在13个社交平台上搜索、分析和转录内容，包括热门话题、视频字幕、帖子元数据以及跨平台研究流程

通过音频（字幕）和视觉（帧提取加图像分析）双通道对YouTube视频进行多模态分析。尤其适用于教程、演示和说明类视频，其中所展示的内容（截图、UI演示、图表、代码、肢体动作）与所说的内容同等重要。当用户希望分析、总结YouTube视频内容，或从视频中生成分步指南时，或当用户分享YouTube链接并希望了解视频内容时，即可使用此功能。触发条件包括“分析这个YouTube视频”“根据这段视频创建分步指南”“这个视频展示了什么”“总结这个教程”或任何带有分析意图分享的YouTube链接。

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

使用专业事实核查服务验证声明和信息。当用户需要核实事实、检查文章视频或文本中的声明、验证新闻真实性、与可信事实核查机构交叉核对信息，或调查可能虚假或误导性内容时，请使用此功能。触发条件包括用户提出“核实事实”“验证这一点”“这是否真实”“检查是否准确”等请求，或用户分享希望与虚假信息比对的内容。

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）

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。

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。

从YouTube视频中提取字幕，并利用智能分析框架生成全面详细的摘要

使用异步工作流管道、流式语音识别、大语言模型代理和语音合成技术构建实时对话式AI语音引擎，支持中断处理和多提供商接入