Voice Message

核心功能

该技能实现跨平台语音消息自动化发送，覆盖 Telegram、Discord、飞书/Lark、Signal、WhatsApp 等主流渠道。核心链路为：文本 → Microsoft Edge TTS 合成 → OGG/Opus 格式转换 → 平台适配发送。

显著优点：

• 平台深度适配：针对飞书 asVoice=true 不生效的已知限制，提供原生两步 API 调用方案（上传+发送），确保生成语音气泡而非文件附件
• Discord 完整支持：实现语音消息特有字段（waveform 波形、duration_secs、flags=8192），符合官方 API 规范
• 多账户安全隔离：飞书模块支持从 openclaw.json 按 agent 名称读取对应凭证，避免跨应用 open_id 错误
• 音频参数精确控制：通过 ffprobe 提取时长，确保飞书 duration 毫秒级精度，影响消息形态判定

潜在局限与风险：

• 外部依赖：强制依赖 edge-tts、ffmpeg/ffprobe，环境缺失将导致失败
• 凭证管理敏感：飞书 tenant_access_token 需实时获取，脚本中涉及 appSecret 处理，存在泄露风险
• 平台 API 变动：Discord flags、飞书 file_type/opus 等参数为硬编码，若官方调整需紧急更新
• 波形生成开销：Discord 需额外 Python 脚本生成 base64 波形，增加调用复杂度

适用人群：

• 需自动化语音通知的运维/客服团队
• 跨平台 IM 机器人开发者
• 对飞书语音气泡形态有强需求的企业用户

常规风险：

• Token 过期导致发送失败需重试
• 网络波动引起文件上传中断
• 多账户配置错误引发权限拒绝（错误码 99992361）

核心用法

该 Skill 提供完整的语音消息发送解决方案，将文本转换为自然语音并推送至多种即时通讯平台。核心流程分为两步：首先通过 edge-tts 引擎合成语音文件，再针对不同平台的 API 特性进行精准投递。

语音生成：使用 scripts/gen_voice.sh 调用 Microsoft Edge TTS，支持多语言音色（默认中文 XiaoxiaoNeural、英文 JennyNeural），输出标准 OGG/Opus 格式。脚本自动处理文本编码和文件清理，支持通过参数指定目标音色。

平台适配发送：

• 通用渠道（Telegram、Signal、WhatsApp）：直接通过 message 工具设置 asVoice=true 发送
• 飞书/ Lark：因平台限制无法使用通用接口，必须通过原生 API 两步走（上传文件获取 file_key，再以 msg_type=audio 发送），脚本自动处理 duration 检测和参数组装
• Discord：需额外生成波形数据（waveform）并设置消息 flags（8192 = IS_VOICE_MESSAGE），脚本提供 gen_waveform.py 辅助生成符合要求的元数据

显著优点

1. 平台覆盖全面：一套技能打通国内外主流 IM 平台，尤其解决了飞书「语音变文件」的痛点，避免用户收到非预期的附件消息
2. 语音质量优秀：采用微软 Edge 在线 TTS 引擎，中文自然度接近真人，支持多情感风格
3. 工程实践规范：多账号配置支持（channels.feishu.accounts.<agent>）、凭证分级读取（优先匹配当前 agent 配置）、权限安全提示（配置文件 0600 建议）
4. 零敏感硬编码：所有 API 凭证均从本地配置文件动态读取，符合安全最佳实践
5. 依赖成熟稳定：仅依赖 edge-tts、ffmpeg 等社区广泛验证的开源工具，无黑箱组件

潜在缺点与局限性

1. 外部工具依赖：必须预先安装 edge-tts（Python）、ffmpeg/ffprobe，环境配置门槛对非技术用户不友好
2. 网络依赖：Edge TTS 需调用微软在线服务，离线环境或网络受限场景无法使用
3. 平台 API 变更风险：飞书、Discord 等平台的语音消息接口参数较为精细（如 file_type 必须为 opus、flags 必须为 8192），官方调整可能导致功能异常
4. 多账号配置复杂度：虽然支持多账号，但需要用户理解 openclaw.json 的结构层级，配置错误会导致 99992361 open_id cross app 错误
5. 无语音转文字逆向功能：纯单向 TTS，不支持语音消息识别回文本

适合的目标群体

• 自动化运营团队：需要将通知、告警以语音形式推送到企业 IM（尤其适合飞书用户，解决原生工具不支持语音气泡的问题）
• 开发者与 DevOps：构建 ChatOps 机器人，为 CI/CD 流程、监控告警增加语音播报能力
• 多平台内容创作者：统一管理 Telegram、Discord 频道的语音内容分发
• 企业 IT 管理员：需要跨平台消息触达方案，且关注数据安全（无云上传敏感凭证）

使用风险

1. 凭证管理风险：虽然 Skill 本身不存储密钥，但依赖 ~/.openclaw/openclaw.json 中的明文配置，需确保文件权限严格限制（建议 0600），避免共享环境或容器中的凭证泄露
2. 依赖版本兼容性：ffmpeg 版本差异可能导致 duration 检测失败或编码格式不兼容，建议锁定 tested 版本（如 5.x 或 6.x）
3. API 速率限制：频繁发送可能触发飞书、Discord 的流控，生产环境需自行实现退避重试逻辑
4. 微软 TTS 服务稳定性：Edge TTS 非官方稳定 API，存在服务变更或限制风险，关键业务建议准备备选 TTS 方案
5. 日志敏感信息：调试时可能将 access_token 输出到日志，需确保日志收集系统的脱敏策略

总结

voice-message 是一款功能聚焦、工程扎实的语音消息发送技能，特别适合需要跨平台语音触达且优先使用飞书的企业场景。其安全设计（无硬编码凭证、本地配置隔离）和平台适配深度（飞书原生语音气泡、Discord waveform）体现了社区项目的成熟度。建议用户在部署前完成依赖环境标准化，并建立 API 变更的监控机制。