TinkerClaw Jarvis Voice

核心功能

jarvis-voice 是一款为OpenClaw代理打造的离线语音合成技能，通过整合sherpa-onnx本地TTS引擎（Piper en_GB Alan语音模型）与ffmpeg音频处理链，赋予AI代理具有辨识度的"JARVIS式"声音特征。

技术实现

• 语音合成：基于sherpa-onnx的VITS模型，采用英国男性Alan音色，语速2倍加速(--vits-length-scale=0.5)，纯离线运行
• 音效处理：ffmpeg多阶段处理链——音高提升5%（紧缩感）、镶边效果（金属光泽）、15ms回声（机械共鸣）、高通200Hz+高音增强6dB（HUD清晰度）
• 输出方式：通过aplay直接播放至默认音频设备，或使用jarvisshell命令在后台异步执行

使用模式

采用"混合输出"设计：先执行exec(command='jarvis "文本"', background=true)触发语音，再以**Jarvis:** *文本*格式输出可见转录。Webchat界面自动渲染为紫色斜体样式，非网页端保持粗体斜体兼容。

幽默人格集成

该技能并非单纯语音工具，而是与ai-humor-ultimate配套的认知架构组件。内置四种研究验证的喜剧模式：干冷机智（dry wit）、AI自我认知（self-aware AI）、外星观察者视角（alien observer）、习语字面拆解（literal idiom play），频率设为最大值。

显著优点

• 完全离线：无需网络连接，无云端API依赖，隐私数据零外传
• 确定性执行：jarvis脚本参数固定，无动态命令注入风险
• 低延迟：本地TTS+后台播放，语音与文本几乎同步感知
• 高度可定制：ffmpeg效果链、语音模型、语速参数均可调整
• 生态整合：与OpenClaw工作区注入机制配合，通过VOICE.md/SESSION.md/HUMOR.md模板实现会话级自动激活

局限性与风险

• 英语唯一：Alan模型不支持多语言，非英语内容需先翻译
• Linux限定：依赖ALSA (aplay)，macOS/Windows需额外适配
• 环境依赖重：需预装sherpa-onnx运行时、ffmpeg、配置SHERPA_ONNX_TTS_DIR环境变量
• 硬件耦合：默认使用plughw:0,0设备，多声卡环境需手动调整
• 字符限制：单次语音≤1500字符，长文本需分段处理
• 无权限隔离：脚本以用户级权限运行，虽无提权设计但亦无沙箱保护

适合人群

• 构建本地化AI助手、追求《钢铁侠》JARVIS沉浸体验的技术爱好者
• 对语音隐私敏感、拒绝云端TTS服务的用户
• 已部署OpenClaw生态、希望扩展多模态交互的开发者
• 具备Linux系统管理基础、能独立排查音频子系统问题的用户

安全评估

该技能的安全设计偏向"确定性透明"：命令固定、开源可审计、无网络行为。主要风险集中于供应链（从GitHub Releases下载模型包）和本地环境配置。建议用户在首次使用前审阅jarvis脚本内容，确认无恶意代码植入。

核心用法

jarvis-voice 是一套人格化语音技能，通过本地离线TTS（sherpa-onnx）和ffmpeg音频处理，为AI代理赋予类似《钢铁侠》中JARVIS的英式男声与冷幽默人格。使用时需通过 exec(command='jarvis "文本"', background=true) 触发语音播放，同时输出 **Jarvis:** *文本* 格式的紫色斜体转录。

显著优点

1. 完全离线隐私安全：基于sherpa-onnx的Piper TTS引擎和本地ffmpeg处理，零云端依赖，无数据外泄风险
2. 人格化体验深度：不仅提供语音，更整合了四种研究-backed幽默模式（冷幽默、AI自反、外星观察者、习语字面解读），参考LIMBIC计算幽默论文
3. 专业音频质感：ffmpeg效果链包含音高提升5%、镶边器、15ms回声、高通滤波+6dB高音增强，呈现标志性的"HUD界面"金属感
4. 混合输出架构：语音优先于文本渲染，配合自动紫色CSS样式，实现影院级沉浸体验
5. 模块化生态：可与ai-humor-ultimate等技能组合，构建完整的认知架构

潜在缺点与局限性

1. 平台受限：仅支持Linux（依赖ALSA的aplay），macOS/Windows用户无法直接使用
2. 英语唯一：Alan语音模型仅限英式英语，其他语言需翻译摘要
3. T3来源风险：社区个人项目(globalcaos)维护，无企业级SLA保障
4. 配置复杂度：需手动部署jarvis脚本、下载模型、配置环境变量，非开箱即用
5. 字符限制：单次语音≤1500字符，长内容需分段
6. 无自动触发：必须显式调用exec，服务器端hook已被禁用

适合人群

• Iron Man/JARVIS影迷寻求角色扮演沉浸感
• 本地隐私优先用户（医疗、法律、金融场景）
• 开源AI架构研究者（附带学术论文和12技能认知架构）
• Linux技术用户具备shell脚本调试能力

常规风险

| 风险项 | 等级 | 说明 |

|--------|------|------|

| exec调用本地脚本 | 低 | 参数固定，仅传递文本至TTS，已在文档明确披露 |

| 外部模型下载 | 低 | GitHub/K2-FSA官方来源，HTTPS传输，建议校验SHA256 |

| 来源可信度 | 中 | T3社区项目，需关注后续更新 |

| 依赖可用性 | 中 | sherpa-onnx/ffmpeg/aplay缺一不可 |

建议首次使用前审查 ~/.local/bin/jarvis 脚本内容，确认无额外网络/文件操作。