Telegram voice-to-voice (macOS Apple Silicon only)
This is an OpenClaw skill.
Requirements
- - macOS on Apple Silicon.
- INLINECODE0 CLI available in
PATH (Speech.framework transcription).
- Project: https://github.com/finnvoor/yap (by finnvoor)
- -
ffmpeg available in PATH.
Compatibility note (important)
This skill is macOS-only (uses say + Speech.framework). The skill registry cannot enforce OS restrictions, so installing/running it on Linux/Windows will result in runtime failures.
Persistent reply mode (voice vs text)
Store a small per-user preference file in the workspace:
- - State file: INLINECODE5
- Key: Telegram sender user id (string)
- Values:
-
"voice" (default): reply with a Telegram voice note
-
"text": reply with a single text message
If the file does not exist or the sender id is missing: assume "voice".
Toggle commands
If an inbound text message is exactly:
- -
/audio off → set state to "text" and confirm with a short text reply. - INLINECODE11 → set state to
"voice" and confirm with a short text reply.
Getting the inbound audio (.ogg)
Telegram voice notes often show up as <media:audio> in message text.
OpenClaw saves the attachment to disk (typically .ogg) under:
Recommended approach:
1) If the inbound message context includes an attachment path, use it.
2) Otherwise, take the most recent *.ogg from ~/.openclaw/media/inbound/.
Transcription
Default locale: macOS system locale.
Optional env:
- -
YAP_LOCALE — override the transcription locale (e.g. it-IT, en-US).
Preferred:
- If
YAP_LOCALE is not set, the helper script will use the macOS system locale (from
defaults read -g AppleLocale).
If transcription fails or is empty: ask the user to repeat or send text.
Helper script:
Reply behavior
Mode: voice (default)
Voice default: SYSTEM (uses the current macOS system voice). You can override by passing a specific voice name to the helper script.
1) Generate the reply text.
2) Convert reply text to an OGG/Opus voice note using:
The script prints the generated .ogg path to stdout.
3) Send the .ogg back to Telegram as a voice note (not a generic audio file):
- - use the
message tool with asVoice: true and INLINECODE30 - optionally set
replyTo to thread the response
Notes:
- - Use
SYSTEM to rely on the current macOS system voice (recommended).
Mode: text
Reply with a single text message:
- - INLINECODE33
- INLINECODE34
Telegram 语音转语音（仅限 macOS Apple Silicon）
这是一个 OpenClaw 技能。
系统要求
- - 搭载 Apple Silicon 的 macOS。
- yap CLI 需在 PATH 环境变量中可用（Speech.framework 转录功能）。
- 项目地址：https://github.com/finnvoor/yap（作者：finnvoor）
- - ffmpeg 需在 PATH 环境变量中可用。
兼容性说明（重要）
本技能仅适用于 macOS（使用 say + Speech.framework）。技能注册表无法强制执行操作系统限制，因此在 Linux/Windows 上安装或运行将导致运行时错误。
持久回复模式（语音 vs 文本）
在工作区中存储每个用户的偏好文件：
- - 状态文件：voice_state/telegram.json
- 键：Telegram 发送者用户 ID（字符串）
- 值：
- voice（默认）：以 Telegram 语音消息回复
- text：以单条文本消息回复
如果文件不存在或缺少发送者 ID：默认使用 voice。
切换命令
如果入站文本消息完全匹配以下内容：
- - /audio off → 将状态设置为 text，并以简短文本回复确认。
- /audio on → 将状态设置为 voice，并以简短文本回复确认。
获取入站音频（.ogg）
Telegram 语音消息通常以 形式出现在消息文本中。
OpenClaw 将附件保存到磁盘（通常为 .ogg），路径如下：
- - ~/.openclaw/media/inbound/
推荐方法：
1) 如果入站消息上下文包含附件路径，则使用该路径。
2) 否则，从 ~/.openclaw/media/inbound/ 中获取最新的 *.ogg 文件。
转录
默认区域设置：macOS 系统区域设置。
可选环境变量：
- - YAP_LOCALE — 覆盖转录区域设置（例如 it-IT、en-US）。
推荐命令：
- - yap transcribe --locale ${YAP_LOCALE:-}
- 如果未设置 YAP_LOCALE，辅助脚本将使用 macOS 系统区域设置（通过 defaults read -g AppleLocale 获取）。
如果转录失败或结果为空：请用户重复或发送文本。
辅助脚本：
- - scripts/transcribetelegramogg.sh [path.ogg]
回复行为
模式：语音（默认）
语音默认值：SYSTEM（使用当前 macOS 系统语音）。您可以通过向辅助脚本传递特定语音名称来覆盖此设置。
1) 生成回复文本。
2) 使用以下命令将回复文本转换为 OGG/Opus 语音消息：
- - scripts/ttstelegramvoice.sh <回复文本> [SYSTEM|语音名称]
该脚本将生成的 .ogg 路径输出到标准输出。
3) 将 .ogg 文件作为语音消息（而非普通音频文件）发送回 Telegram：
- - 使用 message 工具，设置 asVoice: true 和 media:
- 可选：设置 replyTo 以关联回复
注意：
- - 使用 SYSTEM 可依赖当前 macOS 系统语音（推荐）。
模式：文本
以单条文本消息回复：
