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）
Twilio API 的 OpenClaw 技能：短信、WhatsApp、语音、对话、验证，以及 Studio、Lookup、Proxy、Sync、TaskRouter 和 Segment/Engage
使用 Soniox 实时语音识别技术为 OpenClaw 提供后台语音日记功能。需要配置 SONIOX_API_KEY，请前往 https://soniox.com/speech-to-text 获取或创建您的 Soniox API 密钥。当用户请求启动或停止被动语音记录（例如“开始语音日记”“开始语音日志”“结束语音日记”）或要求总结/转录最近 N 分钟的对话内容时使用此功能。
根据图片和用户自己的音频录制生成唇形同步视频 ✅ 适用场景： - 用户提供自己的音频文件（语音录制） - 需要将图像与特定音频/语音同步 - 用户自行录制了配音内容 - 需要精确保留原音频的时间点 ❌ 不适用场景： - 用户提供的是文本脚本（非音频）→ 请使用 veed-ugc - 需要AI生成语音→ 请使用 veed-ugc - 尚未准备好音频文件→ 请使用 veed-ugc 配合脚本 输入：图片 + 音频文件（用户录制） 输出：与所提供音频唇形同步的MP4视频 关键区别：veed-ugc = 脚本 → AI语音 → 视频 ugc-manual = 用户音频 → 视频（不生成语音）
Seedance 2.0 通过 EvoLink API 实现 AI 视频生成，支持文本转视频、图像转视频，并自动添加音频（语音、音效、背景音乐），兼容 OpenClaw、Claude Code 和 Cursor，基于字节跳动 Seedance 模型驱动
构建、维护和扩展 EarLLM One Android 项目——这是一个使用 Kotlin/Compose 开发的应用，通过语音管道将蓝牙耳塞连接到大语言模型。在处理 earbudllm 相关工作时使用此项技能
当用户要求“校对”、“审阅并修改”、“修正语法”、“在保留我原有风格的前提下提升可读性”，或对文档文件进行校对并保存更新版本时使用
创建SEO优化的营销内容，保持一致的品牌调性。包含品牌调性分析仪、SEO优化器、内容框架和社交媒体模板，适用于撰写博客文章、创意内容等