使用 Azure AI Voice Live SDK (azure-ai-voicelive) 构建实时语音 AI 应用。当开发需要与 Azure AI 实现双向实时音频通信的 Python 应用时，例如语音助手、语音聊天机器人、实时语音对语音翻译、语音驱动的虚拟形象，或基于 WebSocket 的 AI 音频流媒体，可使用本技能。支持服务器端语音活动检测、基于轮次的对话、函数调用、MCP 工具、虚拟形象集成和语音转文字功能。
在Apple Silicon上使用FluidAudio实现本地文本转语音TTS和语音转文本STT通过Apple神经网络引擎在设备上全本地运行，实现亚秒级语音合成与转录适用于配置本地语音功能语音助手集成或替代云端TTSSTT服务
通过VITS2实现本地越南语语音合成（离线，无需云端），支持5种内置配音角色和基于参考音频的零样本语音克隆
使用 Piper 在本地将文本转换为语音，用于语音消息推送。当用户请求语音回复、音频消息、TTS、文本转语音、语音笔记或希望听到朗读内容时启用。在本地完成文本到语音的转换（无需云API，无费用，无延迟），并通过支持音频的渠道如 Telegram、Discord 等发送语音消息。
通过 Piper TTS 实现本地离线文本转语音，自包含部署，自动语言识别，支持每次调用选择语音，可扩展至任意语言，输出结果写入 OpenClaw 工作区
使用 AudioPod AI 的 API 执行音频处理任务，包括 AI 音乐生成（文本转音乐、文本转说唱、纯音乐、采样、人声）、音频分轨、文本转语音、降噪、语音转文字、人声分离和媒体提取。适用于用户需要从文本生成音乐歌曲说唱、将歌曲分离为分轨人声和乐器、从文本生成语音、清理噪音音频、转录音频视频，或从 YouTube 和网址提取音频。需设置 AUDIOPOD_API_KEY 环境变量，或直接传入 api_key。
基于Qwen3和专属语音克隆技术的RESTful语音合成服务，专为复用特定语音提示以避免重复计算而优化
使用SiliconFlow API（CosyVoice2）实现文本转语音，支持多种语音、语言和方言