使用EachLabs AI模型实现文本转语音、语音转文本、语音转换和音频处理。支持ElevenLabs TTS、带话者分离的Whisper语音转文字以及RVC语音转换。适用于用户需要文本转语音、语音转文字或语音转换的场景。

ElevenLabs TTS — OpenClaw 最佳的 ElevenLabs 集成方案，支持情绪化音频标签的 ElevenLabs 文本转语音、WhatsApp 语音合成与多语言支持，通过 ElevenLabs API 生成逼真的AI语音

@deepgram/cli — Deepgram 语音转文字的命令行接口

使用 Resemble AI HTTP API 实现文本转语音和语音转文本集成

为您的代理赋予语音功能。当用户希望代理能够说话、朗读或提供语音回应时使用。

使用 Coqui XTTS v2 克隆任何声音并生成语音。操作极其简单：提供一段 6 至 30 秒的 WAV 音频样本和文字，即可获得克隆声音的音频。支持 14 种以上语言。适用于以下场景：(1) 克隆自己的声音或他人的声音；(2) 生成特定人物的语音；(3) 制作个性化语音消息；(4) 多语言语音克隆——用克隆的声音用任何语言说话。

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。

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'。