使用本地的Kokoro TTS引擎将文本生成语音。当用户要求“朗读”某内容、请求语音消息或希望将文本转换为语音时使用。

通过 Addis Assistant API（api.addisassistant.com）提供语音转文字（STT）和文本翻译功能。适用于将音频文件转换为文本（特别是阿姆哈拉语），或在不同语言间翻译文本（例如阿姆哈拉语转英语）。需要使用 'x-api-key'。

使用 Deepdub 生成语音音频，并作为 MEDIA 文件附加（兼容 Telegram）

使用 AssemblyAI 转录音频/视频（本地上传或网址），并导出字幕及段落/句子格式

通过命令行从 Airfoil 控制 AirPlay 音箱，使用简单的 CLI 命令连接、断开、设置音量并管理多房间音频

使用Venice AI基于Whisper的语音识别技术将音频转录为文本，支持WAV、MP3、FLAC、M4A、AAC格式，并可选带时间戳

使用 OpenAI Whisper 或 ElevenLabs Scribe API 将音频转录为带时间戳的歌词，输出格式为 LRC、SRT 或 JSON，包含词级时间戳。适用于用户需要转录歌曲、生成 LRC 文件或从音频中提取带时间戳的歌词的场景。

使用 OpenClaw 中的 MagicPodcast 从 PDF、文本、笔记和链接生成 AI 播客片段，创建自然的双人对话音频，支持自定义语言，并在 MagicPodcast 控制面板中返回包含进度跟踪的播客链接。适用于 PDF 转播客、文本转播客以及快速内容转音频工作流。

音频输入、分析、转换与生成（语音识别、语音合成、静音检测、特征提取）