OpenClaw Skill 每日推荐 - 媒体与流媒体

OpenClaw Skill 每日推荐 — 媒体与流媒体

第 17/30 期 | 2026-09-02 | 分类：Media & Streaming

今天我们来探索 OpenClaw 生态中最「有声有色」的分类——媒体与流媒体。这个分类包含 84 个 Skills，覆盖了音视频处理、语音合成、流媒体控制、社交媒体管理等方方面面。无论你是想用 AI 生成配音、控制家里的 HomePod，还是深度分析 YouTube 视频，这里都有合适的工具。

今日分类概述

媒体与流媒体分类的 84 个 Skills 可以归纳为以下几个方向：

方向 代表 Skills 数量
音频处理与 TTS elevenlabs-cli, voice-edge-tts, audio-transcribe, mlx-audio-server ~20
视频处理 ffmpeg-master, cine-cog, flyworks-avatar-video ~10
流媒体设备控制 apple-media, chromecast, blucli, wiim ~12
YouTube/视频分析 youtube-pro, letterboxd-tracker, wherecaniwatch ~8
社交媒体管理 instagram-api, metricool, mixpost, content-recycler ~15
音乐生成与控制 clawtunes, play-music, music-cog, eurobot ~10
其他（广播、播客等） molt-radio, podcast-chaptering-highlights ~9

精选 Skill 详解

1. 🎬 ffmpeg-master — FFmpeg 专业音视频处理

GitHub: openclaw/skills - ffmpeg-master

核心功能：为 AI Agent 提供专业的 FFmpeg/FFprobe 命令行生成能力，覆盖转码、剪辑、滤镜、流处理、元数据操作等全链路音视频处理。

实用场景举例：

1
2
3
4
5
6
7
8
9
10
11
# 将视频转码为 H.265 节省存储（压缩率比 H.264 高约 50%）
ffmpeg -i input.mp4 -c:v libx265 -crf 28 -c:a copy output.mp4

# 从视频中截取片段（10秒开始，持续30秒）
ffmpeg -ss 00:00:10 -i input.mp4 -to 00:00:40 -c:v libx264 -crf 23 -c:a aac output.mp4

# 添加水印到右下角
ffmpeg -i input.mp4 -i watermark.png -filter_complex "overlay=main_w-overlay_w-10:main_h-overlay_h-10" output.mp4

# 2倍速播放（视频+音频）
ffmpeg -i input.mp4 -filter_complex "[0:v]setpts=0.5*PTS[v];[0:a]atempo=2.0[a]" -map "[v]" -map "[a]" output.mp4

技术实现机制：

  • 以 role: specialist + scope: implementation + output-format: shell-command 的方式工作
  • Agent 根据自然语言描述生成精确的 FFmpeg 命令，而非调用 API
  • 支持硬件加速（NVIDIA NVENC、Intel QSV、Apple VideoToolbox）
  • 内置复杂 filtergraph 指南（拼贴、转场、画中画等）

推荐指数：⭐⭐⭐⭐⭐

评价：FFmpeg 是音视频领域的瑞士军刀，这个 Skill 让 AI 直接具备了专业音视频处理能力。无需额外 API、无需云端依赖，命令即服务。

2. 🎙️ elevenlabs-cli — ElevenLabs AI 音频全功能 CLI

GitHub: openclaw/skills - elevenlabs-cli

核心功能：ElevenLabs AI 音频平台的非官方 CLI 客户端，覆盖 100% SDK 功能——文字转语音、语音转文字、声音克隆、音效生成、音频降噪、变声、多语言配音、对话生成、AI Agent 管理等。

实用场景举例：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
# 文字转语音——用 Brian 的声音朗读
elevenlabs tts "Hello, world!" --voice Brian --model eleven_v3 --play

# 从音频文件克隆声音
elevenlabs voice clone --name "My Voice" --samples sample1.mp3,sample2.mp3

# 语音转文字（带说话人识别）
elevenlabs stt meeting.mp3 --diarize --num-speakers 3

# 生成音效
elevenlabs sfx "door creaking slowly in a haunted house" --duration 5

# 多角色对话生成
elevenlabs dialogue --inputs "Hello there!:Brian,Hi! How are you?:Rachel,I'm great thanks!:Brian"

# 视频翻译配音
elevenlabs dub create --file video.mp4 --source-lang en --target-lang es

技术实现机制：

  • Rust 实现的 CLI 工具，支持 Homebrew/Scoop/Snap/Cargo/Docker 多平台安装
  • 需要 ELEVENLABS_API_KEY 环境变量
  • 支持 29 种语言的 eleven_multilingual_v2 模型、低延迟的 eleven_flash_v2_5、高表现力的 eleven_v3
  • 输出格式：MP3 128/192kbps、WAV、PCM、Opus
  • 内置交互式 REPL 模式 (elevenlabs interactive)

推荐指数：⭐⭐⭐⭐⭐

评价：功能覆盖最全面的 ElevenLabs CLI 工具。从 TTS 到声音克隆到视频配音，一条命令搞定。API key 管理规范，安全声明清晰，适合生产环境使用。

3. 🎛️ apple-media — Apple 设备流媒体控制

GitHub: openclaw/skills - apple-media

核心功能：通过 pyatv 库的 atvremote CLI 控制 Apple TV、HomePod 和 AirPlay 设备——扫描、播放、音量、导航、文字输入、App 启动、多房间音频分组等。

实用场景举例：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# 扫描局域网内的 Apple 设备
atvremote scan

# 控制厨房 HomePod 播放/暂停
atvremote -n "Kitchen" play_pause

# 流式播放本地音频到 HomePod
atvremote -n "Kitchen" stream_file=/path/to/audio.mp3

# 控制 Apple TV 导航
atvremote -n "Apple TV" up
atvremote -n "Apple TV" select
atvremote -n "Apple TV" text_set="search query"

# 多房间音频分组
atvremote -n "Apple TV" add_output_devices=<device_id>

# 实时监听播放状态变化
atvremote -n "Kitchen" push_updates

技术实现机制：

  • 基于 Python pyatv 库，通过 pipx install pyatv --python python3.13 安装
  • 支持 AirPlay 和 Companion 协议
  • 首次使用需配对（atvremote pair），凭据存储在 ~/.pyatv.conf
  • 支持通过设备名 (-n)、IP (-s)、标识符 (-i) 三种方式定位设备
  • 可控制电源、shuffle/repeat 模式、精确 seek 位置

推荐指数：⭐⭐⭐⭐

评价：苹果全家桶用户的刚需。把 HomePod 和 Apple TV 变成可编程的流媒体终端。唯一注意点是 Python 3.14+ 有兼容问题，需指定 3.13。

4. 📺 youtube-pro — YouTube 深度分析

GitHub: openclaw/skills - youtube-pro

核心功能：YouTube 视频的深度分析工具，支持字幕提取、内容摘要、元数据提取，以及结合 Gemini 进行视频智能分析。

实用场景举例：

1
2
3
4
5
6
7
8
9
# 快速摘要视频内容
summarize "https://www.youtube.com/watch?v=XXXXX"

# 仅提取字幕（不摘要）
summarize "https://www.youtube.com/watch?v=XXXXX" --youtube auto --extract-only

# 配合 yt-dlp + ffmpeg 提取关键帧做视觉分析
yt-dlp -f "bestvideo[height<=720]" --download-sections "*00:01:00-00:02:00" -o segment.mp4 "URL"
ffmpeg -i segment.mp4 -vf "fps=1" frame_%03d.png

技术实现机制：

  • 内置 summarize 工具获取 YouTube 字幕和摘要
  • 可配合 yt-dlp 下载特定片段
  • 配合 ffmpeg 提取关键帧做视觉分析
  • 设计上与 Gemini 等 LLM 联动，做「核心信息提取 + 实用建议生成」
  • 工作流清晰：字幕提取 → LLM 分析 → 可选音视频帧提取

推荐指数：⭐⭐⭐⭐

评价：信息消费效率提升器。适合研究型用户——快速判断一个长视频是否值得完整观看。与 FFmpeg 和 yt-dlp 的组合拳很实用。

5. 🔊 voice-edge-tts — 微软 Edge TTS 免费语音合成

GitHub: openclaw/skills - voice-edge-tts

核心功能：基于微软 Edge TTS 引擎的文字转语音工具，支持流式播放（边生成边播放）、多语言语音、自定义语速/音量/音调，完全免费无需 API Key。

实用场景举例：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
# 安装依赖
pip install edge-tts
# macOS 还需要 ffmpeg
brew install ffmpeg

# 流式播放（推荐——边生成边播放，体验最佳）
# 基础用法
skill.execute({
  action: 'stream',
  text: '你好，我是小九'
});

# 自定义语音和参数
skill.execute({
  action: 'stream',
  text: 'Hello, how are you?',
  options: {
    voice: 'en-US-Standard-A',
    rate: '+10%',
    volume: '+0%',
    pitch: '+0Hz'
  }
});

# 生成语音文件
skill.execute({
  action: 'tts',
  text: 'Hello, how are you today?',
  options: { voice: 'zh-CN-XiaoxiaoNeural' }
});

可用语音：

语言 语音 ID 性别
中文 zh-CN-XiaoxiaoNeural 女
中文 zh-CN-YunxiNeural 男
中文 zh-CN-YunyangNeural 男
英文(美) en-US-Standard-A 女
英文(美) en-US-Standard-D 男
英文(英) en-GB-Standard-A 女
日文 ja-JP-NanamiNeural 女
韩文 ko-KR-SunHiNeural 女

技术实现机制：

  • Python edge-tts 库调用微软 Edge 浏览器的 TTS 服务
  • 流式播放依赖 ffmpeg 实现实时音频解码
  • 安全设计：语音参数白名单验证、使用 spawn() 替代 exec() 防命令注入、固定脚本路径防路径遍历
  • 支持语速 (-50%+100%)、音量 (-50%+50%)、音调调整

推荐指数：⭐⭐⭐⭐

评价：零成本 TTS 方案的天花板。微软 Edge TTS 的语音质量在免费方案中属于第一梯队，流式播放体验接近商业产品。安全设计也到位，适合集成到生产环境。

应用场景总结

场景 推荐组合 说明
🎵 智能家居音乐控制 apple-media + clawtunes 用 AI 控制全屋 HomePod 播放音乐
🎬 视频创作者工作流 ffmpeg-master + elevenlabs-cli 视频剪辑 + AI 配音一条龙
📰 内容研究与分析 youtube-pro + web_fetch YouTube 视频深度分析和信息提取
🗣️ 多语言语音应用 voice-edge-tts + elevenlabs-cli 免费 TTS 用于日常 + 高质量 TTS 用于正式场景
📻 播客制作 ffmpeg-master + elevenlabs-cli + podcast-chaptering-highlights 录制、降噪、生成章节标记
🏠 多房间音频 apple-media + blucli + wiim 统一控制 Apple/BluOS/WiiM 设备

推荐指数排名

排名 Skill 星级 核心价值
1 ffmpeg-master ⭐⭐⭐⭐⭐ 音视频处理的万能工具，零依赖成本
2 elevenlabs-cli ⭐⭐⭐⭐⭐ AI 音频全覆盖，从 TTS 到声音克隆
3 apple-media ⭐⭐⭐⭐ 苹果生态控制，家庭自动化必备
4 youtube-pro ⭐⭐⭐⭐ 视频内容分析，信息消费提效
5 voice-edge-tts ⭐⭐⭐⭐ 免费高质量 TTS，安全设计到位

实用建议

  1. TTS 选择策略：日常使用选 voice-edge-tts（免费），正式场景选 elevenlabs-cli（高质量+声音克隆）。两者可以共存，按场景切换。

  2. 音视频处理组合拳：ffmpeg-master 是基础能力，配合 yt-dlp（下载）和 elevenlabs-cli（配音）可以构建完整的视频后期工作流。

  3. 苹果生态用户：apple-media + clawtunes（Apple Music 控制）是黄金组合。配对一次后，AI 就能全程语音控制你的家庭音响系统。

  4. 社交媒体管理：分类中还有 instagram-api、metricool、mixpost 等 Skills，适合需要跨平台发布内容的创作者。content-recycler 可以将一条内容改写为多平台适配版本。

  5. 安全提醒：使用 elevenlabs-cli 等需要 API Key 的 Skill 时，确保 Key 存储在环境变量中，不要硬编码到脚本里。voice-edge-tts 的安全设计（白名单+spawn）值得其他 Skill 开发者学习。

📌 明日预告：第 18 期将介绍 Moltbook 分类，敬请期待！

💡 想体验这些 Skills？运行 openclaw skill install <skill-name> 即可安装。

相关文章推荐

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置： 

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

程序员，关于技术我所知甚少，唯有探索，方得真知。