核心用法
Feishu Voice 是面向飞书（Lark）平台的语音消息处理技能，整合 ElevenLabs TTS（文字转语音）与 STT（语音转文字）能力，实现双向语音通信。
发送语音（TTS）：用户输入文字后，通过 ElevenLabs 合成自然语音，以 audio 消息类型发送至指定飞书用户或群聊。支持调节语速（0.5-2.0倍），需配置 ElevenLabs API Key、飞书应用凭证及指定音色 ID。
接收语音（STT）：当飞书收到语音消息（.ogg/.opus 附件）时，自动调用 ElevenLabs Scribe 模型转录为文字，支持中文、英文等 90+ 语言自动检测。若仅获取到 file_key，可通过飞书 API 下载后处理。
智能回复模式：根据接收消息类型自动决策——收到语音则语音回复，收到文字则文字回复，用户也可显式指定回复方式。
显著优点
- 自然语音质量：ElevenLabs 提供行业领先的神经网络语音合成，支持多语种及情感表达
- 双向完整闭环：同时覆盖发送与接收场景，实现真正对话式体验
- 灵活配置：支持语速调节、多模型选择（multilingual_v2 适配中文，v3 优化英语）
- 生态整合：与 OpenClaw 框架深度集成，自动读取飞书凭证配置
潜在缺点与局限性
- 付费门槛：Library 音色需要 ElevenLabs 付费计划，免费账户仅限预设音色
- 外部依赖重：需维护 ElevenLabs、飞书 API、ffmpeg 等多处外部服务可用性
- 网络延迟：TTS/STT 均需云端处理，实时性受网络影响
- 配置复杂度：环境变量多达 6 项，涉及 API Key、应用凭证、音色参数等
- 格式限制：飞书严格要求
msg_type为"audio"，asVoice参数存在兼容性问题
适合人群
- 需要在飞书场景提供语音交互能力的 AI 助手开发者
- 面向中老年用户或特定场景（驾驶、视障辅助）的语音优先产品
- 希望构建自然对话体验的企业微信/飞书智能客服系统
常规风险
| 风险类别 | 说明 |
|---------|------|
| API 密钥泄露 | ElevenLabs 与飞书凭证均需妥善保管，避免硬编码 |
| 成本失控 | ElevenLabs 按字符/分钟计费，高频使用需监控用量 |
| 隐私合规 | 语音数据经 ElevenLabs 云端处理，涉及语音内容需评估数据跨境合规性 |
| 服务中断 | 任一外部服务故障将导致功能不可用，需设计降级方案 |