安装并使用 speechall 命令行工具进行语音转文本转录。适用于用户需要:(1)将音频或视频文件转录为文本,(2)在 macOS 或 Linux 上安装 speechall,(3)列出可用的语音识别模型及其功能,(4)通过终端使用说话人分离、字幕或其他转录功能。当提及 speechall、音频转录命令行工具或命令行语音转文本时触发。
安装并使用 speechall 命令行工具进行语音转文本转录。适用于用户需要:(1)将音频或视频文件转录为文本,(2)在 macOS 或 Linux 上安装 speechall,(3)列出可用的语音识别模型及其功能,(4)通过终端使用说话人分离、字幕或其他转录功能。当提及 speechall、音频转录命令行工具或命令行语音转文本时触发。
OpenClaw 的智能 Telegram 回复流程:若用户发送文本,则回复文本;若用户发送语音或音频,则利用本地安装的 mlx_audio(Apple Silicon 默认使用 Qwen3-ASR)进行本地转录,随后以相同语言生成有意义的回复。通过 Telegram 发送包含字幕的语音消息,确保用户收到一条同时包含语音和文字的消息(字幕文本须与语音内容完全一致)。除非用户明确要求其他语言,否则始终遵循输入语言(中文→中文,英文→英文)
接收长视频,进行语音转文字,识别出最适合抖音和Reels的精彩片段,使用ffmpeg剪辑,并添加抖音风格的动态字幕
通过可穿戴设备为OpenClaw代理捕捉并转录环境音频
使用 Google Gemini 多模态 AI 分析视频。从任意网址(如 Loom、YouTube、TikTok、Vimeo、Twitter/X、Instagram 及 1000 多个网站)下载视频,获取字幕、描述和问题答案。当需要观看、分析、总结或转录视频,或回答有关视频内容的问题时使用。当收到视频链接或涉及视频理解的请求时自动触发。
自动化YouTube视频编辑流程:下载 -> 转录(Whisper)-> 分析(GPT-4)-> 高质量封面图(韩文与角色一致性)
OpenClaw代理的完整Signal Messenger集成,通过signal-cli发送和接收文本与语音消息,支持基于角色的权限控制(所有者/可信/不可信)、自动语音转文字(Whisper)、语音回复(TTS)、会话历史、新联系人分类、输入状态指示、已读回执,以及通过OpenClaw钩子API实现的消息唤醒功能。适用于配置Signal通信、管理Signal联系人、收发Signal消息或设置联系人权限的场景。
YouTube长视频(超过1小时)完整逐字转录与翻译流程。适用于用户需要:(1)从YouTube视频中提取字幕,(2)将英文转录文本翻译为中文,(3)处理超出会话限制的长视频,(4)处理DownSub API响应并生成格式化文档
通过粘贴链接分析任何视频,支持抖音、YouTube、Instagram、Twitter/X 及上千个其他网站。音频在本地转录,并可回答关于内容的任何问题