Agent Skills Hub

gemini-audio

整合 Google Gemini API 音訊處理功能：進行錄音轉文字、音訊摘要、聲音分析，並提供語音合成 (TTS) 功能以產生自然語音。

openai-whisper-api

在 OpenClaw 中使用 OpenAI Whisper API 將音訊檔案直接轉換為文字。

higress-auto-router

透過 CLI 管理 Higress AI Gateway 的自動模型路由。根據請求內容設定觸發規則，實現智慧模型選擇。

transcription

基於 OpenAI Whisper 的專業音訊/影片轉錄工具。提供模型選擇、時間軸同步、說話者分離 (diarization) 及批次處理功能，優化影音工作流程。

ocr

使用 Tesseract OCR 引擎從圖片中提取文字，支援多種語言、影像預處理以及多種輸出格式。

meeting-insights-analyzer

分析會議逐字稿以揭示溝通模式、行為洞察及領導力回饋。識別衝突迴避、贅詞使用、發言比例及主動傾聽，協助您提升專業表達與影響力。

sag

為 OpenClaw 提供的 ElevenLabs 文字轉語音引擎，具備 macOS 風格的指令列介面與語音合成控制功能。

voice-extractor

提取並記錄真實的寫作語氣。為 AI 訓練、代筆寫作及品牌一致性建立詳盡的語氣指南。

instagram-reels

下載 Instagram Reels、提取元數據並使用 Groq Whisper 生成音訊逐字稿。支援透過 yt-dlp 處理 TikTok 與 YouTube Shorts。

youtube-digest

自動提取 YouTube 字幕並進行 AI 摘要與中文翻譯，同時提供三種難度的互動式理解測驗，幫助深入掌握影片內容。

hf-mcp

透過 MCP 將您的 AI 代理連接至 Hugging Face Hub。搜尋模型、資料集與論文，管理儲存庫，執行雲端運算任務，並將 Gradio Spaces 作為 AI 工具呼叫使用。

podcast-generation

利用 Azure OpenAI GPT Realtime Mini 模型與 WebSocket 串流技術，產生 AI 播客風格的音訊敘事，包含 PCM 轉 WAV 及前端播放整合。