hotbutter voice chat

核心用法

Voice Chat Skill 是一套自包含的开源语音交互方案，通过在本地端口嵌入 Hotbutter relay 服务器与 PWA（渐进式 Web 应用），实现"零部署"的浏览器端语音对话。用户执行 voice-bridge start 后，终端输出 6 位配对码与可点击 URL，浏览器打开即完成自动配对，全程无需额外账号或云服务。

技术路径：浏览器端 Speech-to-Text 捕获语音 → WebSocket 传输至本地 relay → 技能作为 agent 接入 → 响应经原路返回 → 浏览器 Text-to-Speech 播报。

显著优点

• 完全本地化：relay 与 PWA 均运行于本地，数据不出设备，隐私可控。
• 极低门槛：单条命令启动，浏览器即客户端，无需安装 App。
• 开源可审计：代码透明，支持自定义端口（--port）与 agent 名称（--agent-name）。
• 架构解耦：WebSocket 中继设计便于二次开发，可对接任意支持该协议的 agent。

潜在局限

• 浏览器依赖：STT/TTS 质量受浏览器实现差异影响（Chrome 优于 Safari）。
• 网络局限：虽为本地服务，但仍需同一网络环境或端口暴露才能跨设备访问。
• 功能边界：当前为轻量 relay，无多轮对话状态管理、无用户认证、无录音持久化。
• 维护状态：依赖个人开发者（@DnuLkjkjh），长期支持存不确定性。

适合人群

• 开发者/极客希望快速搭建私有化语音 AI Demo。
• 对云端 STT/TTS 有合规顾虑的企业内网场景。
• 希望低代码集成语音能力的开源 agent 项目。

常规风险

• 本地服务暴露：若绑定公网 IP 或端口转发，可能面临未授权访问风险。
• 浏览器权限：需授予麦克风权限，敏感环境需评估。
• 无加密声明：文档未提及 WSS/TLS，生产环境建议自行配置 HTTPS/WSS。

核心用法

Voice Chat Skill 是一个自包含的语音交互桥接工具，通过三步即可建立语音会话：启动 voice-bridge start 命令后，终端会输出 6 位配对码和本地 URL；在浏览器中打开该 URL 即可完成自动配对，随后用户通过浏览器内置的 Web Speech API 进行语音输入，语音经本地转文本后通过 WebSocket 发送至 Agent，Agent 返回的文本再由浏览器 TTS 朗读输出。整个过程在本地闭环完成，无需外部云服务介入。

显著优点

完全本地化处理：语音数据的采集、转写、合成均在浏览器本地完成，配合本地运行的 Express 中继服务器，实现了真正的隐私优先设计，符合 GDPR 和 CCPA 的合规要求。极低的使用门槛：无需账号注册、API Key 配置或云端依赖，一条命令即可启动完整的语音交互环境。开源可审计：代码结构清晰（约 2600 行），依赖均为成熟开源库（express、ws），无黑盒组件。灵活的架构设计：支持自定义端口和 Agent 显示名称，便于集成到不同的开发工作流中。

潜在缺点与局限性

依赖浏览器生态：STT/TTS 质量完全取决于浏览器对 Web Speech API 的实现，不同浏览器、不同平台的体验差异较大，且需要稳定的网络连接（尽管数据不上云，但浏览器 API 可能需要联网）。外部 CLI 依赖：核心功能依赖本地安装的 openclaw 命令行工具，若未安装或版本不兼容会导致功能失效。会话管理能力有限：6 位数字配对码虽有 5 分钟有效期，但缺乏更完善的身份验证机制，不适合多用户或生产级场景。无持久化能力：语音会话为临时状态，不支持历史记录保存或跨会话记忆。

适合的目标群体

该技能特别适合以下场景：开发者快速原型验证——需要为 Agent 添加语音交互能力但不想接入付费语音服务；隐私敏感用户——对语音数据上云有顾虑，希望完全本地化运行的个人或企业；离线环境部署——在内网或隔离网络环境中需要语音交互能力的场景；开源爱好者与研究者——希望学习或二次开发语音桥接架构的技术人员。

使用风险

性能与资源占用：同时运行 Express 服务器、WebSocket 中继和 openclaw Agent 需要一定的本地计算资源，低配置设备可能出现延迟。依赖维护风险：express 和 ws 虽为成熟库，但仍需关注安全更新，建议定期执行 npm audit。端口冲突可能：默认 3000 端口若被其他服务占用需手动指定替代端口。命令执行风险：execFile 调用 openclaw 虽已做 ENOENT 检查和超时控制，但仍建议验证 openclaw 来源可信。浏览器兼容性：Web Speech API 在部分浏览器（如 Firefox Linux 版）中可能受限或需额外配置。