🎁 Get the FREE AI Skills Starter Guide — Subscribe →
BytesAgainBytesAgain
BytesAgain › Skills › Feishu Voice Chat
🦀 ClawHub

Feishu Voice Chat

by @li-neo

飞书语音对话能力，提供语音识别（ASR）和语音合成（TTS）功能， 所有的飞书语音消息都通过该技能处理。 完整语音交互链路：接收用户语音 → ASR 转文字 → LLM 处理 → TTS 转语音 → 通过飞书插件发送语音消息。 当用户要求"语音回复/说给我听"时，只回复飞书语音消息（audio 气泡），不回复文本...

Versionv0.1.1
Downloads790
#audio#legal
TERMINAL
clawhub install feishu-voice-chat

📖 About This Skill

name: feishu-voice-chat description: | 飞书语音对话能力，提供语音识别（ASR）和语音合成（TTS）功能， 所有的飞书语音消息都通过该技能处理。 完整语音交互链路：接收用户语音 → ASR 转文字 → LLM 处理 → TTS 转语音 → 通过飞书插件发送语音消息。 当用户要求"语音回复/说给我听"时，只回复飞书语音消息（audio 气泡），不回复文本、不回复文件、只回复语音消息。 usage: - asr: python scripts/volc_voice.py asr - tts: python scripts/feishu_voice.py speak [output_path] [reply_to_message_id] parameters: asr: audio_path: type: string description: 待识别的音频文件绝对路径（支持 ogg、opus、mp3、wav） required: true tts: text: type: string description: 需要转换为语音的文本内容 required: true output_path: type: string description: 生成的音频文件保存路径（可选，默认 /tmp/openclaw/voice-tts/reply_{timestamp}.ogg） required: false reply_to: type: string description: 回复目标消息 ID（可选，用于在话题中回复） required: false dependencies: - requests - python-dotenv env: - name: VOLC_APPID description: "火山引擎应用 ID" required: true - name: VOLC_ACCESS_TOKEN description: "火山引擎访问令牌" required: true - name: VOLC_RESOURCE_ID description: "TTS 资源 ID (默认: seed-tts-1.0)" required: false - name: VOLC_VOICE_TYPE description: "TTS 音色代码" required: false - name: VOLC_RESOURCE_ID_ASR description: "ASR 资源 ID" required: false

飞书语音对话 (Feishu Voice Chat)

本 Skill 集成了火山引擎 (Volcengine) 的语音技术，赋予 OpenClaw 机器人"听"和"说"的能力。

完整语音交互链路

用户（手机飞书 App）
    │
    ▼ 发送语音消息
┌──────────────────────────────────────────────────────────────┐
│ 飞书服务器                                                    │
│  • 语音格式：OGG 容器 + Opus 编码 + 48kHz 采样               │
│  • 消息类型：msg_type="audio"                               │
│  • content: {"file_key": "file_xxx", "duration": 5000}      │
└──────────────────────────────────────────────────────────────┘
    │
    ▼ OpenClaw 接收事件
┌──────────────────────────────────────────────────────────────┐
│ openclaw-lark 插件                                           │
│  • convertAudio() 解析 file_key                              │
│  • 下载语音到本地临时文件（/tmp/openclaw/media/inbound/*.ogg）│
│  • AI 收到：

功能特性

* 高精度语音识别 (ASR): 使用火山引擎大模型 ASR (V3)，支持长语音和流式识别，准确率高。 * 自然语音合成 (TTS): 使用火山引擎 TTS (V3)，输出 .ogg 格式（适配飞书语音消息），支持流式生成。 * 飞书插件深度集成: 通过 openclaw-lark 的 message 工具自动上传并发送语音消息，用户收到的是可直接播放的语音气泡。

前置准备

1. 注册火山引擎账号: 访问 火山引擎语音服务控制台。 2. 创建应用: 在控制台创建一个应用，获取 AppID 和 Access Token（注意：这是语音服务的凭证，不同于火山引擎 ARK API 的 Key）。 3. 开通服务: 为应用开通「大模型语音合成 TTS」和「大模型录音文件识别 ASR」两个服务。 4. 安装依赖: pip install -r requirements.txt

配置说明

1. 复制 .env.example 为 .env： 

    cp .env.example .env
2. 编辑 .env，填入你的火山引擎凭证： 
    VOLC_APPID=你的AppID
    VOLC_ACCESS_TOKEN=你的Access Token

| 变量名 | 说明 | 默认值 | | :--- | :--- | :--- | | VOLC_APPID | 火山引擎应用 ID（必填） | - | | VOLC_ACCESS_TOKEN | 访问令牌（必填） | - | | VOLC_RESOURCE_ID | TTS 资源 ID | seed-tts-1.0 | | VOLC_VOICE_TYPE | TTS 音色代码 | zh_female_sajiaonvyou_moon_bigtts | | VOLC_RESOURCE_ID_ASR | ASR 资源 ID | volc.bigasr.auc |

使用指南

1. 语音识别（ASR）—— 语音 → 文字

当机器人收到用户语音消息时，使用此命令将音频转为文本。

python3 scripts/volc_voice.py asr /path/to/user_audio.ogg

输出示例 (JSON): 

{"status": "success", "text": "你好，请问今天天气怎么样？"}

2. 语音合成（TTS）—— 文字 → 语音

当需要回复语音时，使用此命令将文本转为音频，并自动生成 message 工具调用指令。

# 基本用法
python3 scripts/feishu_voice.py speak "今天天气不错，适合出去玩哦。"
指定输出路径和回复目标（在话题中回复）

python3 scripts/feishu_voice.py speak "好的没问题！" /tmp/reply.ogg om_xxx

输出示例: 

🔊 正在合成语音: 今天天气不错...
✅ 合成成功: /tmp/openclaw/voice-tts/reply_1234567890.ogg
{"status": "success", "audio_file": "/tmp/openclaw/voice-tts/reply_1234567890.ogg", "message_cmd": "message(action=\"send\", channel=\"feishu\", msg_type=\"audio\", media=\"/tmp/openclaw/voice-tts/reply_1234567890.ogg\")"}
============================================================
音频文件 / Audio file: /tmp/openclaw/voice-tts/reply_1234567890.ogg
发送指令 / Send command: message(action="send", channel="feishu", msg_type="audio", media="/tmp/openclaw/voice-tts/reply_1234567890.ogg")
============================================================

OpenClaw Agent 接入指南

在 Agent System Prompt 中添加以下指令

> 语音交互能力: > * 当用户发送语音消息（你会收到一个文件路径或 占位符）时，请调用 feishu-voice-chat 的 ASR 功能识别内容。 > * 当用户要求"语音回复/说给我听"时，请先生成文本回复，然后调用 feishu-voice-chat 的 TTS 功能生成 .ogg 音频文件，最后使用飞书插件的 message 工具将音频以 msg_type="audio" 发送给用户。 > * 重要：语音回复只发送语音消息，不发送文本消息，不发送文件附件。用户收到的是可直接播放的语音气泡。

工具调用示例（供 Agent 参考）

接收用户语音: 

# 用户发送语音 → AI 调用 ASR
python3 scripts/volc_voice.py asr /tmp/openclaw/media/inbound/voice_xxx.ogg

→ 返回: {"status": "success", "text": "你好"}
AI 处理后决定语音回复 → 调用 TTS

python3 scripts/feishu_voice.py speak "你好，有什么可以帮助你的吗？"

→ 返回 JSON 含 audio_file 和 message_cmd
AI 调用 message 工具发送语音

message(action="send", channel="feishu", msg_type="audio", media="/tmp/openclaw/voice-tts/reply_xxx.ogg")

→ 用户在飞书收到语音气泡

测试步骤

1. 配置凭证后，运行 TTS 测试: 

    cd /Users/bytedance/.openclaw/workspace/skills/feishu-voice-chat
    python3 scripts/feishu_voice.py speak "你好，这是飞书语音对话测试。"
*验证*: 终端输出 ✅ 合成成功，且生成 /tmp/openclaw/voice-tts/reply_*.ogg 文件。

2. 运行 ASR 测试: 

    python3 scripts/volc_voice.py asr /tmp/openclaw/voice-tts/reply_*.ogg
*验证*: 终端输出 {"status": "success", "text": "..."}，识别出的文字与 TTS 输入一致。

3. 完整链路测试: 在飞书 App 中对机器人发送一条语音，观察 Agent 是否正确识别并语音回复。

故障排除

* Error: 请在 .env 文件中配置...: 检查 .env 文件是否存在且内容正确。 * Requested resource not granted (45000030): * 检查 VOLC_RESOURCE_ID 是否正确。 * 如果是 TTS，尝试使用 seed-tts-1.0。 * 如果是 ASR，尝试使用 volc.bigasr.auc。 * 确认你的火山引擎应用是否已关联了相应的语音技术服务。 * TTS/ASR Timeout: 检查网络连接，确保能访问 openspeech.bytedance.com。 * 飞书发送失败: 确认 openclaw-lark 插件已正确安装并配置了飞书机器人。