Speak Skill 是 OpenClaw 生态中的语音输出自适应模块，核心功能是通过观察用户反馈自动学习并配置 TTS（文本转语音）参数。其设计亮点在于"渐进式学习"机制：系统通过捕捉用户对语音输出的反馈模式（如重复修改、明确指令或隐式偏好），在检测到2次以上一致信号后确认偏好设定，避免过早固化错误假设。
核心用法：该 Skill 维护四个配置维度——Voice（指定 TTS 引擎与声线，如"openai: tts-1-hd"）、Style（沟通风格特质，如"casual"或"professional"）、Spoken Text（输出格式规则，如"avoid emojis"）、Avoid（明确排斥的元素）。配置采用延迟写入策略，空字段表示尚未建立可靠偏好。
显著优点：① 零配置启动，降低初期使用门槛；② 镜像学习机制使 AI 语音风格自然贴近用户习惯；③ 模块化设计兼容多平台（Linux/macOS/Windows），与 config.md 中的 TTS 基础设施解耦。
潜在局限：依赖用户反馈信号的质量与频次，沉默用户可能长期无法触发偏好学习；未内置冲突解决机制，若用户前后偏好矛盾需人工介入；"ultra-compact"存储格式限制了复杂规则的表达能力。
适合人群：高频使用语音交互、对 AI 语音人格化有明确偏好的重度用户；需要统一多场景语音风格的团队管理员。
常规风险：TTS 配置可能含敏感服务商 API 密钥（需参考 config.md），存储文件若未加密存在凭证泄露风险；自动学习的偏好可能被 prompt 注入攻击恶意操纵。