Feishu Voice Advanced 🎙️

让 OpenClaw 听懂你的声音，感受你的情绪
Let OpenClaw hear your voice, feel your emotion

飞书语音消息高级处理 Skill，支持接收语音、语音识别(ASR)、语音合成(TTS)发送语音消息，支持智能情绪播报。

触发条件

当用户说以下话时，自动使用此 Skill：

• "发语音给..."
• "用语音回复"
• "发送语音消息"
• "voice message"
• "send voice"
• 任何包含"语音"+"发送/发/回复"的请求

AI 使用方法

当触发条件满足时，使用以下方式发送语音：

import sys
sys.path.insert(0, 'scripts')
from feishu_voice import send

# 发送语音消息
send(
    text="要播报的内容",
    user_input="用户的原始请求（用于情绪感知）"
)

参数说明：

• text: AI 生成的播报内容
• user_input: 用户的原始输入，用于让豆包感知情绪（可选）

示例：

# 用户说："用激动的语气发语音说项目成功了"
send(
    text="项目成功了！我们超额完成了目标！",
    user_input="用激动的语气发语音说项目成功了"
)

功能特性

• 🎙️ 接收语音消息 - 自动接收飞书语音消息
• 🎯 语音识别(ASR) - 使用豆包极速版 ASR 将语音转为文字
• 🗣️ 语音合成(TTS) - 使用豆包 TTS 2.0 生成语音
• 🎭 智能情绪播报 - 使用 context_texts 让模型自动判断情绪

情绪控制规则 (V1.1)

核心原则

默认使用引用上文，让豆包模型从用户输入中自动感知情绪。

两层逻辑

工作原理

• text: AI 生成的实际播报内容
• context_texts: 用户原始输入，作为情绪参考（不计费）

豆包模型从 context_texts 中理解语境情绪，用相应语气播报 text。

使用方法

1. 接收并识别语音

from feishu_voice import FeishuVoice

voice = FeishuVoice()
text = voice.recognize_voice("/path/to/audio.ogg")
print(f"识别结果: {text}")

2. 发送语音消息（推荐方式）

from feishu_voice import send

# 方式1：AI生成内容 + 用户输入（用 context_texts）
# 模型从 user_input 中感知情绪，用相应语气播报 text
send(
    text="对不起桥总，是我太笨了，我深刻检讨！",
    user_input="你怎么回事，这么笨，给我做个检讨"
)

# 方式2：显式指令（不用 context_texts）
send("[#用激动的语气说]我们成功了！")

3. 完整示例

from feishu_voice import FeishuVoice

voice = FeishuVoice()

# 场景1：被批评后检讨
user_input = "你真笨，这么点事都做不好，用飞书语音给我发一段检讨"
ai_response = "桥总，对不起！我确实太笨了，连这么简单的事情都做不好。我深刻反省，一定改进！"
voice.send_voice(ai_response, user_input=user_input)

# 场景2：被表扬后汇报
user_input = "你真棒，汇报一下本周成果"
ai_response = "本周我们完成了三个重要项目，超额完成目标！"
voice.send_voice(ai_response, user_input=user_input)

# 场景3：显式指令
voice.send_voice("[#用低沉沙哑的语气说]高兄，你看这烛火，要灭了...")

API 说明

send(text, receive_id, emotion, user_input)

发送语音消息（便捷函数）

FeishuVoice.send_voice(text, receive_id, emotion, user_input)

类方法，功能同上。

FeishuVoice.generate_voice(text, emotion, context)

生成语音文件，返回 Opus 文件路径。

FeishuVoice.recognize_voice(audio_path)

识别语音文件，返回文字。

技术细节

TTS Payload 结构

{
  "user": {"uid": "12345"},
  "event": 100,
  "req_params": {
    "text": "实际播报内容",
    "speaker": "zh_male_m191_uranus_bigtts",
    "audio_params": {
      "format": "mp3",
      "sample_rate": 24000
    },
    "additions": "{\"context_texts\": [\"用户原始输入\"]}"
  }
}

注意： additions 必须是 JSON 字符串，不是 object。

与 [#...] 语法的区别

推荐使用 context_texts，更灵活自然。

配置

⚠️ 使用前必须配置：修改 scripts/feishu_voice.py 中的 API 密钥

# 豆包 ASR 配置 (从火山引擎获取)
ASR_APP_ID = "your-asr-app-id"
ASR_ACCESS_KEY = "your-asr-access-key"

# 豆包 TTS 配置 (从火山引擎获取)
TTS_APP_ID = "your-tts-app-id"
TTS_ACCESS_KEY = "your-tts-access-key"

# 飞书配置 (从飞书开放平台获取)
FEISHU_APP_ID = "your-feishu-app-id"
FEISHU_APP_SECRET = "your-feishu-app-secret"

依赖

• ffmpeg（用于音频格式转换）
• Python 3.8+

安装 | Installation

cd scripts
chmod +x install.sh
./install.sh

Dependencies: ffmpeg, Python 3.8+

Note: Scripts are located in the scripts/ directory.

更新日志

V1.1.1 (2026-03-22)

• 安全配置：移除示例中的真实 APP_ID，改为占位符
• 新增配置说明文档，引导用户配置自己的 API 密钥

V1.1 (2026-03-22)

• 新增 context_texts 支持，使用豆包引用上文功能
• 改进情绪控制逻辑：默认使用引用上文，让模型自动判断情绪
• 简化 API：user_input 参数替代复杂的情绪映射
• 修复 additions 格式问题（必须是 JSON 字符串）

V1.0

• 基础语音收发功能
• ASR 语音识别
• TTS 语音合成
• 简单情绪映射

EOF