在 Ubuntu/Linux 和 macOS（Intel/Apple Silicon）上安装并运行适用于 OpenClaw 的本地 NVIDIA Parakeet ASR，配备与 OpenAI 兼容的语音转文本 API。适用于用户需要私有本地语音转文本、语音转录设置、ASR 故障排除，或使用 Parakeet 配置 OpenClaw 语音栈（可选 Whisper 作为备用）的场景。

市场上最便宜的AI媒体API。可转录YouTube视频，使用Flux和Z-Image模型生成图像，支持8种语言50多种语音的文本转语音，通过OCR提取文本，制作视频，去除背景，图像超分辨率，应用风格迁移——全部通过统一API实现。注册即送5美元额度，足以支持数百小时的转录或数千张生成图像，成本仅为其他方案的零头。

一款动画像素风桌面宠物，作为始终置顶的 Electron 叠加层在屏幕上自由游走。宠物会避开鼠标光标和活动窗口，沿屏幕边缘行走，攀爬墙壁与天花板，并通过本地 HTTP API 响应代理状态变化。适用于希望拥有桌面伙伴、屏幕伴侣、桌面吉祥物、虚拟宠物或代理活动视觉指示器的用户。支持空闲、行走、工作、思考、睡眠和说话（面向用户显示说话气泡）等状态。仅支持 macOS。

适用于 ElevenLabs API 的 OpenClaw 技能：文本转语音、语音转语音、实时语音转文本、语音/模型以及对话工作流

向 dr.eamer.dev LLM API 发送请求，支持跨12个模型提供商的聊天补全、视觉分析、图像生成、文本转语音和视频生成。适用于需要调用外部LLM端点或比较不同提供商响应的场景。

使用 Qwen3-TTS VoiceDesign 进行文本转语音，通过自然语言描述结合种子音色固定来设计自定义语音。内置兼容 OpenAI 的 API 服务器、一键部署工具和批量种子探索功能，适用于语音生成、语音设计或为 OpenClaw 添加 TTS 功能。

OpenClaw 最完整的语音与电话呼叫功能，通过 Twilio 和 OpenAI 实时语音处理来电与外呼，支持日历管理、CRM 集成、多语言电话助手及通话记录。包含设置向导、实时仪表盘和脑力介入的升级机制。现亦作为 Claude Desktop 插件（MCP）发布，可直接在 Claude Desktop 中拨打电话、查看 CRM 和查询日历。

使用 Microsoft edge-tts 和 afplay 播放的 Jarvis TTS 文本转语音，适用于用户请求语音输出、音频回复或文本转语音，提供自然流畅的中文语音合成

像素风桌面龙虾，可同步 OpenClaw TTS 语音进行唇动。适用场景：(1) 用户需要为 AI 代理设置视觉化身；(2) 用户希望桌面覆盖层在代理说话时动画；(3) 用户要求设置或配置像素龙虾。引导用户安装、配置并启动内置的 Electron 应用程序。