语音对话技能

实现完整的双向语音对话功能，支持语音输入和语音输出。

功能特性

✅ 已实现功能

1. 1. 文本转语音（TTS）

- 使用OpenClaw内置tts工具 - 支持中英文混合 - 实时音频生成

1. 2. 语音转文本（STT）

- 使用Python speech_recognition库 - 支持麦克风输入 - 多引擎支持（Google、Whisper等）

1. 3. 对话管理

- 自动语音检测 - 对话上下文保持 - 中断处理

🔧 技术架构

语音输入 → STT转换 → 文本处理 → AI响应 → TTS转换 → 语音输出

安装要求

必需组件

1. 1. Python 3.8+
2. speech_recognition库
3. pyaudio库（Windows需要额外安装）

可选组件

1. 1. Whisper - 更准确的本地STT
2. ElevenLabs API - 高质量TTS
3. OpenAI API - 云端STT

快速开始

1. 安装依赖

bash

安装Python库

pip install SpeechRecognition pyaudio

Windows pyaudio安装（如果失败）

pip install pipwin pipwin install pyaudio

2. 基础语音对话脚本

python

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):
监听语音输入并转换为文本
with self.microphone as source:
print(🎤 请说话...)
audio = self.recognizer.listen(source)

try:
text = self.recognizer.recognize_google(audio, language=zh-CN)
print(f📝 识别结果: {text})
return text
except sr.UnknownValueError:
return 无法识别语音
except sr.RequestError:
return 语音识别服务不可用

def speak(self, text):
使用OpenClaw TTS朗读文本
# 调用OpenClaw tts工具
print(f🗣️ 正在朗读: {text})
# 这里可以集成OpenClaw tts工具

def conversation_loop(self):
对话循环
print(🎧 语音对话已启动，按Ctrl+C退出)
while True:
# 监听语音
user_input = self.listen()

if userinput and 退出 not in userinput:
# 生成响应（这里可以集成AI模型）
response = f我听到你说: {user_input}

# 语音输出
self.speak(response)

if name == main:
chat = VoiceChat()
chat.conversation_loop()

3. 集成OpenClaw TTS

python def openclawtts(text, outputfile=output.mp3): 调用OpenClaw TTS工具 import subprocess import json

# 创建临时文件
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:
# 调用tts工具（需要OpenClaw环境）
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✅ 语音文件已生成: {output_file})
# 播放音频
subprocess.run([start, output_file], shell=True)
else:
print(f❌ TTS失败: {result.stderr})
finally:
os.unlink(request_file)

高级配置

使用Whisper进行本地STT

python def whisperstt(audiofile): 使用Whisper进行语音识别 import whisper

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

使用ElevenLabs高质量TTS

python def elevenlabstts(text, voiceid=21m00Tcm4TlvDq8ikWAM, api_key=None): 使用ElevenLabs TTS import requests

url = fhttps://api.elevenlabs.io/v1/text-to-speech/{voice_id}
headers = {
xi-api-key: apikey or os.environ.get(ELEVENLABSAPI_KEY),
Content-Type: application/json
}

data = {
text: text,
modelid: elevenmultilingual_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(fElevenLabs TTS失败: {response.text})

故障排除

常见问题

1. 1. 麦克风无法识别

- 检查麦克风权限 - 尝试指定麦克风设备索引

1. 2. pyaudio安装失败

- Windows: 使用pipwin install pyaudio - macOS: brew install portaudio

1. 3. 语音识别准确率低

- 调整环境噪音 - 使用更准确的模型（Whisper large） - 添加语音训练

性能优化

1. 1. 缓存模型：预加载Whisper模型
2. 流式处理：实时语音处理
3. 降噪处理：改善语音质量

安全注意事项

1. 1. API密钥保护：不要硬编码API密钥
2. 隐私保护：语音数据本地处理
3. 权限管理：麦克风访问权限控制

扩展功能

计划中的功能

1. 1. 多语言支持：自动检测语言
2. 语音命令：特定语音指令识别
3. 情绪识别：从语音中识别情绪
4. 实时翻译：跨语言语音对话

---

技能版本: 1.0.0 最后更新: 2026-02-28