数退避 APIcenkalti/backoff v5 重试库解析构建面向上下文取消与泛型的指数退避 API 导读 本文以构建工具链 BuildKit 中内嵌vendore文档AI 技能Awesome OpenClaw Skills 安全与密码技能全景54 个精选技能的分类导读与安全实践Awesome OpenClaw Skills 安全与密码技能全景54 个精选技能的分类导读与安全实践 本文以当前仓库的 categories/securit文档AI 技能OpenClaw 图像与视频生成技能清单全解析171 个社区技能的安装、分类与选型指南OpenClaw 图像与视频生成技能清单全解析171 个社区技能的安装、分类与选型指南 本文以 awesome openclaw skills https:/文档AI 技能上一篇Gutenberg 编辑小工具Widgets数据仓库 core/edit-widgets 完全指南Selectors 与 Actions 深度解析下一篇Conda Post-Commands 插件钩子在 conda install、create 等命令执行后运行自定义代码的完整指南创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
返回列表