Feishu Edge TTS Voice

核心用法

feishu-voice 是一个自动化语音消息发送技能，主要解决飞书 IM 场景下的 TTS 语音合成与格式兼容问题。核心流程为：Edge TTS 生成 MP3 → ffmpeg 转码为 Opus（飞书音频标准格式）→ 飞书 API 上传获取 file_key → 以 msg_type=audio 发送语音气泡消息。

触发条件：用户明确要求"语音回复""发语音消息""TTS 朗读"时自动调用。

关键约束：必须使用 audio 消息类型而非普通文件上传，否则消息显示为附件而非可播放的语音气泡。

显著优点

1. 零成本无限调用：依赖微软 Edge TTS（基于 Azure 认知服务），完全免费且无次数限制，相比百度/讯飞等商用 API 节省大量成本。
2. 格式全自动处理：内置 ffmpeg 转码流水线，用户无需手动处理音频格式兼容问题。
3. 音色丰富可扩展：默认"云希"（活泼阳光男声），支持 10+ 中文音色，通过 --voice 参数快速切换，覆盖客服、播报、娱乐等多场景。
4. 原生飞书集成：直接复用 openclaw.json 中的飞书应用凭证，无需额外配置。

潜在局限与风险

| 风险点 | 说明 |

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

| 外部依赖稳定性 | Edge TTS 为微软服务，存在网络延迟或政策变更风险 |

| 音频质量上限 | 免费版音质 24kHz，略低于商用 TTS 的高清版本 |

| 隐私合规 | 文本内容需经过微软服务器处理，敏感内容需谨慎 |

| 系统依赖 | 要求预装 ffmpeg，部分精简环境需手动部署 |

适合人群

• 企业运营/客服团队：需批量发送语音通知但预算有限
• 开发者：构建飞书机器人时的低成本 TTS 方案
• 个人效率用户：偏好语音消息交互场景

安全等级说明

需访问外部网络（Edge TTS API）及飞书开放 API，数据经第三方服务器处理，故安全评级为 A（可控风险）。建议对敏感内容启用本地 TTS 备选方案。

核心用法

feishu-voice 是一个将文字转换为语音并通过飞书发送的自动化技能。其工作流程简洁高效：首先利用微软 Edge TTS 将输入文本合成为 MP3 音频，接着通过 ffmpeg 将其转码为飞书要求的 OPUS 格式，随后调用飞书开放平台 API 完成文件上传获取 file_key，最终以 msg_type=audio 的形式将语音消息推送给指定用户。整个过程通过命令行脚本一键完成，支持多种中文音色切换，默认采用活泼阳光的"云希"男声。

显著优点

1. 零成本语音合成：依托微软 Edge TTS 免费无限次调用，无需承担传统 TTS 服务的 API 费用。
2. 原生飞书体验：通过 msg_type=audio 发送，接收方看到的是标准语音气泡，而非普通文件附件，交互体验更佳。
3. 音色丰富可选：内置云希、云间、云夏、云扬、小小、小艺等多种中文音色，覆盖活泼、专业、温柔、可爱等场景需求。
4. 配置灵活安全：飞书凭证从独立配置文件读取，避免硬编码泄露风险。

潜在缺点与局限性

1. 外部命令依赖：核心流程依赖 subprocess 调用 curl 和 ffmpeg，存在命令注入理论风险，且要求目标环境预装这些工具。
2. T3 来源可信度：由个人开发者 dadaniya99 维护，无组织背书，代码审查和长期维护能力存疑。
3. 输入验证薄弱：未对文本长度、open_id 格式、音色名称进行严格校验，可能引发 API 调用失败或 TTS 错误。
4. 平台锁定：仅支持飞书生态，无法直接迁移至企业微信、钉钉等其他平台。

适合的目标群体

• 运营与客服团队：需要批量发送语音通知、活动播报、催办提醒等场景。
• 中小企业 IT 管理员：希望低成本接入飞书语音能力，快速搭建内部通知机器人。
• 自动化爱好者：已有 OpenClaw 或类似 Agent 框架基础，希望扩展语音交互能力的开发者。

使用风险

1. 供应链风险：edge-tts 虽来自微软官方，但 ffmpeg 和 curl 的版本差异可能导致兼容性问题。
2. 凭证泄露风险：配置文件若权限设置不当（未 chmod 600）可能被其他用户读取。
3. API 配额消耗：飞书开放平台对文件上传和消息发送有频率限制，高频使用可能触发限流。
4. 音频质量波动：Edge TTS 为免费服务，微软可能调整服务策略或限速，影响稳定性。