核心用法
jarvis-voice 通过本地 sherpa-onnx 离线TTS引擎，将AI回复转化为具有JARVIS电影质感的语音输出。核心工作流为"先声后文"的混合输出模式：先后台执行 jarvis 命令触发语音合成与播放，再在回复中渲染 **Jarvis:** *文本* 的紫色斜体转录。语音采用 Piper en_GB-alan-medium 英式男声模型，速度提升至2倍（--vits-length-scale=0.5），并通过ffmpeg效果链实现标志性音色：5%音高提升、镶边金属感、15ms回声、200Hz高通滤波+6dB高频增强。
显著优点
- 完全离线：依赖 sherpa-onnx 本地推理，零网络延迟、零API费用、隐私数据不出境
- 电影级质感：精心调参的音效链模拟钢铁侠JARVIS的HUD语音风格，辨识度极高
- 平台适配：支持Linux桌面端（aplay播放）与WhatsApp/telegram（OGG/Opus导出）双模式
- 低资源占用：单次推理<1秒，背景执行不阻塞主响应流
潜在局限与风险
- 语言锁定：Alan模型仅支持英语，非英语内容需翻译为英文输出
- Linux限定：依赖ALSA (
aplay) 与 ffmpeg，macOS/Windows需额外适配 - 硬编码路径：脚本内嵌
$HOME/.openclaw/tools/sherpa-onnx-tts/路径，自定义安装需重写脚本 - 字符限制：建议≤1500字符，超长文本将截断
- 无语音打断：不支持TTS中断或实时语速调节
适合人群
- 开源AI助手开发者追求差异化交互体验
- 钢铁侠/JARVISIP粉丝构建主题化AI伴侣
- 隐私敏感场景需完全离线TTS方案的技术用户
- OpenClaw生态深度用户配合记忆、幽默等技能构建完整人格
常规风险
- 音频设备冲突：
aplay硬编码plughw:0,0，多声卡环境可能静默失败 - LD_LIBRARY_PATH污染：脚本修改全局库路径，与其他本地AI工具链可能存在冲突
- 临时文件未清理：极端情况下
/tmp/jarvis_*.wav残留 - 依赖版本锁定：sherpa-onnx模型格式与特定版本绑定，升级需同步验证