Telegram Voice Group

核心功能

Telegram 群组语音消息发送工具是一款面向 OpenClaw 生态的自动化技能，核心功能是将文本转换为高质量语音并发送至指定 Telegram 群组或话题。该技能采用 Microsoft Edge-TTS 引擎生成自然流畅的中文语音，通过 FFmpeg 自动转换为 Telegram 兼容的 OGG Opus 格式，最终以语音气泡形式呈现，而非普通文件附件。

显著优点

技术集成度高：自动完成 TTS 生成、格式转换、消息发送的全流程，无需人工干预。Edge-TTS 提供接近真人的语音质量，支持语速调节（如 +5% 倍速）。

话题级会话隔离：创新性地将 Telegram 话题功能与 OpenClaw 会话系统深度整合，每个话题拥有独立的上下文 agent:main:telegram:group:{groupId}:topic:{threadId}，可实现类似 Discord 频道的多频道管理能力，支持不同话题配置不同 AI 模型。

格式智能清洗：自动过滤 Markdown 标记、URL 链接和特殊符号，避免语音朗读时出现尴尬的标记符号。

潜在局限

依赖外部工具链：必须同时安装 edge-tts 和 ffmpeg，部署环境受限（仅支持 Linux）。

权限配置复杂：需要机器人具备群组管理员权限，且需手动获取群组 ID 和话题序号，对非技术用户门槛较高。

语音引擎单一：目前仅明确支持 Edge-TTS，未提及其他 TTS 引擎或自定义语音克隆能力。

无内置速率限制：高频发送可能触发 Telegram API 限制，但文档未提及防护机制。

适合人群

• 运营 Telegram 社区的管理员，需要自动化语音播报
• 搭建多话题 AI 客服系统的开发者
• 希望用语音替代文字通知的企业内训场景
• 已部署 OpenClaw 且熟悉 Linux 环境的技术用户

常规风险

• 临时文件若未正常清理可能导致磁盘堆积
• 权限配置不当可能暴露群组管理功能
• 语音内容未经审核可能违反平台社区准则
• 硬编码的会话键格式若变更将导致功能失效

核心用法

Telegram Voice Group 是一款专为 Telegram 群组设计的语音消息自动化工具，核心功能是将文本转换为高质量中文语音并发送至指定群组或话题。用户通过自然语言指令（如"向 agent:main:telegram:group:{groupId}:topic:{threadId} 发送语音: 内容"）或代码调用（sessions_spawn、sendVoiceToTelegramGroup）触发服务。

技术实现上，工具首先调用 Microsoft Edge-TTS 生成 MP3 格式语音，再通过 FFmpeg 转换为 Telegram 兼容的 OGG Opus 格式（48k 比特率、单声道、48kHz），最终通过 OpenClaw Core 的消息接口以语音气泡形式发送。关键特性包括话题独立上下文——每个话题拥有隔离的会话历史与模型配置，可有效替代 Discord 频道的组织功能。

显著优点

1. 高质量中文语音：基于微软 Edge-TTS，支持多种中文音色与语速调节
2. 话题隔离架构：多话题并行运行，上下文互不干扰，适合大型社区分频道管理
3. 零依赖攻击面：无第三方 npm 依赖，依赖风险完全可控
4. 文本智能清洗：自动移除 Markdown、URL、特殊符号，避免朗读异常

潜在缺点与局限性

• 外部二进制依赖：需预装 ffmpeg 与 edge-tts，部署门槛较高
• 命令注入风险（已缓解）：当前使用字符串拼接执行外部命令，虽经输入清洗，仍建议后续升级为参数化调用
• T3 来源可信度：个人开发者维护，建议关键场景人工复核
• 无输入长度限制：超长文本可能导致临时文件过大

适合人群

• Telegram 社区运营者：需向多话题群组广播通知或欢迎消息
• Discord 迁移用户：希望用 Telegram 话题替代频道功能
• 自动化工作流开发者：需要将文本通知转为语音触达的场景

常规风险

• 语音内容需符合群组规范，避免滥用导致封禁
• 机器人权限配置不当可能导致发送失败
• 临时文件未清理可能占用磁盘空间（已实现自动清理）