dvcrn 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
# 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：
- 访问 https://open.feishu.cn/app/
- 进入你的应用 → 凭证与基础信息
- 复制 App Secret
2. 接收语音（自动转文字）
# 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
# 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
# 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
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
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
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
{
"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
# 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
# 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
# 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
- 音频格式：飞书语音消息支持 opus/ogg 格式，脚本会自动转换
- 文件大小：单条语音建议不超过 10MB
- 语速范围：支持 -50% 到 +100%，建议 +20% 左右最自然
- 网络要求：发送语音需要访问飞书API（国内网络即可）
- 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
# 手动下载模型
python3 -c "import whisper; whisper.load_model('base')"
飞书API返回错误
- 检查 App Secret 是否正确配置
- 检查接收者ID格式（应以
ou_开头） - 检查音频文件格式是否为 opus/ogg
Edge-TTS安装失败
# 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：
# 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