feishu-speaker

# feishu-speaker Skill 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. 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", "app_id": "cli_a9037acd2ba19bb5", "receiver_id": "ou_94f3936f1896b5378404f377da3fae6f" } ``` 配置说明： - `default_voice`: 默认TTS音色 - `default_rate`: 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. **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. 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 # 使用npx直接运行 npx edge-tts "测试" --voice zh-CN-YunxiNeural --write-media output.mp3 ``` --- ## 📊 与其他skill对比 | 功能 | feishu-voice | feishu-speaker (本skill) | |:---|:---:|:---:| | 发送语音 | ✅ | ✅ | | 接收语音（转文字） | ❌ | ✅ | | 双向交互 | ❌ | ✅ | | 智能回复模式 | ❌ | ✅ | | 多音色支持 | ✅ | ✅ | | 语速调节 | ✅ | ✅ | --- ## 🔄 更新计划 ### v1.1.0 (计划中) - [ ] 支持更多语音合成引擎（Azure、科大讯飞） - [ ] 支持语音情感调节（开心、严肃、温柔） - [ ] 支持实时语音对话（WebSocket） ### v1.2.0 (计划中) - [ ] 支持语音克隆（自定义音色） - [ ] 支持语音转写后自动摘要 - [ ] 支持批量语音处理 --- ## 📄 License MIT License --- **让飞书沟通更自然，像真人一样语音交流！** 🎙️✨ --- ## 🚀 新增：一键语音回复 ### `reply-voice` 脚本（v1.1.0新增） **功能**：自动处理完整的语音消息回复流程 - 接收语音消息 → 转录为文字 → 生成语音回复 → 发送 **用法**： ```bash # 转录语音并发送回复 reply-voice voice.ogg "这是回复内容" # 仅转录，不发送 reply-voice voice.ogg ``` **完整流程**： ``` ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ 飞书语音消息 │ → │ Whisper │ → │ Edge-TTS │ → │ 飞书API │ │ (ogg格式) │ │ 转录文字 │ │ 生成语音 │ │ 发送语音 │ └─────────────┘ └─────────────┘ └─────────────┘ └─────────────┘ ``` **依赖**： - Python 3.8+ - openai-whisper - edge-tts - ffmpeg