name: voice-chat description: "語音對話整合技能，支援雙向語音交流。使用TTS和STT實現完整的語音對話功能。" homepage: https://docs.openclaw.ai metadata: { "openclaw": { "emoji": "🎤", "requires": { "bins": ["python"] } } }

語音對話技能

實現完整的雙向語音對話功能，支援語音輸入和語音輸出。

功能特性

✅ 已實現功能

1. 文本轉語音（TTS）
2. 使用OpenClaw內建tts工具
3. 支援中英文混合

4. 即時音訊生成

5. 語音轉文本（STT）

6. 使用Python speech_recognition庫
7. 支援麥克風輸入

8. 多引擎支援（Google、Whisper等）

9. 對話管理

10. 自動語音檢測
11. 對話上下文保持
12. 中斷處理

🔧 技術架構

語音輸入 → STT轉換 → 文本處理 → AI響應 → TTS轉換 → 語音輸出
想要更強大的技能外掛，就來小蔥技能站7w4.net看看吧。

安裝要求

必需元件

1. Python 3.8+
2. speech_recognition庫
3. pyaudio庫（Windows需要額外安裝）

可選元件

1. Whisper - 更準確的本地STT
2. ElevenLabs API - 高質量TTS
3. OpenAI API - 雲端STT

快速開始

1. 安裝依賴

# 安裝Python庫
pip install SpeechRecognition pyaudio

# Windows pyaudio安裝（如果失敗）
pip install pipwin
pipwin install pyaudio

2. 基礎語音對話指令碼

# voice_chat.py
import speech_recognition as sr
import subprocess
import tempfile
import os

class VoiceChat:
    def __init__(self):
        self.recognizer = sr.Recognizer()
        self.microphone = sr.Microphone()

    def listen(self):
        """監聽語音輸入並轉換為文本"""
        with self.microphone as source:
            print("🎤 請說話...")
            audio = self.recognizer.listen(source)

        try:
            text = self.recognizer.recognize_google(audio, language='zh-CN')
            print(f"📝 識別結果: {text}")
            return text
        except sr.UnknownValueError:
            return "無法識別語音"
        except sr.RequestError:
            return "語音識別服務不可用"

    def speak(self, text):
        """使用OpenClaw TTS朗讀文本"""
        # 呼叫OpenClaw tts工具
        print(f"🗣️ 正在朗讀: {text}")
        # 這裡可以整合OpenClaw tts工具

    def conversation_loop(self):
        """對話迴圈"""
        print("🎧 語音對話已啟動，按Ctrl+C退出")
        while True:
            # 監聽語音
            user_input = self.listen()

            if user_input and "退出" not in user_input:
                # 生成響應（這裡可以整合AI模型）
                response = f"我聽到你說: {user_input}"

                # 語音輸出
                self.speak(response)

if __name__ == "__main__":
    chat = VoiceChat()
    chat.conversation_loop()

3. 整合OpenClaw TTS

def openclaw_tts(text, output_file="output.mp3"):
    """呼叫OpenClaw TTS工具"""
    import subprocess
    import json

    # 建立臨時檔案
    with tempfile.NamedTemporaryFile(mode='w', suffix='.json', delete=False) as f:
        tts_request = {
            "text": text,
            "channel": "webchat"
        }
        json.dump(tts_request, f)
        request_file = f.name

    try:
        # 呼叫tts工具（需要OpenClaw環境）
        result = subprocess.run([
            "node", "path/to/openclaw/tts-tool.js",
            "--input", request_file,
            "--output", output_file
        ], capture_output=True, text=True)

        if result.returncode == 0:
            print(f"✅ 語音檔案已生成: {output_file}")
            # 播放音訊
            subprocess.run(["start", output_file], shell=True)
        else:
            print(f"❌ TTS失敗: {result.stderr}")
    finally:
        os.unlink(request_file)

高階配置

使用Whisper進行本地STT

def whisper_stt(audio_file):
    """使用Whisper進行語音識別"""
    import whisper

    model = whisper.load_model("base")
    result = model.transcribe(audio_file, language="zh")
    return result["text"]

使用ElevenLabs高質量TTS

def elevenlabs_tts(text, voice_id="21m00Tcm4TlvDq8ikWAM", api_key=None):
    """使用ElevenLabs TTS"""
    import requests

    url = f"https://api.elevenlabs.io/v1/text-to-speech/{voice_id}"
    headers = {
        "xi-api-key": api_key or os.environ.get("ELEVENLABS_API_KEY"),
        "Content-Type": "application/json"
    }

    data = {
        "text": text,
        "model_id": "eleven_multilingual_v2",
        "voice_settings": {
            "stability": 0.5,
            "similarity_boost": 0.5
        }
    }

    response = requests.post(url, json=data, headers=headers)
    if response.status_code == 200:
        with open("output.mp3", "wb") as f:
            f.write(response.content)
        return "output.mp3"
    else:
        raise Exception(f"ElevenLabs TTS失敗: {response.text}")

故障排除

常見問題

1. 麥克風無法識別
2. 檢查麥克風許可權

3. 嘗試指定麥克風裝置索引

4. pyaudio安裝失敗

5. Windows: 使用pipwin install pyaudio

6. macOS: brew install portaudio

7. 語音識別準確率低

8. 調整環境噪音
9. 使用更準確的模型（Whisper large）
10. 新增語音訓練

效能最佳化

1. 快取模型：預載入Whisper模型
2. 流式處理：即時語音處理
3. 降噪處理：改善語音質量

安全注意事項

1. API金鑰保護：不要硬編碼API金鑰
2. 隱私保護：語音資料本地處理
3. 許可權管理：麥克風訪問許可權控制

擴充套件功能

計劃中的功能

1. 多語言支援：自動檢測語言
2. 語音命令：特定語音指令識別
3. 情緒識別：從語音中識別情緒
4. 即時翻譯：跨語言語音對話

技能版本: 1.0.0 最後更新: 2026-02-28

這個語音對話技能質量中等偏下。文件說明詳細，介面友好，但核心功能存在明顯缺陷：TTS語音輸出功能只是模擬顯示並不能真正播放語音，AI對話也只是簡單的關鍵詞匹配，沒有真正智慧的對話能力。主要適合學習參考，實際使用價值有限，需要進一步開發完善才能達到可用水平。