Talk Mode

Talk Mode - 持续对话模式

技能描述： 实现持续的语音对话模式，自动检测说话结束并回复

🎯 功能

核心特性：

• ✅ 自动检测说话开始/结束
• ✅ 持续对话循环
• ✅ 无需手动触发
• ✅ 智能静音检测
• ✅ 流畅的对话体验

工作流程：

1. 检测到说话开始 → 自动录音
2. 检测到说话结束 → 停止录音
3. 语音识别 → AI处理 → 语音回复
4. 循环等待下一次说话

📦 依赖

必需：

• Python 3.12+
• ffmpeg
• webrtcvad（语音活动检测）
• pyaudio（音频输入）
• openai-whisper（语音识别）
• pyttsx3（语音合成）

安装：

# 安装系统依赖
sudo apt install -y ffmpeg portaudio19-dev espeak

# 安装Python依赖
pip install webrtcvad pyaudio openai-whisper pyttsx3

🚀 快速开始

1. 测试VAD检测

python3 skills/talk-mode/scripts/vad_test.py

2. 启动持续对话

python3 skills/talk-mode/scripts/start_talk.py

3. 退出对话

• 说"退出"或"再见"
• 或按Ctrl+C

🔧 配置

对话配置（config.json）：

{
  "vad_mode": 3,
  "silence_duration": 1.0,
  "max_recording_time": 30,
  "sample_rate": 16000,
  "reply_speed": 150
}

参数说明：

• vad_mode: VAD灵敏度（0-3，3最敏感）
• silence_duration: 静音判定时长（秒）
• max_recording_time: 最大录音时长（秒）
• sample_rate: 采样率（16000Hz）
• reply_speed: 回复语速

📝 使用场景

1. 实时对话

   • 持续监听并对话
   • 无需每次点击或唤醒
   • 流畅的交互体验

2. 会议助手

   • 自动记录会议内容
   • 实时转写和总结
   • 语音指令控制

3. 电话客服

   • 自动接听电话
   • 持续对话直到挂断
   • 语音转文字记录

🎨 特色

• ✅ 智能静音检测
• ✅ 自动录音剪辑
• ✅ 流畅对话体验
• ✅ 低延迟响应
• ✅ 支持打断回复

📚 技术细节

VAD检测流程：

音频流 → WebRTC VAD → 判断是否有人说话 → 触发录音

对话循环：

监听 → 检测说话 → 录音 → 识别 → AI处理 → 合成语音 → 播放 → 循环

静音检测算法：

• 使用WebRTC VAD
• 连续N帧静音判定为说话结束
• 可配置静音时长阈值

性能优化：

• 音频缓冲区优化
• 异步处理
• 实时流式识别

🔗 相关技能

• voice-wake：语音唤醒
• voice-chat：语音对话
• speech-recognition：语音识别

📋 开发进度

• 技能框架创建
• VAD检测实现
• 自动录音逻辑
• 对话循环实现
• 与OpenClaw集成
• 测试优化

版本： 1.0.0 创建时间： 2026-03-03 作者： 米粒儿