據 AlphaMoat 統計,截至 2026-10,speech-recognition 累計下載 8,171 次、獲 4 個星標,按累計下載量在本次參與排名的 10,914 個 AI 技能中排名第 3,395 位,在「設計創意」分類(1,116 個)中排名第 443 位。
列表預設按累計下載量排序,也可按星標排序;詳情頁排名按累計下載量計算。
| 平台 | 累計下載 | 星標 | 評論 |
|---|---|---|---|
| ClawHub ↗ | 6124 | 3 | - |
| SkillHub ↗ | 8171 | 4 | — |
各平台的計數口徑不同,統計時間不一致。
當使用者傳送語音訊息(.ogg/.mp3/.wav/.m4a)、要求轉錄音訊或需要提取音訊文字時觸發。預設模型 FunAudioLLM/SenseVoiceSmall,主文稱其中文效果好、英文也支援;API 端點為 POST https://api.siliconflow.cn/v1/audio/transcriptions,API Key 配置在 ~/.openclaw/openclaw.json 的 providers.siliconflow,或經 SILICONFLOW_API_KEY 環境變數注入。非 MP3 音訊(含 WAV、M4A、FLAC 與 Telegram/Signal 語音常見的 OGG)用 FFmpeg 轉換,引數 -ar 16000 -ac 1(16kHz 取樣率、單聲道)。錯誤處理覆蓋 401 Unauthorized(API Key 無效)、413 Payload Too Large(檔案太大,需壓縮或分割)、網路超時與格式不支援。限制與隱私:檔案建議 < 10MB、時長建議 < 5 分鐘,音訊會上傳到矽基流動伺服器處理。該技能以 MIT 許可釋出。
資料釋出於 2026-10-27
以下是根據技能文件生成的示例,不代表實際執行結果。
2026-09 起統計方法調整:同名技能按作者分別統計,並覆蓋全部技能。圖中虛線為調整前的月份,與之後的資料不直接比較,也不計算跨越調整的增長。 該技能有同名的其他版本,調整前的資料歸屬當前下載量最大的這一個。
| 月份 | 累計下載 | 環比 | 星標 |
|---|---|---|---|
| 2026-10 | 8171 | — | 4 |
| 2026-09 | 6350 | — | 4 |
| 2026-08 | 5990 | +3.3% | 4 |
| 2026-07 | 5800 | +4.9% | 4 |
| 2026-06 | 5530 | +3.9% | 3 |
| 2026-05 | 5322 | — | 3 |
| 2026-03 | 3340 | — | 2 |
以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 2026-10-23。
--- name: speech-recognition description: "通用语音识别 Skill。支持多种音频格式(ogg/mp3/wav/m4a),使用硅基流动 SenseVoice API 进行语音转文字。当用户发送语音消息、音频文件,或需要转录音频时触发。" version: "1.0.0" --- # 通用语音识别 使用硅基流动 SenseVoice API 进行语音识别,支持多种音频格式。
---
## 激活条件
| 触发场景 | 说明 |
|----------|------|
| 用户发送语音消息 | `.ogg` / `.mp3` / `.wav` / `.m4a` 文件 |
| 用户要求转录音频 | "转录这个音频"、"语音转文字" |
| 音频文件处理 | 需要提取音频中的文字内容 |
---
## 配置
### API Key
在 `~/.openclaw/openclaw.json` 中配置:
```json
{
"providers": {
"siliconflow": {
"apiKey": "sk-xxx"
}
}
}
```
### API 端点
```
POST https://api.siliconflow.cn/v1/audio/transcriptions
```
### 支持的模型
| 模型 | 说明 |
|------|------|
| `FunAudioLLM/SenseVoiceSmall` | 默认,中文效果好 |
---
## 使用方法
### 方法一:直接调用 API
```python
import requests
api_key = "sk-xxx"
with open("/path/to/audio.mp3", "rb") as f:
audio_data = f.read()
response = requests.post(
"https://api.siliconflow.cn/v1/audio/transcriptions",
headers={"Authorization": f"Bearer {api_key}"},
files={"file": ("audio.mp3", audio_data, "audio/mpeg")},
data={"model": "FunAudioLLM/SenseVoiceSmall"},
timeout=60
)
print(response.json().get("text", ""))
```
### 方法二:处理用户语音消息
当用户发送 `.ogg` 语音消息时:
```bash
# 1. 转换格式(如果是 ogg)
ffmpeg -i /path/to/audio.ogg -ar 16000 -ac 1 /tmp/audio.mp3 -y
# 2. 调用硅基流动 API(API Key 从环境变量读取)
python3 -c "
import requests
import os
api_key = os.environ.get('SILICONFLOW_API_KEY')
if not api_key:
raise ValueError('请设置 SILICONFLOW_API_KEY 环境变量')
with open('/tmp/audio.mp3', 'rb') as f:
audio_data = f.read()
response = requests.post(
'https://api.siliconflow.cn/v1/audio/transcriptions',
headers={'Authorization': f'Bearer {api_key}'},
files={'file': ('audio.mp3', audio_data, 'audio/mpeg')},
data={'model': 'FunAudioLLM/SenseVoiceSmall'},
timeout=60
)
print(response.json().get('text', ''))
"
```
---
## 支持的音频格式
| 格式 | 扩展名 | 说明 |
|------|--------|------|
| MP3 | `.mp3` | 推荐,兼容性好 |
| OGG | `.ogg` | Telegram/Signal 语音格式,需转换 |
| WAV | `.wav` | 无压缩,文件大 |
| M4A | `.m4a` | iOS 录音格式 |
| FLAC | `.flac` | 无损压缩 |
---
## 格式转换
如果音频不是 MP3 格式,用 FFmpeg 转换:
```bash
# OGG → MP3
ffmpeg -i input.ogg -ar 16000 -ac 1 output.mp3 -y
# WAV → MP3
ffmpeg -i input.wav -ar 16000 -ac 1 output.mp3 -y
# M4A → MP3
ffmpeg -i input.m4a -ar 16000 -ac 1 output.mp3 -y
```
参数说明:
- `-ar 16000`: 采样率 16kHz(语音识别推荐)
- `-ac 1`: 单声道(减少文件大小)
- `-y`: 覆盖已存在的文件
---
## 错误处理
| 错误 | 原因 | 解决 |
|------|------|------|
| `401 Unauthorized` | API Key 无效 | 检查配置 |
| `413 Payload Too Large` | 文件太大 | 压缩或分割音频 |
| `timeout` | 网络超时 | 重试或检查网络 |
| `Invalid audio format` | 格式不支持 | 用 FFmpeg 转换 |
---
## 注意事项
1. **文件大小限制**:建议 < 10MB
2. **时长限制**:建议 < 5 分钟
3. **语言支持**:中文效果最好,英文也支持
4. **隐私**:音频会上传到硅基流动服务器
---
## 相关 Skills
| Skill | 说明 |
|-------|------|
| `douyin-video` | 抖音视频语音提取 |
| `cosyvoice-tts` | 文字转语音 |
---
*版本:1.0.0*
*创建于:2026-02-26*
透過同一個AI創作工具完成AI圖片、影片、音樂與語音創作,查詢公開社交資料,編輯視覺成果,並集中檢視和管理生成資產。Beatra 全能創作支援AI圖片生成(文生圖)、AI影片生成(圖生影片)和AI影片編輯,透過AI音樂生成把想法做成歌曲或純音樂,也可用AI語音生成(文字轉語音)、多語言旁白和AI語音克隆完成跨媒介內容;還能查詢抖音資料、小紅書資料,以及 YouTube、TikTok、Instagram 與 X 上的公開帖子、筆記、評論、賬號和趨勢,把社交媒體資料用於競品調研和創作。它是一款面向AI內容創作與多模態內容創作的AI創作套件,用起來就是一個把圖片、影片、音樂與語音收在同一處的AI創作助手,適用於社交內容、產品展示、行銷素材、課程、播客、短片和跨媒介專案;還能在不同媒介間複用原始素材、已有成果和查到的公開資料,檢視製作進度、返回檔案、實際用量和積分記錄。
用一張人像和一段短指令碼或語音,製作有明確講述內容的數位人口播影片。可使用現成錄音,也可以先選擇音色,把指令碼生成旁白,讓畫面中的人物隨聲音完成穩定、自然的口播。適合 AI 主播、虛擬主播影片、數位人講解、讓照片說話、照片說話影片、產品講解影片、數位人培訓影片、公告和社交口播,並在交付後檢查人物一致性、聲音清晰度、口型同步和動作穩定性。一節課的講解也能做成課程口播。
ContextWeave 架構圖一鍵生成
將一段活動描述、一張產品照片或品牌參考圖,轉化為抓人眼球的活動海報、宣傳 banner 或社交媒體配圖。這款 AI海報設計與製作工具生成圖片豐富的海報,在海報排版上搭配清晰視覺層級、按品類匹配的風格和預留文字區域,覆蓋活動、音樂節、電影、產品釋出和促銷場景。你可以把它當作 AI宣傳單製作工具來製作促銷宣傳單,當作活動海報設計工具,當作電影海報生成器,當作音樂節海報設計工具,當作產品釋出會海報的 banner設計 AI,或當作平面設計海報工作室。從活動主題出發,用品牌風格參考圖變換產品或場景照片,或在已認可草稿上做定向精修,完成可印刷或可分享的成品。
抖音短影片雙路徑生產體系(單 Skill 版)。Path A[付費·高質量]:策略大腦→(可選:素材混剪/AI高光提取)→指令碼最佳化→AI生圖/素材準備→配音渲染(百鍊/GPT-SoVITS/CosyVoice/VoxCPM2+剪映/Remotion/ffmpeg/數位人)。Path B[免費·動畫風]:採集熱點→指令碼→edge-tts免費配音+HyperFrames開源渲染→MP4,零雲費開箱快。觸發詞分層:①"抖音短影片/選題規劃/合規閘門/營運策略" ②"口播指令碼/AI生圖/AI配音/影片渲染/Remotion渲染" ③"蹭熱點/快速出片/免費做影片" ④"混剪/高光提取/素材粗剪/autoclip
GPT Image 2.5生圖是一款 AI 工具,用 GPT-Image-2.5 和 ChatGPT Images 2.5 出一張圖。GPT Image 2.5 Studio 支援 gpt-image-2.5-flare 與 gpt-image-2.5-sunburst,可文生圖或參考圖生圖,做中文海報、商品圖、資訊圖和社媒畫面。
用 MiniMax H3 這款 AI影片生成器創作高質感 2K AI 影片。從文字創意出發完成文生影片,讓靜態圖片自然動起來,用首尾畫面做首尾幀影片的完整轉場,也可以結合圖片、影片和音訊參考,以多模態影片生成塑造統一場景。適合 AI 廣告影片、電商產品影片、品牌宣傳影片、動態海報、遊戲 UI、電影片頭和社交短影片創作,形成電影感畫面與同步的原生立體聲。使用 Beatra 賬號即可開始,創作進度與成片集中管理。
輸入品牌名稱、行業方向或參考圖,生成專業 AI Logo、品牌標識和應用圖示。這款 AI logo 設計工具從你的品牌簡報出發——公司名、行業氣質、配色偏好——先探索多個商標設計方向,再用精確品牌色、簡潔幾何和可縮放構圖精修最強概念。製作企業 logo、創業公司標誌、字母標、徽章、組合標識和 VI設計中的主標,從網站 favicon 到門頭招牌都清晰可辨。從文字描述出發,將已有草圖和品牌素材轉化為精緻標識,或在已認可草稿上做定向精修。
資料月份:2026-10 · 下載/星標數聚合自公開技能註冊庫(ClawHub、SkillHub),按月更新。口徑說明見資料方法。