核心用法
Voice Memo 技能将文本转换为高度自然的语音，并以原生 iMessage 语音气泡（非文件附件）形式发送。核心流程为：ElevenLabs TTS 生成音频 → afconvert 转换为 Opus @ 24kHz CAF 格式 → 通过 BlueBubbles Private API 发送。用户只需提供文本内容和接收方手机号即可触发。
显著优点
1. 原生体验：接收方看到的是标准 iMessage 语音波形气泡，而非陌生文件，打开率和信任度极高。
2. 顶级语音质量：基于 ElevenLabs 的 Rachel 语音（默认）及 Turbo v2.5 模型，支持 [laughs]、[sighs]、[excited] 等情感标签，实现真人级别的抑扬顿挫。
3. 双向闭环：不仅支持发送，还能通过 BlueBubbles 自动接收语音备忘录，经 Whisper 转录后融入对话上下文，形成完整的语音-文本交互回路。
4. 成本可控：约 $0.04/30秒，适合个人高频使用。
潜在缺点与局限性
- 平台锁定：必须运行 macOS（依赖
afconvert），且需本地部署 BlueBubbles 并开启 Private API，技术门槛较高。 - 配置敏感：
chatGuid必须使用any;-;+PHONE格式（而非iMessage;-;），参数错误会导致超时或降级为文件附件。 - 外部依赖风险：ElevenLabs 与 BlueBubbles 任一服务故障或 API 变更都会导致功能失效。
- 隐私边界：语音内容经第三方 TTS 服务处理，敏感对话需谨慎；接收方的语音转录默认不持久化，需显式指令保存。
适合人群
macOS 重度用户、iMessage 生态依赖者、需要将 AI 生成内容以人格化语音触达他人的场景（如远程关怀、播客式摘要、情感化通知）。
常规风险
- API 密钥泄露风险（需存储于
~/.openclaw/.env） - 语音滥用风险（深度伪造音色用于欺诈）
- 网络延迟导致发送失败需重试
- BlueBubbles Private API 稳定性不如官方接口