Voice Message

核心用法

Voice Message 是一款跨平台语音消息发送工具，集成 Microsoft Edge TTS 与 FFmpeg，实现文本到语音的自动化转换与分发。

功能流程：
1. 语音生成：通过 edge-tts 将文本转换为 OGG/Opus 格式音频，支持多语言语音选择（中文默认 zh-CN-XiaoxiaoNeural，英文默认 en-US-JennyNeural）
2. 渠道适配：

• 通用渠道（Telegram、Signal、WhatsApp 等）：直接调用 message 工具，设置 asVoice=true 即可发送语音气泡
• 飞书/Lark：关键限制——飞书不支持 asVoice=true，必须通过原生 API 分两步（上传+发送），且需严格设置 file_type=opus + msg_type=audio，否则降级为文件附件
• Discord：需额外生成波形数据（waveform），设置 flags=8192（IS_VOICE_MESSAGE），否则报错 50161

多账号支持：飞书配置支持多账号场景，需根据当前 agent 名称从 ~/.openclaw/openclaw.json 中提取对应凭证，避免 99992361 open_id cross app 错误。

显著优点

• 跨平台统一接口：一套文本输入，自动适配多平台语音消息格式
• 高质量语音合成：基于微软 Edge TTS，支持 100+ 种语言和语音风格
• 原生体验保障：飞书、Discord 等平台的特殊处理确保语音气泡而非文件附件
• 企业级多账号：支持多飞书应用配置，适配复杂组织架构

潜在缺点与局限性

• 配置复杂度高：飞书需手动获取 tenant_access_token，Discord 需额外生成波形
• 依赖外部工具：必须预装 edge-tts、ffmpeg、ffprobe，Windows 环境配置较繁琐
• 平台差异大：各渠道实现机制不统一，维护成本较高
• 无实时语音：仅支持预生成音频文件，非实时语音通话

适合人群

• 运维/开发者需要向 IM 渠道发送语音告警或通知
• 客服团队希望自动化语音消息推送
• 多平台运营者需统一管理 Telegram、飞书、Discord 等渠道

常规风险

• 凭证泄露风险：tenant_access_token、BOT_TOKEN 需妥善保管
• API 调用限制：飞书、Discord 均有频率限制，高频场景需控制速率
• 格式兼容问题：Opus 编码参数不当可能导致部分客户端无法播放

核心用法

voice-message 是一个跨平台语音消息发送 Skill，核心 workflow 分为两步：首先通过 edge-tts 将文本合成为 OGG/Opus 格式音频，随后根据目标渠道特性选择对应的发送方式。对于 Telegram、Signal、WhatsApp 等通用平台，可直接使用消息工具的 asVoice=true 参数；而飞书（Feishu/Lark）和 Discord 因 API 限制，需调用平台专属脚本完成上传-发送或附带波形数据的 POST 请求。

飞书场景需特别注意：必须读取 ~/.openclaw/openclaw.json 中的多账号配置获取对应 Agent 的 appId 与 appSecret，换取 tenant_access_token 后，以 file_type=opus + msg_type=audio 的组合发送，否则会以文件附件形式呈现而非语音气泡。Discord 则需额外生成 base64 波形数据并设置 flags: 8192（IS_VOICE_MESSAGE）。

显著优点

1. 多平台原生体验：针对飞书、Discord 等平台的语音消息特性做了深度适配，确保消息以原生语音气泡展示，而非降格为文件附件。
2. 高质量语音合成：底层采用 Microsoft Edge TTS（edge-tts），支持 zh-CN-XiaoxiaoNeural、en-US-JennyNeural 等神经网络语音，自然度接近真人。
3. 多账号隔离机制：飞书凭证按 Agent 名分级存储，避免跨应用 open_id 错误，适合多机器人共存的复杂部署场景。
4. 自动化脚本封装：gen_voice.sh、send_feishu_voice.sh、gen_waveform.py 等脚本屏蔽了底层 ffprobe 时长计算、curl 构造等繁琐细节，降低使用门槛。

潜在缺点与局限性

1. 外部依赖较重：必须预装 edge-tts、ffmpeg/ffprobe，且需在环境变量或配置文件中维护飞书/Discord 的 API 凭证，部署成本高于纯内置方案。
2. 飞书凭证读取风险：读取用户家目录下的 JSON 配置文件获取敏感信息，若文件权限配置不当（非 600）可能导致凭证泄露；且当前未支持环境变量备选方案。
3. Subprocess 调用隐患：多处使用 shell 子进程调用外部工具，虽经审查无直接注入漏洞，但缺乏严格的参数转义和长度限制，极端输入下存在理论风险。
4. 社区维护属性：作为 T3 来源的个人/社区项目，无顶级基金会背书，版本更新和安全补丁依赖维护者个人精力，长期稳定性存疑。
5. 隐私合规待完善：语音文本内容临时落盘，文档未明确数据保留策略和 GDPR 场景下的用户同意机制。

适合的目标群体

• 多平台运营团队：需在 Telegram、飞书、Discord 等渠道统一推送语音通知的社群运营、客服机器人开发者。
• 自动化工作流构建者：将语音播报集成到 CI/CD 告警、IoT 设备状态通知等场景的 DevOps 工程师。
• 无障碍需求开发者：为视障用户或特定场景提供语音化信息播报的辅助功能开发者。

使用风险

• 配置文件泄露：~/.openclaw/openclaw.json 若权限设置宽松，可能导致飞书应用凭证被同服务器其他用户读取。
• 网络超时与重试缺失：当前 curl 调用未配置超时和重试，弱网环境下可能长时间挂起或失败。
• 临时文件残留：虽已实现 trap EXIT 清理，但若脚本被强制终止（SIGKILL）仍可能残留临时音频文件。
• 平台 API 变更：飞书/Discord API 升级可能导致脚本失效，需关注官方变更公告并及时更新。