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。

MiniMax多模态模型技能——使用MiniMax多模态模型生成语音、音乐、视频和图像。利用MiniMax AI创建语音（文本转语音、语音克隆、语音设计、多段合成）、音乐（歌曲、纯音乐）、视频（文本转视频、图像转视频、起止帧、主体参考、模板、长篇多场景）、图像（文本转图像、带角色参考的图像转图像）以及媒体处理（转换、拼接、剪裁、提取）。当用户提及MiniMax、多模态生成，或希望生成语音/音乐/视频/图像AI内容、使用MiniMax API或结合MiniMax输出的FFmpeg工作流时启用此技能。

通过ElevenLabs API实现高质量语音合成，支持18种角色、32种语言、音效、批量处理和语音设计