核心功能与架构
Voice Message 是一款专注于多平台语音消息发送的技能，通过整合微软 Edge TTS 引擎与 FFmpeg 音频处理工具，实现文本到语音的端到端转换与分发。
核心用法
语音生成：调用 scripts/gen_voice.sh 脚本，将文本转换为 Ogg/Opus 格式音频文件，支持中英文及多语言语音角色切换。
渠道分发：
- 通用渠道（Telegram、Signal、WhatsApp）：直接通过 message 工具以
asVoice=true参数发送 - 飞书/ Lark：必须使用专用脚本
send_feishu_voice.sh，因官方 API 不原生支持 asVoice 参数，需手动处理音频上传与消息类型封装 - Discord：需额外生成波形数据（waveform JSON），通过 API 直接发送并附加
IS_VOICE_MESSAGE标志位
显著优点
1. 跨平台兼容性强：覆盖主流 IM 平台，针对性解决各平台 API 差异
2. TTS 质量可靠：基于微软 Edge 在线语音合成，中文 XiaoxiaoNeural 与英文 JennyNeural 音色自然
3. 格式标准统一：统一输出 Ogg/Opus，兼顾压缩率与兼容性
4. 飞书场景刚需：填补了飞书生态中语音消息发送的 tool gap，避免文件附件降级体验
潜在局限与风险
1. 外部依赖链长：需同时维护 edge-tts、ffmpeg、ffprobe 及 Python 环境，部署复杂度较高
2. 网络依赖：Edge TTS 为在线服务，离线环境不可用且存在 API 变更风险
3. Token 管理成本：飞书需自行获取并维护 tenant_access_token，增加运维负担
4. Discord 集成复杂：需额外 Python 脚本处理波形生成，非开箱即用
5. 错误处理薄弱：文档未提及失败重试、语音生成异常等边界情况
适合人群
- 需在飞书工作流中自动化发送语音通知的开发者/运维团队
- 构建多平台客服机器人或通知系统的技术团队
- 已有 ffmpeg 基础环境，追求 TTS 音质的语音应用场景
常规风险提示
- 语音内容可能因平台审核策略被拦截，建议配合敏感词过滤
- 高频调用 Edge TTS 可能触发微软速率限制
- 飞书 token 需安全存储，避免硬编码泄露