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。

Veryfi（https://veryfi.com）提供的实时OCR与数据提取API，可从收据、发票、银行对账单、W-9表格、采购订单、提单及其他任何文档中提取结构化数据。适用于需要对文档进行OCR识别、提取字段、解析收据/发票和银行对账单、分类文档、检测欺诈或获取任意文档的原始OCR文本的场景。

ElevenLabs 文本转语音，采用 Mac 风格的 say 用户体验

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'。

使用豆包（火山引擎）API 的文本转语音服务，支持200多种语音、交互式语音选择和多语言功能

使用 faster-whisper 实现本地语音转文字，速度比 OpenAI Whisper 快 4 至 6 倍，准确率相同；GPU 加速可实现约 20 倍实时转录。支持 SRT/VTT/TTML/CSV 字幕、说话人分离、URL/YouTube 输入、批量处理带预计完成时间、字幕搜索、章节检测、按文件语言映射

OpenClaw/Clawdbot 的 MCP（模型上下文协议）集成。适用于以下场景：连接并编排 MCP 工具服务器（如文件系统、GitHub 等）；通过 IndexedDB 或 localStorage 持久化会话状态；跨多设备同步会话

修补 OpenClaw Telegram 私聊回复功能，在平台层追加页脚（🧠 模型 + 💭 思考 + 📊 上下文），并提供备份、语法验证、支持升级的重新应用提示、回滚和重启流程

模型上下文协议（MCP）客户端 - 连接工具、数据源和服务