MySQL+JDBC+JUnit：Java后端数据库操作与测试完整指南
2026/10/1 10:53:21
- 文档
- AI 技能
【免费下载链接】awesome-openclaw-skills
The awesome collection of OpenClaw skills. 5,400+ skills filtered and categorized from the official OpenClaw Skills Registry.🦞
项目地址：https://gitcode.com/gh_mirrors/aw/awesome-openclaw-skills
Speech & Transcription 是 Awesome OpenClaw Skills 精选清单中按功能域划分的一个分类，集中收录了 OpenClaw 生态中与语音转文字（STT）、文字转语音（TTS）、语音克隆、转写摘要、语音人设与家庭播报相关的社区技能。本文将带你从零读懂这份分类文件的结构与筛选标准，掌握三种官方安装方式，并逐条盘点该分类下的全部技能条目，最后给出本地与云端方案的选型建议与安全使用须知。
分类文件是什么：一张按功能域组织的技能清单
本分类的完整内容保存在 categories/speech-and-transcription.md 中，并通过 README.md 的目录表（Table of Contents）以及正文中的Speech & Transcription区块（README.md）对外暴露。README 内嵌区块只展示其中 10 条代表性技能（如addis-assistant-stt、assemblyai-transcribe、auto-whisper-safe等）作为预览，区块末尾通过 "View all 47 skills in Speech & Transcription →" 链接指向完整的分类文件。
条目格式
分类文件中的每条记录遵循统一的单行格式，与 CONTRIBUTING.md 定义的贡献格式一致：
- skill-name - 一句话功能描述。- 技能名（slug）：用于
openclaw skills install等命令的唯一标识； - 链接：指向技能在 ClawHub（OpenClaw 公共技能注册表）上的发布页，原文中的链接为
clawskills.sh或clawhub.ai域名下的页面，可直接在分类文件中查看原文； - 一句话描述：约定不超过 10 个词，用于快速判断技能用途。
数量与版本快照
文件头部标注47 skills，README 目录表与内嵌区块同样标注 47；不过截至当前仓库快照，分类文件中实际列出44 条条目。这类计数差异在持续更新的精选清单中属正常现象，具体以 ClawHub 注册表的实时状态为准。
这份清单是怎么筛出来的
README 明确说明（README.md）：该清单从 OpenClaw 官方注册表 ClawHub 的数千个社区技能中过滤而来，共剔除 7,215 个不符合要求的条目，包括：
| 过滤维度 | 剔除数量 |
|---|---|
| 疑似垃圾（批量注册账号、机器人账号、测试/垃圾内容） | 4,065 |
| 重名 / 相似名 | 1,040 |
| 低质量或非英文描述 | 851 |
| Crypto / 区块链 / 金融 / 交易类 | 886 |
| 安全审计标记为恶意的条目 | 373 |
| 未取自 OpenClaw 官方技能注册表的合计 | 7,215 |
也就是说，本分类下的条目均来自官方注册表，且通过了上述粗筛；但 README 同时强调这些技能是curated（经筛选）而非 audited（经审计），维护者可能在收录后被原作者更新、修改或替换（README.md）。此外，CONTRIBUTING.md 规定收录门槛包括：技能须已发布在 ClawHub、测试通过、安全状态未被标记为可疑、具备 SKILL.md 文档、描述不超过 10 词、且需有真实的社区使用量。
安装与启用：三种官方途径
无论选择本分类中的哪个技能，安装方式都是统一的。README 给出了三种途径（README.md）。
方式一：OpenClaw CLI
openclaw skills install <skill-slug><skill-slug>即分类文件中的技能名，例如openclaw skills install faster-whisper。
方式二：ClawHub CLI
适合在完整 OpenClaw 工作区之外、由注册表托管技能目录的场景：
npx clawhub install <skill-slug>方式三：手动安装
将技能文件夹复制到以下任一位置：
| 位置 | 路径 |
|---|---|
| 全局 | ~/.openclaw/skills/ |
| 工作区 | <project>/skills/ |
技能查找优先级为：Workspace > Local > Bundled（工作区优先于本地，本地优先于内置）。
备选：粘贴仓库链接
也可以直接把技能的仓库链接粘贴到助手的对话中，让 OpenClaw 在后台自动完成安装与配置，无需手动执行命令。
语音转文字（STT）与转写类技能
这一类覆盖了"把音频/视频/语音消息变成文本"的全部能力，是本分类中数量最大的子集。按部署形态可进一步分为本地离线方案与云端 API 方案。
| 技能 slug | 一句话描述（原文） | 形态推断 |
|---|---|---|
addis-assistant-stt | Provides Speech-to-Text (STT) and text. | 从描述看为 STT 通用能力 |
assemblyai-transcribe | Transcribe audio/video with AssemblyAI. | 云端 API（AssemblyAI） |
auto-whisper-safe | RAM-safe voice transcription with auto-chunking — works on 16GB machines without crashes. | 本地 Whisper 方案，自动分块以控制内存，适配 16GB 内存机器 |
faster-whisper | Local speech-to-text using faster-whisper. | 明确标注 Local，本地转写 |
deepgram | — command-line interface for Deepgram speech-to-text. | 云端 API（Deepgram）的 CLI 封装 |
elevenlabs-transcribe | Transcribe audio to text using ElevenLabs. | 云端 API（ElevenLabs） |
kesha-voice-kit | Offline speech-to-text in 25 languages, TTS in 9, speaker diarization. | 离线 STT（25 种语言）+ 说话人分离，同时含 TTS（9 种语言） |
eachlabs-voice-audio | TTS, STT, voice conversion using ElevenLabs, Whisper, RVC. | 聚合型：TTS/STT/变声，底层混用 ElevenLabs、Whisper、RVC |
feishu-minutes | Fetch info, stats, transcript, and media from Feishu. | 飞书妙记类：拉取会议信息、统计、转写稿与媒体 |
gettr-transcribe-summarize | Download audio from a GETTR post. | 下载 GETTR 帖子音频用于转写/摘要 |
youtube-transcript-speaker-diarization | Speaker-labeled YouTube transcripts via the diarize.io API. | 通过 diarize.io API 获取带说话人标注的 YouTube 转写 |
documents-ai | Real-time OCR and data extraction API by Veryfi. | 偏文档 OCR/数据抽取，与语音转写同属"非文本内容转文本"方向 |
选型要点：如果关注隐私与离线可用性，优先看faster-whisper、auto-whisper-safe、kesha-voice-kit这类本地方案——它们不依赖网络与第三方 API Key；其中auto-whisper-safe描述中明确强调通过自动分块（auto-chunking）避免大音频文件导致内存溢出，适合 16GB 内存的常规机器。如果追求转写质量与多语言支持，assemblyai-transcribe、deepgram、elevenlabs-transcribe等云端 API 通常提供更丰富的后处理能力（如说话人分离、时间戳、摘要），代价是需要申请对应平台的 API Key 并产生调用费用。若需要会议场景的完整闭环（转写 + 信息统计 + 媒体文件），feishu-minutes是面向飞书的专用选择。
文字转语音（TTS）与语音合成类技能
这一类覆盖"把文本变成声音"的全部能力，包括通用 TTS、多音色合成、语音克隆与音频内容生产。
| 技能 slug | 一句话描述（原文） | 底层引擎/平台 |
|---|---|---|
chichi-speech | A RESTful service for high-quality text-to-speech using Qwen3. | Qwen3 驱动的 RESTful TTS 服务 |
doubao-api-open-tts | Text-to-Speech service using Doubao (Volcano Engine). | 火山引擎豆包 TTS |
siliconflow-tts-gen | Text-to-Speech using SiliconFlow API (CosyVoice2). | SiliconFlow API + CosyVoice2 |
elevenlabs-tts | ElevenLabs TTS - the best ElevenLabs integration for OpenClaw. | ElevenLabs（描述为作者自述，非本仓库结论） |
elevenlabs-voices | High-quality voice synthesis with 18 personas, 32. | ElevenLabs 多音色合成（原条目描述在 "32" 处被截断） |
elevenlabs-agents | Create, manage, and deploy ElevenLabs. | ElevenLabs 代理/平台全生命周期管理 |
inworld-tts | Text-to-speech via Inworld.ai API. | Inworld.ai API |
kokoro-tts | Generate spoken audio from text using the local Kokoro TTS engine. | 本地 Kokoro TTS 引擎 |
deepdub-tts | Generate speech audio using Deepdub and attach it as a MEDIA. | Deepdub 合成，并可作为 MEDIA 附件输出 |
audio-reply | Generate audio replies using TTS. | TTS 生成语音回复 |
audio-gen | Generate audiobooks, podcasts, or educational audio content. | 有声书/播客/教育音频内容生产 |
ressemble | Text-to-Speech and Speech-to-Text integration using Resemble AI HTTP API. | Resemble AI HTTP API（TTS + STT 双能力） |
miranda-sag | ElevenLabs text-to-speech with mac-style say UX. | ElevenLabs TTS + macOSsay风格交互 |
clonev | Clone any voice and generate speech using Coqui XTTS v2. | Coqui XTTS v2 语音克隆 |
选型要点：
- 本地优先：
kokoro-tts使用本地 Kokoro 引擎，无需云端 API，适合离线环境与隐私敏感场景；clonev依赖 Coqui XTTS v2，实现"克隆任意声音再合成语音"，通常需要在本地运行推理。 - 云端 API：
chichi-speech（Qwen3）、doubao-api-open-tts（豆包）、siliconflow-tts-gen（CosyVoice2）、elevenlabs-tts、inworld-tts均为典型云端方案，各自对应不同的供应商账户体系与计费模式。 - 内容生产导向：
audio-gen面向有声书/播客/教学音频的长文本批量合成；audio-reply面向对话场景的短音频回复；deepdub-tts强调把生成结果作为 MEDIA 附件输出，适合与消息类工作流衔接。
让 Agent "拥有声音"：语音人设、交互与家庭播报
这一组技能的价值不只是"转写/合成"，而是赋予 OpenClaw 语音身份与听觉能力，甚至把声音接入物理世界。
| 技能 slug | 一句话描述（原文） | 能力定位 |
|---|---|---|
jarvis-voice | Metallic AI voice persona with TTS and visual transcript styling. | 金属质感 AI 语音人设 + TTS + 可视化转写样式 |
her-voice | Give your agent a voice. | 为 Agent 赋予声音（TTS 人设类） |
cult-of-carcinization | Give your agent a voice — and ears. | 同时赋予 Agent 发声与"听觉"（TTS + 语音输入） |
alexa-cli | Control Amazon Alexa devices and smart home via thealexacliCLI. | 通过alexacliCLI 控制 Alexa 设备与智能家居 |
announcer | Announce text throughout the house via AirPlay speakers using Airfoil +. | 通过 Airfoil 将文本播报到全屋 AirPlay 音箱 |
从描述可以推断：jarvis-voice、her-voice、cult-of-carcinization属于"人格化语音"路线，让 Agent 以特定嗓音开口说话，其中cult-of-carcinization还包含接收语音输入的能力；alexa-cli与announcer则是"语音出口"的物理延伸——前者把控制权接到 Amazon Alexa 生态，后者利用 AirPlay 音箱实现全屋播报，适合智能家居语音提醒场景。
文本加工与内容生产类周边技能
分类中还混入少量与"语音/转写"只有间接关系的文本处理技能，它们同样以一句话描述收录：
| 技能 slug | 一句话描述（原文） | 用途 |
|---|---|---|
brw-de-ai-ify | Remove AI-generated jargon and restore human voice to text. | 去除 AI 腔、让文字回归自然语气（转写稿润色可用） |
hebrew-nikud | Hebrew nikud (vowel points) reference for AI agents. | 希伯来语元音点（nikud）参考，供 Agent 处理希伯来语文本 |
critical-article-writer | Generate draft articles, outlines. | 生成文章草稿与大纲 |
agent-voice | Command-line blogging platform for AI agents. | 面向 AI Agent 的命令行博客平台（"voice"取"发声渠道"之意） |
其中brw-de-ai-ify与转写工作流有直接协同价值：转写稿或 AI 生成的摘要往往带有机械腔，可用它做二次润色，让最终文本更接近真人写作。
分类中的非语音条目：记账、财务与杂项
需要特别说明的是，该分类文件中还保留着若干与语音/转写主题关联较弱的条目，它们在归档时被归入此文件，选型时可以直接跳过：
| 技能 slug | 一句话描述（原文） | 实际领域 |
|---|---|---|
akaunting | Interact with Akaunting open-source accounting software via REST API. | 开源记账软件 Akaunting 对接 |
easyverein-api | Work with the easyVerein v2.0 REST API. | 德国协会管理平台 easyVerein API |
freshbooks-cli | FreshBooks CLI for managing invoices, clients, and billing. | FreshBooks 发票/账单 CLI |
norman-categorize-transactions | Review and categorize uncategorized bank transactions, match them with invoices, and verify bookkeeping entries. | 银行流水分类与记账核对 |
norman-monthly-reconciliation | Perform a complete monthly financial reconciliation... | 月度财务对账 |
lnbits | Manage LNbits Lightning Wallet (Balance, Pay, Invoice). | 闪电网络钱包管理 |
lnbits-with-qrcode | Manage LNbits Lightning Wallet (Balance, Pay, Invoice). | 闪电网络钱包管理（含二维码） |
dellight-cro-revenue-ops | DELLIGHT.AI is an AI startup in DIFC, Dubai. | 某 AI 初创公司的营收运营 |
eternal-haven-lore-pack | Eternal Haven Chronicles lore + mythic persona pack. | 世界观设定/神话人设包 |
从 CONTRIBUTING.md 可以看到，当前贡献规范明确"暂不收 crypto、区块链、DeFi 或金融类技能"，但这些历史条目仍保留在清单中，属于分类归档遗留。使用前请自行评估其必要性与安全性，且它们与本分类的语音/转写主题无关。
选型建议与安全须知
本地 vs 云端决策
综合本分类的条目描述，可从三条标准快速决策：
- 隐私与离线：音频不出本机 → 选本地方案，如
faster-whisper（STT）、kokoro-tts（TTS）、kesha-voice-kit（离线 STT + TTS + 说话人分离）、auto-whisper-safe（内存受限机器）； - 质量与功能：需要多语言、说话人分离、摘要、时间戳等高级能力 → 选云端 API，如
assemblyai-transcribe、deepgram、elevenlabs-transcribe、youtube-transcript-speaker-diarization； - 场景闭环：会议转写 →
feishu-minutes；语音回复 →audio-reply；有声内容 →audio-gen；全屋播报 →announcer+alexa-cli。
安全须知
- 本清单中的技能经过筛选但未经审计（curated, not audited），安装前应阅读技能自带的 SKILL.md 文档，核对脚本行为；
- README 建议在安装或使用前自行验证来源，OpenClaw 与 VirusTotal 有合作，可在 ClawHub 技能页查看 VirusTotal 报告确认是否被标记为风险（README.md）；
- 技能可能被原作者在任何时间更新、修改或替换，长期使用需关注版本变动；
- 对于分类中的非语音杂项条目（尤其金融/钱包类），建议直接跳过或严格审查。
进一步探索
- 完整分类清单（含全部 44 条技能及其原始 ClawHub 链接）：categories/speech-and-transcription.md
- 分类入口与内嵌预览（10 条代表性技能）：README.md
- 安装方式原文：README.md
- 筛选与去重统计：README.md
- 安全须知：README.md
- 贡献与收录规范（条目格式、门槛、安全政策）：CONTRIBUTING.md
需要说明的是，本仓库是一个"精选链接清单"性质的仓库（README 原文：a curated list of links），不含技能本体代码；所有技能的实际实现、配置与测试均托管在 ClawHub 上、由各自作者维护，分类文件中的原始链接是进一步查看 SKILL.md 与源码的唯一入口。
赞
- 文档
- AI 技能
【免费下载链接】awesome-openclaw-skills
The awesome collection of OpenClaw skills. 5,400+ skills filtered and categorized from the official OpenClaw Skills Registry.🦞
项目地址：https://gitcode.com/gh_mirrors/aw/awesome-openclaw-skills
相关推荐
cenkalti/backoff v5 重试库解析：构建面向上下文取消与泛型的指数退避 API
cenkalti/backoff v5 重试库解析：构建面向上下文取消与泛型的指数退避 API 导读 本文以构建工具链 BuildKit 中内嵌（vendore
文档AI 技能Awesome OpenClaw Skills 安全与密码技能全景：54 个精选技能的分类导读与安全实践
Awesome OpenClaw Skills 安全与密码技能全景：54 个精选技能的分类导读与安全实践 本文以当前仓库的 categories/securit
文档AI 技能OpenClaw 图像与视频生成技能清单全解析：171 个社区技能的安装、分类与选型指南
OpenClaw 图像与视频生成技能清单全解析：171 个社区技能的安装、分类与选型指南 本文以 awesome openclaw skills https:/
文档AI 技能
上一篇：Gutenberg 编辑小工具（Widgets）数据仓库 core/edit-widgets 完全指南：Selectors 与 Actions 深度解析
下一篇：Conda Post-Commands 插件钩子：在 `conda install`、`create` 等命令执行后运行自定义代码的完整指南
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考