使用 AudioPod AI 的 API 执行音频处理任务，包括 AI 音乐生成（文本转音乐、文本转说唱、纯音乐、采样、人声）、音频分轨、文本转语音、降噪、语音转文字、人声分离和媒体提取。适用于用户需要从文本生成音乐歌曲说唱、将歌曲分离为分轨人声和乐器、从文本生成语音、清理噪音音频、转录音频视频，或从 YouTube 和网址提取音频。需设置 AUDIOPOD_API_KEY 环境变量，或直接传入 api_key。

[公共网址]

使用EachLabs AI模型实现文本转语音、语音转文本、语音转换和音频处理。支持ElevenLabs TTS、带话者分离的Whisper语音转文字以及RVC语音转换。适用于用户需要文本转语音、语音转文字或语音转换的场景。

为你的代理赋予声音与听觉。Cult of Carcinization 是 ScrappyLabs 语音合成与语音识别的机器人优先入口。使用二十多种声音交谈，通过文字描述自定义专属声线，将音频转录为文本，并逐步塑造为永久的机器人身份。无需人工注册。

按需生成有声书、播客或教育类音频内容。用户提供想法或主题，Claude AI 撰写脚本，ElevenLabs 将其转换为高品质音频。支持多种格式（有声书、播客、教育类）、自定义时长和音效。适用于创建音频内容、制作播客、生成有声书或制作教育音频。通过 MEDIA 令牌返回 MP3 音频文件。

从GETTR帖子下载音频（通过HTML的og:video），使用MLX Whisper在Apple Silicon设备上本地转录（含VTT格式的时间戳），并将转录内容总结为要点或带时间戳的提纲。当提供GETTR帖子链接并需要生成转录或摘要时使用。

ElevenLabs TTS — OpenClaw 最佳的 ElevenLabs 集成方案，支持情绪化音频标签的 ElevenLabs 文本转语音、WhatsApp 语音合成与多语言支持，通过 ElevenLabs API 生成逼真的AI语音

为您的代理赋予语音功能。当用户希望代理能够说话、朗读或提供语音回应时使用。

使用 Coqui XTTS v2 克隆任何声音并生成语音。操作极其简单：提供一段 6 至 30 秒的 WAV 音频样本和文字，即可获得克隆声音的音频。支持 14 种以上语言。适用于以下场景：(1) 克隆自己的声音或他人的声音；(2) 生成特定人物的语音；(3) 制作个性化语音消息；(4) 多语言语音克隆——用克隆的声音用任何语言说话。