voice-wake-say

核心用法

Voice Wake Say 是一个专为 macOS 设计的语音交互增强技能。当检测到用户通过 Voice Wake（语音唤醒）功能发起对话时（即消息以 "User talked via voice recognition on m3" 开头），该技能会自动调用 macOS 内置的 say 命令，将助手的文本回复转换为语音朗读。

工作流程分为三个步骤：首先，检测到语音唤醒上下文后立即使用 say 进行语音确认，让用户知道系统已接收指令；其次，执行用户请求的实际任务；最后，在任务完成时再次语音播报结果（如适用）。技能严格区分交互模式，仅在检测到特定前缀时启用语音播报，普通文本对话则保持静默。

技术实现上，技能使用 printf '%s' "$SPOKEN_TEXT" | say 命令组合，支持通过环境变量 $SAY_VOICE 和 $SAY_RATE 自定义语音和语速。所有处理均在本地完成，不涉及云端 TTS 服务。

显著优点

隐私安全性极高：作为纯本地解决方案，Voice Wake Say 完全依赖 macOS 系统内置的语音合成引擎，无需连接互联网或上传数据到第三方云服务，从根本上杜绝了语音数据泄露风险。

响应速度快：本地 say 命令执行几乎无网络延迟，相比云端 TTS 服务能提供即时语音反馈，特别适合需要快速确认的场景。

系统集成度高：利用 macOS 原生工具，无需安装额外软件或依赖库，兼容性好且系统资源占用极低。

使用条件明确：技能有严格的触发机制，仅在明确的 Voice Wake 场景下激活，避免了不必要的语音干扰。

潜在缺点与局限性

平台限制严格：say 命令为 macOS 特有功能，该技能完全不支持 Linux、Windows 或其他操作系统，跨平台适用性为零。

语音质量有限：相比云端 TTS 服务（如 Azure、AWS Polly），本地 say 命令的语音合成质量较为基础，缺乏高级情感表达和多种高品质人声选择。

功能相对简单：不支持复杂的 SSML（语音合成标记语言）控制，无法实现语调、停顿的精细调整，仅适合简单的信息播报。

环境变量依赖：技能依赖 $SPOKEN_TEXT 等环境变量传递内容，如果环境变量设置不当或包含特殊字符，可能影响播报效果。

适合的目标群体

该技能特别适合以下用户群体：

• macOS 重度用户：日常工作流完全基于 macOS 生态系统的开发者、设计师或知识工作者。
• 无障碍需求用户：视力障碍或阅读困难用户，需要通过听觉方式获取系统反馈。
• 多任务处理场景：需要在专注工作（如编程、设计）时通过语音获取信息，避免频繁切换视觉焦点的用户。
• 隐私敏感用户：对数据隐私要求极高，拒绝使用任何云端语音服务的个人或企业用户。

使用风险与注意事项

尽管安全评级为 A 级，使用时仍需注意以下风险：

环境变量注入风险：虽然使用 printf '%s' 格式可在一定程度上防止注入，但仍需确保 $SPOKEN_TEXT、$SAY_VOICE、$SAY_RATE 等环境变量的内容来源可信，避免包含恶意构造的 Shell 特殊字符。

系统兼容性风险：在非 macOS 系统上尝试使用该技能会导致命令执行失败，尽管技能说明中有错误处理逻辑（say 不可用时返回文本），但仍需确保运行环境符合要求。

用户体验一致性：由于严格依赖特定消息前缀触发，如果 Voice Wake 检测机制不稳定或前缀格式变化，可能导致语音播报功能时有时无，影响用户体验。

来源可信度：该技能来源于 GitHub 个人账号（T3 级别），建议企业用户在正式环境部署前进行额外的代码审计，并关注后续更新维护情况。