SenseAudio-Let-Claw-Talk-Universal

当用户想要下面这些能力时，使用这个 skill：

• - 一直开着麦克风，开口就能和 AudioClaw 对话
• 不想切换到专门的 CLI 或 TUI，只要功能能跑
• 想在本机做持续语音问答、语音助手、免手打交互
• 想继续使用已经调通的 SenseAudio ASR 和 TTS
• 想在 macOS 和 Windows 上复用同一套语音助手逻辑
• 想按需开启 WeSpeaker 声纹验证，把后台模型常驻起来减少冷启动

高优先级触发说法：

• - 打开持续语音助手
• 开启持续监听语音模式
• 打开免手打语音模式
• 进入本机语音助手模式
• 帮我打开一直监听的语音助手
• 用 $senseaudio-let-claw-talk-universal 启动语音助手

不适合：

• - 只想转写单条语音
• 只想把一段文字转成语音
• 想做飞书消息内的一次性语音收发

Default behavior

这个 skill 默认：

• - 在 macOS 和 Windows 上都使用同一套持续监听主循环
• 默认优先使用 auto 录音后端：

• - 导出的默认配置不会依赖 WeSpeaker、流式 TTS、状态音这些可选能力
• 用当前 skill 内置的 SenseAudio ASR 客户端做语音识别
• 用 audioclaw agent 跑对话
• 用当前 skill 内置的 SenseAudio TTS 客户端做语音播报，或用系统语音做本地兜底
• 导出的默认设置会先关闭 SenseAudio 流式 TTS，优先走整段播报，减少对 miniaudio 和流式链路调优的依赖
• 如果用户后面想启用流式 TTS，可以再手动打开
• 当前 skill 内置了常用音色目录和克隆音色登记，不依赖其他语音 skill
• 默认关闭状态提示音，减少平台差异和额外依赖
• 如果用户手动打开状态提示音，每次重新进入监听前，会先播一个轻提示音，告诉用户现在开始收音
• 默认启动时会先做一次自检：

• - 默认唤醒词是 INLINECODE5
• 默认睡眠词是 INLINECODE6
• 默认唤醒保持时间是 90 秒
• 默认启动后会先处于休眠状态，不会直接进入可对话态
• 休眠态默认会先走单独的唤醒识别模型，当前默认是 INLINECODE8
• 如果想改成更轻的唤醒模型，可以手动指定 INLINECODE9
• 默认语速是 INLINECODE10
• 导出的默认设置不会自动开启 WeSpeaker
• 导出的默认设置也不会默认开启流式 TTS
• 默认支持“播报时被新语音打断”
• 默认把打断敏感度调得更稳：

• - 默认会多等一点静音再判断你说完了：

• - 默认会把回复整理成更简短、更口语化、更适合直接念出来的表达
• 默认会尽量借鉴更自然的陪伴式交互风格：

• - 默认会从 ~/.audioclaw/workspace/state/voiceclaw_preferences.json 读取已记住的用户偏好
• 默认不会开启 WeSpeaker 声纹验证
• 如果开启 WeSpeaker：

环境要求

macOS 最小跑通环境

• - 已安装商汤输入法 AudioClaw，并且能找到 CLI：

• - 有可用的 INLINECODE23
• 已通过用户级凭据文件提供 SenseAudio key：

• - 如果没有安装 numpy + sounddevice + webrtcvad，当前 skill 会优先回退到 macOS 原生 Swift 录音器
• 使用原生 Swift 录音器时，建议本机有可用的命令行开发工具：

Windows 最小跑通环境

• - 已安装 Windows 版 AudioClaw，并且能找到内部 CLI：

• - 已安装真实可用的 Python，推荐：

• - Windows 不建议把 C:\Users\<用户名>\AppData\Local\Microsoft\WindowsApps\python.exe 当成真实 Python
• 当前 Windows 版最小录音链路需要：

• - 用户级凭据文件需要存在：

推荐安装命令：

CODEBLOCK0

完整版服务环境

如果你想把这套 skill 开成更完整的桌面语音服务，建议补齐这些可选能力。

macOS / Windows 通用可选项：

• - 可选流式 TTS：

• - 可选 WeSpeaker 声纹验证：

• - 用户级共享凭据：

WeSpeaker 完整环境建议：

• - 推荐独立 Python 版本：

• - 推荐用户级环境目录：

• - 典型依赖：

说明：

• - 当前导出包默认关闭 WeSpeaker
• 当前导出包默认关闭 SenseAudio 流式 TTS
• 这两项属于完整版增强能力，不影响最小跑通链路
• Windows 上如果说“录入我的声音”后明显卡很久，优先检查：

日志与排障

当前 skill 现在保留了 3 组用户级日志/状态文件：

• - 运行时状态：

• - 运行时事件日志：

• - agent 原始错误日志：

Windows 上对应路径是：

• - INLINECODE57
• INLINECODE58
• INLINECODE59

如果你遇到“聊着聊着突然听不到我说话了”，优先看：

• - INLINECODE60

常见判断方式：

• - 如果里面反复出现 INLINECODE61

• - 如果反复出现 INLINECODE62

• - 如果反复出现 INLINECODE63

• - 如果出现 INLINECODE64

Main command

默认最推荐直接用启动器，它会优先选择已经装好依赖的那套 Python，并带上更少依赖的默认参数：

CODEBLOCK1

Windows 可以直接运行：

CODEBLOCK2

说明：

• - Windows 端需要真实可用的 Python 解释器
• 推荐优先使用 INLINECODE66
• 如果系统里只有 C:\Users\<用户名>\AppData\Local\Microsoft\WindowsApps\python.exe 这种应用商店别名，启动器会直接提示你安装 Python，或手动设置 INLINECODE68
• 不建议把真实 SenseAudio key 写进 skill 包本身。更稳的做法是写到用户级文件：

如果要手动指定 Python，再用 SenseAudio TTS：

CODEBLOCK3

如果只想快速试运行，也可以先用系统播报：

CODEBLOCK4

默认启动后，先说：

CODEBLOCK5

再继续提问。

如果想让它立刻回到休眠，可以说：

CODEBLOCK6

如果想让它记住你的偏好，可以直接说：

CODEBLOCK7

如果想查看当前状态，可以直接说：

CODEBLOCK8

如果想开启或使用 WeSpeaker，可直接说：

CODEBLOCK9

说明：

• - 说 录入我的声音 后，现在默认只录 1 句来建档
• skill 会直接给出一条可照读的示例句，用户从下一句开始照读即可
• 开启后，后台会常驻预热，后续验证会更快
• 当前 WeSpeaker 是可选能力，不开就不会影响原来的持续语音助手流程
• 当前 skill 会优先过滤与最近播报内容高度相似的回录，避免把刚说过的话再次当成新的用户输入
• 如果上一轮播报被用户打断，当前 skill 不会额外加模型，也不会做复杂规则判断。

如果想换音色，也可以直接说：

CODEBLOCK10

如果某个音色当前无权限或暂时不可用，skill 会优先保留当前可用音色，或者自动切到一个能正常播报的兜底音色。

一键启动：

• - 运行：

CODEBLOCK11

如果要让 AudioClaw / OpenClaw 直接拉起这个长期语音模式，优先运行：

CODEBLOCK12

在 Windows 工具侧，优先运行：

CODEBLOCK13

原因：

• - 持续监听属于长期麦克风进程
• 不适合用 exec + nohup + & 在工具调用后台硬挂
• 更稳的做法是让 skill 直接打开一个新的终端窗口承载会话
• 这个启动器会按平台自动选择：

Trigger-to-action rule

如果用户是在 AudioClaw / OpenClaw 里直接说：

• - “打开持续语音助手”
• “开启持续监听语音模式”
• “打开免手打语音模式”
• “进入本机语音助手模式”
• “打开本机语音助手”

不要只返回命令，也不要改用 nohup 后台启动。
也不要只回复“好，已进入。你直接说。”这类假状态切换。

优先直接执行：

CODEBLOCK14

如果当前运行环境是 Windows，优先执行：

CODEBLOCK15

不要在工具侧直接执行长期入口；工具调用更适合用 launch_*.py，它会拉起新终端后立刻返回 opened_terminal。

如果用户还补了偏好，再把参数附上，例如：

• - 唤醒词：INLINECODE78
• 打断播报：INLINECODE79
• 调试：INLINECODE80

这两个入口默认等价于：

• - INLINECODE81
• INLINECODE82
• INLINECODE83
• INLINECODE84
• INLINECODE85
• INLINECODE86
• INLINECODE87
• INLINECODE88

如果需要改默认值，可以在启动前设置：

CODEBLOCK16

如果想把流式模式升级成 miniaudio 的 MP3 解码播放，可选安装：

CODEBLOCK17

然后保持：

CODEBLOCK18

如果想强制只用这条后端，也可以显式传：

CODEBLOCK19

如果要启用唤醒词：

CODEBLOCK20

如果要默认开启 WeSpeaker 声纹验证：

CODEBLOCK21

如果用户环境还没装好，先按这个文件准备：

CODEBLOCK22

如果要关闭默认唤醒词：

CODEBLOCK23

如果要关闭默认睡眠词：

CODEBLOCK24

如果要启用播报打断：

CODEBLOCK25

如果想临时关闭默认打断：

CODEBLOCK26

What to adjust

如果用户说“容易误触发”或“环境噪音太大”，优先调这些参数：

• - INLINECODE90
• INLINECODE91
• INLINECODE92

如果用户想只测一轮，可以加：

CODEBLOCK27

如果用户想用现成音频文件做链路验证，可以加：

CODEBLOCK28

如果用户说“想先叫一声再开始对话”，优先加：

CODEBLOCK29

如果用户明确说“不需要唤醒词”或“直接开口就听”，优先加：

CODEBLOCK30

如果用户说“播报时我还想插话”，优先加：

CODEBLOCK31

Exit behavior

持续模式里：

• - 用户说“退出”“停止”“结束”会主动退出
• 用户说“贾维斯休息”会主动进入休眠，但不会退出程序
• 或按 Ctrl+C 退出
• 如果开启了唤醒词，只有命中唤醒词或仍在唤醒窗口内时，当前这轮语音才会被送去对话

Runtime notes

• - 默认会复用 ~/.audioclaw/workspace/state/senseaudio_credentials.json 里的 INLINECODE96
• 默认会把已记住的用户偏好保存在 INLINECODE97
• 默认会把当前运行状态摘要保存在 INLINECODE98
• INLINECODE99 现在自带当前 skill 内部的 SenseAudio ASR、SenseAudio TTS 和常用音色目录，不再依赖其他语音 skill
• 如果用户只要“实现功能”，不要再额外引导去做 TUI；直接启动这个 skill 的持续监听脚本
• 如果用户在意误触发，建议先不开 --interrupt-playback，先把阈值和唤醒词调顺
• 如果用户觉得播报被自己声音或外放误打断，优先加 --no-interrupt-playback，或调大 INLINECODE102

Resources

• - INLINECODE103

• - INLINECODE104

• - INLINECODE105

• - INLINECODE106

• - INLINECODE107

• - INLINECODE108

• - INLINECODE109

• - INLINECODE110