带完整证据链的取证媒体筛查。用于接收需要证据级别处理、完整性验证和审计追踪的图像、视频、音频、PDF或文档。

完整的Venice AI API工具包，涵盖图像生成、视频、音频、嵌入、转录、角色、模型和管理功能。注重隐私的推理，零数据留存

使用Freepik的AI API生成图像、视频、图标、音频等内容。支持Mystic、Flux、Kling、Hailuo、Seedream、RunWay、Magnific超分辨率、素材库及50多种模型。适用于用户需生成或编辑图像、创建视频、生成图标、制作音频或搜索素材库的场景。

通过标准MCP服务器提供全套ElevenLabs音频工具（包括TTS、音效、音乐等）。此技能启动服务器，使工具对代理可用。

生成并发送带有唇形同步VRM头像的视频消息。当用户请求视频消息、头像视频、视频回复，或需要以视频而非音频形式播放TTS时使用。

通过 Strudel 实时编码进行音频分解与合成，将任意音频分解为多轨组件，提取样本，使用词汇库进行创作，并离线渲染为 WAV 或 MP3 格式

使用 Microsoft edge-tts 和 afplay 播放的 Jarvis TTS 文本转语音，适用于用户请求语音输出、音频回复或文本转语音，提供自然流畅的中文语音合成

通过可穿戴设备为OpenClaw代理捕捉并转录环境音频

OpenClaw的实时语音助手，将麦克风音频通过可配置的语音识别（Deepgram或ElevenLabs）流入您的OpenClaw代理，再通过可配置的语音合成（Deepgram Aura或ElevenLabs）播放响应，全程支持全流式传输，首音频延迟低于2秒。