skill_id: voice-chat-bridge version: 1.1.0 author: laoxu description: 雙向語音對話系統 - 語音識別轉文字 + Edge TTS語音合成 + Cloudflare Tunnel公網訪問 categories: [voice, speech, communication] requires: [ffmpeg] optional: [cloudflared, ngrok]

Voice Chat Bridge Skill

讓你的 OpenClaw 助手具備完整的雙向語音對話能力。

功能特性

• 🎤 語音識別: 接收語音訊息，自動轉文字
• 🗣️ 語音合成: 用文字生成自然的中文語音（Edge TTS）
• 🔊 本地播放: 無需域名，直接在電腦上播放語音
• 🌐 公網訪問: 通過 Cloudflare Tunnel 讓語音檔案全球可訪問
• 💻 Web介面: 內建簡單的語音播放器介面
• 📱 多平臺: 支援 Telegram、Discord、Slack、Webhook 等多種整合方式
• 🔗 靈活輸出: 連結、本地檔案路徑、或直接播放

安裝要求

必需

1. ffmpeg - 音訊格式轉換 bash brew install ffmpeg

2. Python 依賴 bash pip3 install edge-tts

可選（根據部署方式選擇）

方案A：本地模式（最簡單） - 無需額外工具，直接在本機播放語音

方案B：公網訪問 - Cloudflare Tunnel（推薦，免費穩定） bash brew install cloudflared - Ngrok（臨時使用，隨機域名） bash brew install ngrok - LocalTunnel（npm安裝） bash npm install -g localtunnel

方案C：Web介面模式 - 僅需要瀏覽器訪問 http://localhost:8765

1. 語音識別工具（二選一）
2. macOS 推薦: hear - 本地識別，無需聯網 bash curl -LO https://github.com/sveinbjornt/hear/releases/download/0.7/hear-0.7.zip unzip hear-0.7.zip && cp hear-0.7/hear ~/.local/bin/
3. 雲端方案: 阿里雲 DashScope（國內穩定）

部署方案對比

快速開始

方案1：本地模式（最簡單，無需域名）

適合：只想在電腦上聽語音回覆

# 1. 初始化
bash skills/voice-chat-bridge/scripts/init.sh

# 2. 配置為本地模式
cat > ~/.openclaw/workspace/voice_config.json << 'EOF'
{
  "mode": "local",
  "tts_engine": "edge-tts",
  "voice": "zh-CN-XiaoxiaoNeural",
  "auto_play": true
}
EOF

# 3. 生成語音並自動播放
python3 skills/voice-chat-bridge/scripts/generate_voice.py "你好，這是本地模式測試"

AGENTS.md 配置:

## Voice Chat Bridge (本地模式)

當用戶傳送語音訊息時：
1. 使用 `transcribe.py` 轉文字
2. 生成回覆後，使用 `generate_voice.py` 生成語音
3. **自動播放**: 呼叫 `afplay` (macOS) 或 `mpg123` (Linux) 播放語音
4. 回覆文字內容: "[已播放語音] 回覆內容..."

方案2：Web介面模式（區域網可用）

適合：同一WiFi下手機/平板也能訪問

# 1. 配置為Web模式
cat > ~/.openclaw/workspace/voice_config.json << 'EOF'
{
  "mode": "web",
  "local_port": 8765,
  "tts_engine": "edge-tts",
  "voice": "zh-CN-XiaoxiaoNeural"
}
EOF

# 2. 啟動Web伺服器
python3 skills/voice-chat-bridge/scripts/voice_server.py --web

# 3. 瀏覽器訪問 http://localhost:8765

內建Web介面包含： - 語音播放器 - 歷史記錄 - 二維碼（方便手機掃描訪問）

方案3：Ngrok模式（快速公網訪問，無需域名）

適合：臨時分享給朋友，或不想配置域名

# 1. 安裝Ngrok
brew install ngrok

# 2. 註冊獲取token（免費）
ngrok config add-authtoken YOUR_TOKEN

# 3. 啟動語音伺服器
python3 skills/voice-chat-bridge/scripts/voice_server.py

# 4. 在另一個終端啟動Ngrok
ngrok http 8765

# 5. 獲取臨時域名（如 https://abc123.ngrok.io）
# 6. 更新配置
cat > ~/.openclaw/workspace/voice_config.json << 'EOF'
{
  "mode": "ngrok",
  "domain": "https://abc123.ngrok.io",
  "local_port": 8765
}
EOF

方案4：Cloudflare Tunnel模式（完整方案）

適合：有域名，長期穩定使用

# 參考原教程...

多平臺整合

Telegram（當前方案）

• 生成語音 → 上傳檔案或傳送連結

Discord

# 使用Discord的tts引數
await channel.send("回覆內容", tts=True)  # 使用Discord內建TTS
# 或傳送語音檔案
await channel.send(file=discord.File("voice.mp3"))

Slack

# 使用Slack的音訊附件
client.chat_postMessage(
    channel="#general",
    text="回覆內容",
    attachments=[{
        "audio_url": voice_url
    }]
)

純Webhook/API

# 返回JSON
{
    "text": "回覆內容",
    "voice_url": "http://localhost:8765/voice.mp3",
    "voice_base64": "..."  # 可選
}

命令列/本地互動

# 直接對話模式
python3 skills/voice-chat-bridge/scripts/chat.py
# > 你說: [語音輸入或文字]
# > AI回覆: [文字]
# > [自動播放語音]

方案0: 完整本地語音對話迴圈（推薦）

適合：完整的本地化語音互動體驗

# 啟動完整對話迴圈
python3 skills/voice-chat-bridge/scripts/voice_chat_loop.py

完整流程：

按住 Ctrl+T
    ↓
🎤 開始錄音（聽到提示音）
    ↓
說話...
    ↓
鬆開按鍵
    ↓
✅ 錄音結束 → 自動轉文字
    ↓
🤖 AI處理（寫入.voice_trigger檔案）
    ↓
💬 生成回覆文字
    ↓
🔊 生成語音回覆
    ↓
🔈 自動播放語音
    ↓
返回等待下一段錄音

特點： - 完全本地化，無需網路（除語音合成外） - 完整的閉環：說 → 識別 → 思考 → 回覆 → 聽 - 支援連續對話

快捷鍵錄音模式

適合：只想快速語音輸入，不依賴完整對話迴圈

# 啟動快捷鍵監聽（後臺執行）
python3 skills/voice-chat-bridge/scripts/hotkey_recorder.py

# 然後任何時候：
# 1. 按住 Ctrl+T（可配置）
# 2. 說話
# 3. 鬆開按鍵
# 4. 自動轉文字並複製到剪貼簿/傳送給AI

快捷鍵配置（編輯 voice_config.json）：

{
  "hotkey": {
    "enabled": true,
    "combination": ["ctrl", "t"],
    "on_release": "transcribe_and_send",
    "beep_on_start": true,
    "beep_on_end": true
  }
}

工作流程：

按住 Ctrl+T
    ↓
🎤 開始錄音（聽到提示音）
    ↓
說話...
    ↓
鬆開按鍵
    ↓
✅ 錄音結束 → 自動轉文字
    ↓
📋 複製到剪貼簿 或 直接發給AI

快速開始

1. 初始化

bash skills/voice-chat-bridge/scripts/init.sh

這會建立： - voice_output/ - 語音檔案輸出目錄 - voice_config.json - 配置檔案

2. 配置域名

編輯 voice_config.json：

{
  "domain": "https://your-domain.com",
  "local_port": 8765,
  "voice": "zh-CN-XiaoxiaoNeural"
}

3. 啟動服務

7w4.net有更好的技能外掛。

# 啟動語音伺服器
python3 skills/voice-chat-bridge/scripts/voice_server.py

# 在另一個終端啟動 Cloudflare Tunnel
cloudflared tunnel --config ~/.cloudflared/config.yml run

4. 配置 AGENTS.md

在 AGENTS.md 中新增：

## Voice Chat Bridge

當用戶傳送語音訊息時：
1. 使用 `skills/voice-chat-bridge/scripts/transcribe.py` 轉文字
2. 理解內容並生成回覆
3. 使用 `skills/voice-chat-bridge/scripts/generate_voice.py` 生成語音
4. 回覆文字內容 + 語音連結

### 情緒狀態更新（每次語音互動）
- connection: +0.2（語音交流增強連線感）
- 記錄語音互動頻率到 habits.json

使用示例

轉寫語音

python3 skills/voice-chat-bridge/scripts/transcribe.py /path/to/audio.ogg

生成語音

python3 skills/voice-chat-bridge/scripts/generate_voice.py "要合成的文字內容"
# 輸出: https://your-domain.com/abc123.mp3

完整對話流程（在 AGENTS.md 中配置）

# 虛擬碼示例
if user_message.is_voice:
    # 1. 轉寫
    text = transcribe(user_message.audio_path)

    # 2. 理解並回復
    reply = generate_reply(text)

    # 3. 生成語音
    voice_url = generate_voice(reply)

    # 4. 傳送回覆
    send_message(f"{reply}\n\n🎙️ {voice_url}")

檔案結構

skills/voice-chat-bridge/
├── SKILL.md              # 本檔案
├── scripts/
│   ├── init.sh           # 初始化指令碼
│   ├── transcribe.py     # 語音轉文字
│   ├── generate_voice.py # 文字轉語音
│   └── voice_server.py   # HTTP伺服器
└── templates/
    └── config.json       # 配置模板

多語言支援

本 Skill 預設使用 Edge TTS，支援 100+ 種語言和方言：

中文

英語

日語

韓語

法語/德語/西班牙語等

完整列表: 執行 edge-tts --list-voices

配置語言

編輯 voice_config.json：

{
  "domain": "https://your-domain.com",
  "local_port": 8765,
  "voice": "en-US-AriaNeural",  // 改成你想要的語音
  "language": "en-US"           // 用於語音識別
}

自動語言檢測（進階）

結合 inner-life skill，根據使用者語言自動切換：

# 在 AGENTS.md 中新增
if user_message.language == "zh":
    voice_config["voice"] = "zh-CN-XiaoxiaoNeural"
elif user_message.language == "en":
    voice_config["voice"] = "en-US-AriaNeural"
elif user_message.language == "ja":
    voice_config["voice"] = "ja-JP-NanamiNeural"

備用 TTS 方案

如果 Edge TTS 在某些地區訪問受限，支援以下備選：

1. macOS say（本地，免費）

# 修改 scripts/generate_voice.py 中的 TTS_ENGINE
TTS_ENGINE = "say"
say -v "Ting-Ting" "你好"  # 中文
say -v "Samantha" "Hello"  # 英文

2. Google Cloud TTS（需 API Key）

• 支援更多語言
• 音質更好
• 需要付費（但有免費額度）

3. ElevenLabs（高質量）

• 最自然的 AI 語音
• 支援語音克隆
• 每月 10k 字元免費

4. 阿里雲/百度（國內穩定）

• 國內訪問快
• 中文效果極好
• 有免費額度

自定義配置

更換語音角色

修改 voice_config.json 中的 voice 欄位：

調整音訊質量

在 generate_voice.py 中修改：

# 預設 16kHz，可提高至 24kHz
"-ar", "16000"  # → "-ar", "24000"

故障排除

問題: 轉寫失敗，提示 "No speech detected" - 解決: 音訊檔案太短（< 1秒）或格式不支援，嘗試轉換格式

問題: Cloudflare Tunnel 連線失敗 - 解決: 檢查 ~/.cloudflared/config.yml 配置，確保域名和埠正確

問題: Edge TTS 生成語音失敗 - 解決: 檢查網路連線，Edge TTS 需要訪問微軟伺服器

進階用法

情感化語音

結合 inner-life-core skill，根據情緒狀態調整語音風格：

if inner_state.confidence > 0.8:
    voice_style = "cheerful"
elif inner_state.connection < 0.3:
    voice_style = "gentle"

語音日記

自動將每日日記轉為語音：

python3 skills/voice-chat-bridge/scripts/diary_to_voice.py

成本估算

• Edge TTS: 免費（微軟 Azure 免費額度）
• Cloudflare Tunnel: 免費
• hear (macOS): 免費
• 流量: 每個語音檔案約 20-100KB

參考

• Edge TTS GitHub
• hear - macOS語音識別
• Cloudflare Tunnel文件

License

MIT - 隨便用，歡迎改進！

這個 Skill 功能豐富，支援語音對話、本地播放和公網分享，文件寫得非常詳細。但實際程式碼質量一般，有些文件提到的功能缺少對應的指令碼檔案，安裝配置稍顯複雜，對新手不太友好。如果是技術使用者可以考慮，普通使用者建議等待更穩定的版本。