Li Feishu Audio - 飞书语音交互技能#

快速开始#

本技能提供完整的飞书语音交互能力：

text

用户语音 → faster-whisper 识别 → AI 处理 → Edge TTS 合成 → OPUS 转换 → 飞书发送

日志管理#

所有调试信息自动记录到日志文件，不会发送给用户

• 日志目录: /tmp/openclaw/
• 日志文件: 按日期自动创建（如 openclaw-2026-03-22.log）
• 自动清理: 每天凌晨 2 点清理旧文件，每周日凌晨 3 点清理 7 天前日志

详见： scripts/LOGGING.md

核心组件#

1. 语音识别 (fast-whisper)#

脚本: scripts/fast-whisper-fast.sh

用法:

bash

./scripts/fast-whisper-fast.sh <音频文件.ogg>

配置:

• 模型：faster-whisper tiny/base/small/medium（可配置）
• 语言：中文 (zh)
• 模型目录：可配置（环境变量 FAST_WHISPER_MODEL_DIR）
• 虚拟环境：技能目录下的 .venv（自动创建）

模型选择:

bash

# 安装时选择模型
./scripts/install-with-model-choice.sh

# 或编辑 .env 文件
WHISPER_MODEL=base  # tiny/base/small/medium

详见： scripts/MODEL_CHOICE.md

2. 语音合成 (Edge TTS)#

脚本: scripts/tts-voice.sh

用法:

bash

./scripts/tts-voice.sh "文本内容" [输出文件.mp3]

配置:

• 音色：zh-CN-XiaoxiaoNeural (中文女声)
• 输出格式：MP3 (自动转换为 OPUS)
• 虚拟环境：技能目录下的 .venv（自动创建）

3. 飞书语音发送#

脚本: scripts/feishu-tts.sh

用法:

bash

./scripts/feishu-tts.sh <音频文件.mp3> [用户 ID]

配置:

• 飞书 AppID: 从环境变量或 openclaw.json 读取
• 音频格式：OPUS (48kHz, 自动转换)
• 消息类型：audio

4. 自动清理#

脚本: scripts/cleanup-tts.sh

用法:

bash

./scripts/cleanup-tts.sh [保留数量]

定时任务: 每天凌晨 2 点自动执行

完整工作流#

接收用户语音消息#

1. 飞书收到语音消息（OGG/OPUS 格式）
2. 保存到 OpenClaw 媒体目录（自动处理）
3. 调用 fast-whisper-fast.sh 识别

生成回复#

1. 识别结果发送给大模型
2. 大模型生成文字回复
3. 调用 tts-voice.sh 生成语音

发送语音回复#

1. TTS 生成 MP3 文件
2. sendMediaFeishu 自动转换为 OPUS
3. 通过飞书 API 发送语音消息

环境要求#

系统依赖#

bash

# Python
Python 3.11+
uv 包管理器

# 音频处理
ffmpeg (支持 OPUS 编码)
jq (JSON 处理)

# 飞书 API
飞书开放平台应用凭证

Python 环境#

bash

# 虚拟环境
技能目录/.venv （自动创建）

# 已安装包
faster-whisper==1.2.1
edge-tts==7.2.7

模型文件#

bash

# 语音识别模型
$FAST_WHISPER_MODEL_DIR/models--Systran--faster-whisper-tiny/

配置说明#

飞书凭证#

方法 1: 环境变量（推荐）

创建 .env 文件：

bash

export FEISHU_APP_ID="cli_xxx"
export FEISHU_APP_SECRET="xxx"

方法 2: openclaw.json

json

{
  "channels": {
    "feishu": {
      "enabled": true,
      "appId": "cli_xxx",
      "appSecret": "xxx"
    }
  }
}

⚠️ 安全提示：不要将凭证提交到版本控制系统！

自定义目录（可选）#

在 .env 文件中配置：

bash

# 模型目录（默认：$HOME/.fast-whisper-models）
export FAST_WHISPER_MODEL_DIR="/opt/fast-whisper-models"

# 虚拟环境目录（默认：技能目录/.venv）
export VENV_DIR="/path/to/venv"

# 临时文件目录（默认：/tmp）
export TEMP_DIR="/tmp"

# 日志目录（默认：技能目录/logs）
export LOG_DIR="/path/to/logs"

# OpenClaw 配置路径（默认：$HOME/.openclaw/openclaw.json）
export OPENCLAW_CONFIG="$HOME/.openclaw/openclaw.json"

TTS 配置#

json

{
  "messages": {
    "tts": {
      "auto": "always",
      "provider": "edge",
      "edge": {
        "enabled": true,
        "voice": "zh-CN-XiaoxiaoNeural",
        "lang": "zh-CN"
      }
    }
  }
}

脚本说明#

fast-whisper-fast.sh#

bash

#!/bin/bash
# 语音识别脚本
export HF_ENDPOINT=https://hf-mirror.com  # 国内镜像
VENV_PYTHON="技能目录/.venv/bin/python"  # 由 install.sh 自动配置

# 用法
./fast-whisper-fast.sh <音频文件>

输出格式:

text

[0.00s -> 2.32s] 识别的文本内容

tts-voice.sh#

bash

#!/bin/bash
# TTS 语音生成脚本
export HF_ENDPOINT=https://hf-mirror.com
VENV_PYTHON="技能目录/.venv/bin/python"

# 用法
./tts-voice.sh "文本内容" [输出文件.mp3]

feishu-tts.sh#

bash

#!/bin/bash
# 飞书语音发送脚本
# 自动转换 MP3 → OPUS

# 用法
./feishu-tts.sh <音频文件.mp3> [用户 ID]

转换参数:

bash

ffmpeg -y -i input.mp3 -acodec libopus -ar 48000 -ac 1 output.opus

cleanup-tts.sh#

bash

#!/bin/bash
# TTS 临时文件清理脚本

# 用法
./cleanup-tts.sh [保留数量]  # 默认保留 10 个

# 定时任务（crontab）
0 2 * * * ./cleanup-tts.sh 10

故障排查#

语音识别失败#

问题: 无法识别语音内容

检查:

1. 模型是否下载： ls $FAST_WHISPER_MODEL_DIR/
2. 虚拟环境： 技能目录/.venv/bin/python --version
3. 网络： export HF_ENDPOINT=https://hf-mirror.com

TTS 生成失败#

问题: 无法生成语音文件

检查:

1. edge-tts 安装： uv pip list -p 技能目录/.venv | grep edge
2. 网络连接：Edge TTS 需要访问微软服务
3. 输出目录权限

飞书发送失败#

问题: 语音消息发送失败

检查:

1. 凭证配置： echo $FEISHU_APP_ID
2. 音频格式：必须是 OPUS
3. 用户 ID 类型：使用 open_id

性能指标#

操作耗时语音识别 (tiny)8-10 秒TTS 生成3-5 秒OPUS 转换<1 秒飞书上传~2-3 秒总计****~15 秒

最佳实践#

语音质量#

1. 录音环境: 安静环境，减少背景噪音
2. 说话速度: 正常语速，避免过快
3. 音频格式: 飞书自动发送 OPUS 格式

文件管理#

1. 定期清理: 每天凌晨自动清理
2. 保留策略: 保留最近 10 个 TTS 目录
3. 空间上限: 100MB 自动清理

错误处理#

1. 识别误差: 允许用户文字补充
2. 发送失败: 降级为文字回复
3. 超时处理: 设置合理超时时间

扩展功能#

添加新音色#

编辑 tts-voice.sh:

python

# 中文男声
communicate = edge_tts.Communicate(TEXT, "zh-CN-YunxiNeural")

# 英文女声
communicate = edge_tts.Communicate(TEXT, "en-US-MichelleNeural")

调整语速音调#

python

# 在 edge_tts 中调整
communicate = edge_tts.Communicate(
    TEXT,
    "zh-CN-XiaoxiaoNeural",
    rate="+10%",   # 语速
    pitch="-5%"    # 音调
)

支持更多语言#

修改 fast-whisper-fast.sh:

bash

# 多语言识别
model.transcribe("$AUDIO_FILE", language="auto")

相关文件#

• 配置: .env 文件或 openclaw.json
• 脚本: 技能目录下的 scripts/
• 模型: 可配置（ FAST_WHISPER_MODEL_DIR，默认 $HOME/.fast-whisper-models）
• 临时文件: 可配置（ TEMP_DIR，默认 /tmp）
• 虚拟环境: 可配置（ VENV_DIR，默认 技能目录/.venv）
• 日志: 可配置（ LOG_DIR，默认 技能目录/logs）

版本信息#

• 技能版本: 0.1.3.1
• 作者: 北京老李 (BeijingLL)
• faster-whisper: 1.2.1
• edge-tts: 7.2.7
• Python: 3.11

安全与供应链#

必需的凭证#

变量名必需说明FEISHU_APP_ID✅飞书应用 ID (cli_xxx)FEISHU_APP_SECRET✅飞书应用密钥FAST_WHISPER_MODEL_DIR❌模型目录，默认 ~/.fast-whisper-models``VENV_DIR❌虚拟环境目录，默认技能目录下 .venv``TEMP_DIR❌临时文件目录，默认 /tmp``OPENCLAW_CONFIG❌OpenClaw 配置路径LOG_DIR❌日志目录，默认技能目录下 logs

外部依赖说明#

HuggingFace 镜像: 默认使用 https://hf-mirror.com 加速国内下载，可通过环境变量 HF_ENDPOINT 修改。

uv 安装: install.sh 会在未安装 uv 时提示安装命令。建议从官方源验证后再执行。

Microsoft Edge TTS: TTS 服务调用微软 Azure 语音服务，需要网络访问。

安全说明#

凭证管理#

• ✅ 使用环境变量存储敏感凭证
• ✅ 不要将 .env 提交到版本控制
• ✅ 将 .env 加入 .gitignore

路径配置#

• ✅ 使用可配置的路径（环境变量）
• ✅ 避免硬编码个人路径
• ✅ 使用相对路径或系统级目录

临时文件#

• ✅ 定期清理临时文件
• ✅ 使用系统临时目录 /tmp/
• ✅ 设置合理的保留策略

---

⚠️ 安全注意事项#

1. 修复脚本风险#

⚠️ 注意: fix-debug-leak.sh 脚本会修改其他 OpenClaw 扩展的源码。

• 此脚本用于修复飞书/Q4Bot 的调试信息泄露问题
• 会修改 /root/.openclaw/extensions/qqbot/ 等扩展
• 建议: 仅在确认需要时使用，并在测试环境验证

2. 模型镜像#

默认使用 https://hf-mirror.com 镜像下载模型。

• 如需使用官方镜像，在 .env 中设置：

bash

export HF_ENDPOINT=https://huggingface.co

3. 凭证安全#

• 优先使用环境变量设置凭证
• 读取 openclaw.json 时可能接触其他账户凭证
• 多 Agent 模式下会自动读取对应账户配置

4. 生产环境建议#

• ✅ 在测试环境先验证
• ✅ 仔细审查所有脚本
• ✅ 使用环境变量存储凭证
• ✅ 定期更新依赖