综合评估
feishu-speaker 是一款面向飞书平台的语音消息增强工具，通过整合 OpenAI Whisper（本地语音识别）与 Edge-TTS（微软语音合成），构建完整的双向语音交互闭环。
核心用法
该技能提供三类主要功能：
- 接收语音转文字：
feishu-speaker listen voice.ogg调用本地Whisper模型，支持 tiny/base/small 多规格模型，完全离线运行 - 文字转语音发送：
feishu-speaker say "内容"使用Edge-TTS生成高质量中文语音，提供4种官方推荐音色（男女各2种），语速可调（0.5x-2.0x） - 智能回复模式：
feishu-speaker reply根据对方消息类型自动匹配回复形式（语音→语音、文字→文字），支持强制覆盖
v1.1.0新增的 reply-voice 脚本进一步封装完整流程：语音接收→转录→TTS生成→发送，适合AI助手场景。
显著优点
1. 完全本地化的隐私保护：Whisper语音识别在本地执行，敏感语音数据不上传云端
2. 零成本语音合成：Edge-TTS基于微软Azure语音服务，免费且质量接近商业级TTS
3. 飞书生态深度集成：原生支持飞书语音格式（opus/ogg），自动格式转换，开箱即用
4. 多场景音色适配：内置商务稳重（YunjianNeural）、日常活泼（YunxiNeural）等场景化音色
局限性与风险
- 依赖链复杂：需同时安装Python生态（whisper）、Node生态（edge-tts）、系统工具（ffmpeg），环境配置门槛较高
- 飞书API绑定：功能完全依赖飞书开放平台，若API策略变更或凭证失效将中断服务
- 模型体积问题：Whisper small模型约1GB，对边缘设备存储和内存有一定要求
- TTS服务稳定性：Edge-TTS为微软非官方开源封装，存在服务变更或限速风险
适合人群
- 搭建飞书AI助手/机器人的开发者
- 需要语音交互能力的自动化工作流用户
- 重视语音数据隐私、拒绝云端语音识别的敏感场景
风险提示
凭证管理需关注 ~/.openclaw/.credentials/feishu-app-secret.txt 的权限安全；建议生产环境配合飞书IP白名单使用。