ElevenLabs 第三代语音合成引擎，支持情感标签与多语言，生成逼真 AI 语音并直接发送 WhatsApp 语音消息

基本信息

• 技能名称?Elevenlabs Tts
• 中文名称?情感语音合成 · 一键发送 WhatsApp
• 作者?shaharsha
• 分类?专业技能
• 版本?2.4.0
• 标签?elevenlabs, tts, voice-synthesis, whatsapp, multilingual, ai-voice, text-to-speech, emotional-audio, audio-tags, opus

使用方法

使用说明
核心用法
ElevenLabs TTS 是基于 ElevenLabs v3 模型的文本转语音技能，专为 OpenClaw 生态深度优化。用户通过 [emotional tag] 语法控制语音情感、语调与节奏，支持 70+ 语言及多口音合成。
关键功能 ：
情感音频标签 ：用 [excited] 、 [whispers] 、 [nervous] 等 30+ 标签精确控制情绪表达
WhatsApp 原生集成 ：自动转码为 Opus 格式，直接发送语音消息
多语言支持 ：希伯来语、西班牙语等语言保持情感标签控制
长文本处理 ：支持 10,000 字符上限，推荐分段
配置要求 ：需 ElevenLabs API Key（sk_xxx）及系统 ffmpeg。在 openclaw.json 中配置 messages.tts 节点，选择 eleven_v3 模型（唯一支持音频标签的版本）。
显著优点

1. 情感细腻度行业领先 ：v3 的非确定性生成机制让同一文本多次生成略有差异，配合 0.5 稳定性设置可获得极具表现力的朗读效果
2. 工作流闭环 ：从生成到 WhatsApp 发送一站式完成，支持 MP3→Opus 自动转码，解决跨平台兼容问题
3. 多角色对话 ：单条文本内通过标签切换实现多人对话，支持 [interrupting] 、 [overlapping] 等戏剧化标签
   潜在局限
   非确定性输出 ：相同参数可能产生不同结果，需多次生成择优
   标签滥用风险 ：过度使用标签会导致机械感，官方建议每句 1-2 个标签
   SSML 不支持 ：无法使用传统 SSML break 标签，需依赖 [pause] 等专有标签
   成本敏感 ：ElevenLabs API 按字符计费，长文本/多语言场景成本较高
   PVC 语音兼容性差 ：Instant Voice Clone（IVC）优于 Professional Voice Clone（PVC）
   适合人群
   内容创作者 ：播客、有声书、短视频配音
   开发者/自动化工程师 ：需要 WhatsApp 语音消息自动化的场景
   多语言用户 ：希伯来语、阿拉伯语等小语种情感 TTS 需求
   游戏/叙事设计师 ：需要角色对话与情绪控制的沉浸式音频
   常规风险
   API 密钥泄露 ： ELEVENLABS_API_KEY 需妥善保管，避免硬编码提交
   版权与肖像权 ：克隆他人声音可能涉及法律风险，ElevenLabs 要求声纹样本授权
   音频滥用 ：高仿真语音可能被用于诈骗，需遵守平台使用政策
   质量衰减 ：超长文本（>800字符）会导致语音一致性下降
   临时文件残留 ：TTS 生成文件存于 /tmp/openclaw/tts-*/ ，需手动清理或配置自动删除

基于 Rust 的高性能浏览器自动化引擎，通过 CDP 直接驱动 Chrome，比 Puppeteer 快 10 倍，专为 AI Agent 设计的高效 DOM 提取与交互方案。

基本信息

• 技能名称?fast-browser-use
• 中文名称?极速 Rust 浏览器自动化引擎
• 作者?rknoche6
• 分类?专业技能
• 版本?v1.0.5
• 标签?automation, content-media, data-analytics, development-engineering, testing, backend

使用方法

使用说明
核心用法
Fast Browser Use 是一款基于 Rust 构建的浏览器自动化工具，通过 Chrome DevTools Protocol (CDP) 直接控制 Chrome 浏览器，无需依赖臃肿的 Node.js 或 Java 运行时。用户可通过 CLI 或 MCP 服务器接口执行各类浏览器操作，包括页面导航、元素交互、DOM 提取、截图、会话管理等。典型工作流涵盖：使用 navigate 访问目标页面，借助 click / / input / / scroll 完成交互，通过 snapshot 或 extract 获取结构化数据，利用 screenshot 捕获视觉证据，以及通过 cookies 和 local_storage 工具实现登录状态的持久化复用。
显著优点
极致性能 ：启动时间低于 50ms，内存占用仅 15MB，DOM 提取采用零拷贝技术，较 Puppeteer 和 Selenium 实现数量级提升。 AI 原生设计 ：输出格式针对大模型优化，支持 YAML/Markdown 格式的 DOM 快照，内置 vision_map 功能为交互元素生成带编号边界框的截图覆盖层，便于 AI 精准定位操作目标。 会话管理能力 ：独创的 "Login & Cookie Heist" 模式允许人工完成复杂认证后保存会话，后续自动化任务无缝复用，破解了 headless 浏览器的登录难题。 无限滚动采集 ： harvest 命令专为现代单页应用设计，可自动触发滚动并提取动态加载内容。 轻量部署 ：单一二进制文件，通过 Homebrew 或 Cargo 一键安装，无额外运行时依赖。
潜在缺点与局限性
平台限制 ：目前仅支持 macOS 和 Linux，Windows 用户无法直接使用。 Chrome 强依赖 ：必须预装 Chrome/Chromium 并正确配置 CHROME_PATH ，环境准备存在门槛。 功能边界 ：作为新兴项目，生态成熟度不及 Puppeteer，社区插件和第三方集成有限。 反检测能力 ：虽提供 human-emulation 选项，但面对 Cloudflare 等高级 bot 检测仍可能受限，且该功能的使用可能触及部分网站的服务条款。 调试复杂度 ：Rust 生态的调试工具链对非系统编程背景用户存在学习曲线。
适合的目标群体
AI Agent 开发者 ：需要为 LLM 提供可靠浏览器控制能力的 MCP 服务器用户。 数据工程师 ：从事网页抓取、价格监控、舆情分析等需要高频、低延迟 DOM 提取的场景。 自动化测试团队 ：寻求替代 Selenium/Puppeteer 的高性能端到端测试方案。 研究人员 ：需要批量采集社交媒体、新闻站点动态内容的学术或商业分析人员。 DevOps/运维工程师 ：构建网站可用性监控、SEO 审计等自动化巡检流水线。
使用风险
安全风险 ： evaluate 工具支持任意 JavaScript 执行，若 prompt 被注入恶意代码可能导致信息泄露；截图和 DOM 提取功能可能意外捕获敏感页面内容；Cookie 和 LocalStorage 管理涉及用户认证凭证，会话文件需妥善保管。 合规风险 ："Human Emulation" 和无限滚动采集功能可能违反目标网站的 robots.txt 或服务条款，商业使用前需法律评估。 运维风险 ：Chrome 版本升级可能引发 CDP 协议兼容性问题；高并发场景下 Chrome 进程管理不当可能导致资源泄漏。 依赖风险 ：项目相对年轻，长期维护承诺未经验证；Rust 依赖库更新可能引入破坏性变更。

基于 PowerShell 的 Windows 桌面自动化工具，通过标准 Windows API 实现鼠标键盘控制，适合需要模拟用户操作的自动化场景，但需在受控环境下使用。

基本信息

• 技能名称?windows-ui-automation
• 中文名称?Windows 桌面自动化控制专家
• 作者?Wwb-Daniel
• 分类?专业技能
• 版本?v1.0.0
• 标签?automation, windows, powershell, testing, productivity, development-engineering

使用方法

使用说明
核心用法
Windows UI Automation 技能通过 PowerShell 脚本提供三大核心能力： 鼠标控制 （移动、点击、拖拽）、 键盘模拟 （文本输入、特殊按键）和 窗口管理 （聚焦、最小化/最大化、截图）。用户通过调用封装好的 .ps1.txt 脚本文件，传入参数即可执行相应操作。例如使用 mouse_control.ps1.txt 配合 -Action move -X 500 -Y 500 移动光标，或使用 keyboard_control.ps1.txt 配合 -Text "Hello World" 模拟键盘输入。
显著优点

1. 原生系统集成 ：直接调用 user32.dll 和 System.Windows.Forms 等 Windows 标准 API，无需额外安装第三方依赖，兼容性好且执行效率高。
2. 功能覆盖全面 ：涵盖鼠标移动/点击/拖拽、键盘文本输入/特殊按键、窗口激活/状态管理等完整 UI 自动化需求，满足大多数桌面自动化场景。
3. 代码透明可审计 ：开源存储于 GitHub，使用 P/Invoke 和 .NET 标准类库实现，无混淆或隐藏逻辑，安全审查友好。
4. 参数类型安全 ：使用 [ValidateSet]] 限制动作类型，， [int]] 强类型约束坐标参数，降低误用风险。
   潜在缺点与局限性
5. 平台锁定 ：仅支持 Windows 系统，无法跨平台使用，macOS/Linux 用户需寻找替代方案。
6. 坐标硬编码依赖 ：基于绝对屏幕坐标（0,0 为主显示器左上角），多显示器环境或分辨率变化时需重新校准，维护成本高。
7. 缺乏智能元素定位 ：不支持基于 UI 元素属性（如控件 ID、类名）的精准定位，仅支持坐标和窗口标题匹配，脆弱性较高。
8. 无内置重试与等待机制 ：未提供等待元素出现、超时重试等现代 RPA 工具的标准功能，复杂流程需自行实现循环和延迟逻辑。
   适合的目标群体
   IT 运维人员 ：批量执行重复性桌面配置、软件安装向导点击
   QA 测试工程师 ：传统桌面应用的 UI 自动化回归测试
   个人效率用户 ：定时自动化处理固定流程的桌面操作
   开发者/脚本爱好者 ：快速原型验证或临时自动化需求
   使用风险
9. 意外操作风险 ：鼠标点击和键盘输入直接作用于活动窗口，若窗口状态或焦点变化，可能触发非预期操作（如关闭重要对话框、发送错误指令）。
10. 安全确认绕过 ：可模拟用户点击"确认""是"等安全提示，若被恶意利用，可能在用户不知情下执行危险操作。
11. 无操作日志 ：当前实现无内置审计日志，出现问题难以追溯具体执行了哪些操作。
12. 输入验证缺失 ：键盘输入未限制长度和特殊字符，极端情况下可能引发目标应用异常。
13. 性能与稳定性 ：高频调用 Windows API 可能导致系统响应延迟，建议添加适当延时避免 CPU 占用过高。

TokPortal 官方 MCP 服务器，提供 30 个工具实现 TikTok/Instagram 账号批量创建、视频分发与数据分析，适合规模化社媒运营团队。

基本信息

• 技能名称?tokportal
• 中文名称?规模化社媒矩阵自动化引擎
• 作者?naybu256
• 分类?专业技能
• 版本?v1.0.0
• 标签?content-media, marketing, automation, api, operations, social-media

使用方法

使用说明
核心用法
TokPortal 是一个基于 MCP（Model Context Protocol）协议的社交媒体自动化技能，通过 30 个专用工具将 TikTok 和 Instagram 的批量操作能力集成到 AI Agent 中。用户需先获取 API Key 并安装 tokportal-mcp npm 包，即可通过自然语言指令完成账号创建、视频配置、发布调度和数据追踪等全流程操作。
该技能采用 Bundle（捆绑包） 作为核心组织单元，支持三种模式：纯账号、账号+视频、纯视频。通过 create_bundle 或 create_bulk_bundles 可快速搭建多账号矩阵，再利用 configure_account 和 configure_video 完成个性化设置，最终调用 publish_bundle 上线运营。分析模块提供账号级和视频级的数据洞察，支持手动刷新获取最新指标。
显著优点

1. 规模化效率 ： create_bulk_bundles 支持一次性创建数十个账号，配合批量视频配置，大幅降低矩阵运营成本。
2. 完整生命周期管理 ：从账号创建、资料设置、视频上传、定时发布到数据分析，覆盖社媒运营全链条。
3. 灵活的信用计费 ：按操作付费（账号 5-8 积分、视频 2 积分），成本透明可控，无固定订阅负担。
4. MCP 原生架构 ：与 Cursor、Claude Desktop 等主流 AI 编辑器无缝集成，自然语言即可驱动复杂工作流。
5. 多地区支持 ：内置国家选择接口，便于全球化账号布局。
   潜在缺点与局限性
   平台政策风险 ：TikTok/Instagram 对自动化操作有严格限制，批量账号行为可能触发风控，导致限流或封禁。
   第三方托管依赖 ：账号凭证由 TokPortal 平台托管，非用户本地持有，存在服务中断或数据迁移风险。
   信用消耗门槛 ：深度功能（如 Instagram 深度养号 40 积分、评论管理 25 积分）成本较高，大规模运营需充足预算。
   API 速率限制 ：120 请求/分钟的限制在批量操作时可能成为瓶颈。
   分析刷新配额 ：手动刷新分析数据每月限 500 次，高频监控场景下可能不足。
   适合的目标群体
   MCN 机构与网红经纪公司 ：管理达人矩阵，批量分发内容。
   跨境电商卖家 ：多地区 TikTok 账号布局，测试不同市场内容策略。
   社媒运营团队 ：需要自动化工具提升内容发布效率的专业团队。
   增长黑客与流量操盘手 ：快速验证账号模型，规模化复制成功模式。
   使用风险
   供应链风险 ：依赖 tokportal-mcp npm 包和 TokPortal API 的稳定性，任一环节故障将导致服务中断。
   合规风险 ：需自行确保内容符合平台社区准则，自动化操作可能违反 TikTok/Instagram 服务条款。
   成本失控风险 ：批量操作下信用消耗迅速，建议设置预算预警。
   数据隐私 ：上传的媒体文件和账号数据存储于第三方平台，敏感内容需谨慎处理。

基于 Cross-Service-Solutions API 的专业 PDF 合并工具，通过安全上传与轮询机制，快速整合多份文档并返回下载链接，适用于日常办公文档整合场景。

基本信息

• 技能名称?merge-pdf
• 中文名称?高效便捷的 PDF 合并助手
• 作者?CrossServiceSolutions
• 分类?专业技能
• 版本?v1.0.0
• 标签?docs, pdf, office, productivity, api, document-processing

使用方法

使用说明
该 Skill 提供了一种基于 Cross-Service-Solutions (XSS) API 的 PDF 文档合并解决方案，核心工作流程为：用户上传多份 PDF 文件与 API 密钥，Skill 将文件安全传输至 XSS 服务端进行合并处理，通过轮询机制监控任务状态，最终在完成后返回合并文档的下载链接。
显著优点方面，代码实现遵循安全最佳实践，完全避免了 eval/exec/system 等危险函数，依赖库版本严格锁定且来源于可信 PyPI 仓库。输入验证机制完善，包括文件存在性检查、PDF 格式验证、最少文件数量限制等，有效防止了无效请求。权限申请与功能高度匹配，仅申请必要的 http 和 files 权限，且 API 密钥通过环境变量或参数安全获取，绝不硬编码或回显。此外，完善的超时机制（默认 180 秒）和错误处理策略确保了服务的稳定性。
潜在局限主要体现在对外部服务的强依赖性。首先，所有 PDF 文件必须上传至第三方 Cross-Service-Solutions 服务器处理，这意味着数据离开本地环境，对于包含敏感商业机密或个人隐私的文档存在数据泄露风险。其次，用户需自行注册并获取 API 密钥，增加了使用门槛。再者，作为 T3 级社区来源项目，虽代码质量达到 A 级标准，但长期维护更新能力不如顶级开源基金会或知名企业背书的项目。
目标用户群体主要为日常办公场景中需要整合分散 PDF 文档的职场人士，特别是已拥有 Cross-Service-Solutions 账户的用户。适用于合同文件整合、报告汇总、学习资料合并等非敏感场景。不适合处理医疗记录、金融机密、法律卷宗等高度敏感文档，也不适用于完全离线的内网环境。
使用风险方面，除上述数据上传至第三方的隐私风险外，还包括网络连接稳定性要求、API 服务可用性依赖（服务商宕机将直接导致功能失效）、以及潜在的 API 调用成本。建议用户在处理前仔细阅读 XSS 的隐私政策，确保网络环境安全（HTTPS 加密已内置），并妥善保管 API 密钥。