feishu-speaker 技能 v1.0

飞书双向语音消息工具 - 让AI助手像真人一样语音交流

✅ 支持双向：接收语音（转文字）+ 发送语音（TTS）

✅ 智能回复：根据接收消息类型自动选择回复方式

---

🎯 核心特性

🎤 接收语音（语音 → 文字）

• - 使用 OpenAI Whisper 本地转录
• 支持中文语音识别
• 无需联网，本地处理

🔊 发送语音（文字 → 语音）

• - 使用 Edge-TTS 生成高质量语音
• 支持多种中文音色（男/女/年轻/成熟）
• 可调节语速（0.5x - 2.0x）

🔄 智能交互

• - 收到语音消息 → 自动转文字理解 → 语音回复
• 收到文字消息 → 文字理解 → 根据配置选择回复方式

---

📦 安装依赖

bash

1. 安装Whisper（语音转文字）

pip install openai-whisper

2. 安装Edge-TTS（文字转语音）

npm install -g edge-tts

3. 安装FFmpeg（音频格式转换）

macOS: brew install ffmpeg

Ubuntu: apt-get install ffmpeg

---

🚀 快速开始

1. 配置飞书API凭证

创建文件 ~/.openclaw/.credentials/feishu-app-secret.txt：

你的飞书App Secret

获取方式：

1. 1. 访问 https://open.feishu.cn/app/
2. 进入你的应用 → 凭证与基础信息
3. 复制 App Secret

2. 接收语音（自动转文字）

bash

转录收到的语音消息

feishu-speaker listen voice.ogg

使用更大的模型（更准确但更慢）

feishu-speaker listen voice.ogg --model small

3. 发送语音消息

bash

基本使用

feishu-speaker say 你好，这是语音消息

指定音色

feishu-speaker say 晚上好 --voice zh-CN-YunxiNeural

调整语速

feishu-speaker say 加快速度 --rate +30%

4. 智能回复

bash

根据收到的消息类型自动选择回复方式

feishu-speaker reply 收到，我马上处理

---

🎨 支持的音色

音色ID	性别	风格	推荐场景
zh-CN-YunxiNeural	男	年轻、干脆利落 ⭐	日常交流、快速回复
zh-CN-YunjianNeural

男 | 成熟稳重 | 正式场合、商务沟通 |
| zh-CN-XiaoxiaoNeural | 女 | 标准女声 | 温和回复、客服场景 |
| zh-CN-XiaoyiNeural | 女 | 温柔女声 | 亲切交流、情感场景 |

---

🔧 命令详解

feishu-speaker listen - 语音转文字

bash
feishu-speaker listen <音频文件> [选项]

选项:
-m, --model <模型> Whisper模型（tiny/base/small，默认：base）
-l, --language <语言> 指定语言（默认：zh）
-o, --output <文件> 输出到文件

示例:
feishu-speaker listen message.ogg
feishu-speaker listen voice.mp3 --model small

feishu-speaker say - 文字转语音并发送

bash
feishu-speaker say <文字内容> [选项]

选项:
-v, --voice <音色> 指定音色（默认：zh-CN-YunxiNeural）
-r, --rate <速率> 语速调整（默认：+20%）
-t, --to <用户ID> 指定接收者
-s, --save <文件> 保存音频文件（不发送）

示例:
feishu-speaker say 你好
feishu-speaker say 会议开始 --voice zh-CN-YunjianNeural
feishu-speaker say 快速播报 --rate +50%

feishu-speaker reply - 智能回复

bash
feishu-speaker reply <文字内容> [选项]

选项:
--voice 强制语音回复
--text 强制文字回复
--auto 根据对方消息类型自动选择（默认）

示例:
feishu-speaker reply 收到
feishu-speaker reply 好的 --voice

---

⚙️ 配置选项

配置文件：~/.openclaw/skills/feishu-speaker/config/config.json

json
{
default_voice: zh-CN-YunxiNeural,
default_rate: +20%,
default_volume: +0%,
default_pitch: default,
reply_mode: auto,
appid: clia9037acd2ba19bb5,
receiverid: ou94f3936f1896b5378404f377da3fae6f
}

配置说明：

• - defaultvoice: 默认TTS音色
• defaultrate: 默认语速（+20% = 1.2倍速）
• reply_mode: 回复模式

- auto: 自动匹配（语音→语音，文字→文字）
- voice: 总是语音回复
- text: 总是文字回复

---

📝 使用场景

场景1：AI助手语音交互

bash

用户发送语音 → AI转录理解 → 语音回复

自动流程：

1. 用户：发送语音帮我查一下明天的天气

2. AI：feishu-speaker listen voice.ogg → 转录为文字

3. AI：处理请求 → feishu-speaker reply 明天北京晴天，25度

场景2：定时语音播报

bash

在cron任务中使用

feishu-speaker say 早上好！今日热点已更新，请查看。

场景3：多音色切换

bash

正式场合

feishu-speaker say 会议将在10分钟后开始。 --voice zh-CN-YunjianNeural

活泼场合

feishu-speaker say 好消息！任务提前完成了！ --voice zh-CN-YunxiNeural --rate +30%

---

🔌 技术架构

接收语音流程:
┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ 飞书语音消息 │ ──→ │ Whisper │ ──→ │ 文字结果 │
│ (ogg格式) │ │ (本地转录) │ │ (中文文本) │
└─────────────┘ └─────────────┘ └─────────────┘

发送语音流程:
┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ 文字输入 │ ──→ │ Edge-TTS │ ──→ │ FFmpeg │ ──→ │ 飞书API │
│ (中文文本) │ │ (生成MP3) │ │ (转opus/ogg)│ │ (发送语音) │
└─────────────┘ └─────────────┘ └─────────────┘ └─────────────┘

---

⚠️ 注意事项

1. 1. 音频格式：飞书语音消息支持 opus/ogg 格式，脚本会自动转换
2. 文件大小：单条语音建议不超过 10MB
3. 语速范围：支持 -50% 到 +100%，建议 +20% 左右最自然
4. 网络要求：发送语音需要访问飞书API（国内网络即可）
5. 隐私安全：语音转文字在本地处理，不上传到云端

---

🐛 故障排查

Whisper模型下载失败

bash

手动下载模型

python3 -c import whisper; whisper.load_model(base)

飞书API返回错误

1. 1. 检查 App Secret 是否正确配置
2. 检查接收者ID格式（应以 ou_ 开头）
3. 检查音频文件格式是否为 opus/ogg

Edge-TTS安装失败

bash