claw-voice

Claw Voice 是一款基于 WebSocket 的实时语音会话连接工具，旨在打通语音交互与 AI Agent 之间的桥梁。该技能通过本地 Python 客户端脚本与语音服务器建立连接，支持开发者构建实时语音对话应用。

核心用法方面，Claw Voice 提供了四种主要工作模式：使用 send 命令向用户发送文本消息，recv 命令阻塞接收用户语音转录的输入，listen 命令持续监听一段时间内的多条消息流，以及核心的 agent 模式——该模式创建了一个完整的交互循环，自动将用户语音消息转发给本地 openclaw agent 处理，并将 AI 响应通过语音通道返回给用户。所有通信均通过本地 WebSocket（默认 ws://localhost:3111）进行，采用 JSON 格式交换消息。

显著优点包括其实时双向通信能力，能够实现低延迟的语音交互体验；Agent 桥接模式极大地简化了语音 AI 应用的开发流程，无需自行处理复杂的语音转录和播放逻辑；纯本地通信架构确保了数据隐私性，用户语音数据不会上传至第三方远程服务器；此外，简洁的命令行接口设计使得集成到现有工作流或自动化脚本中十分便捷。

潜在缺点与局限性方面，首先该技能来源为 T3 级社区项目（clawdbot 组织），长期维护更新存在一定不确定性；其次依赖管理不够严格，缺少 requirements.txt 锁定版本，可能导致环境兼容性问题；功能上严格依赖本地运行的 Claw Voice 服务器和 openclaw 命令行工具，部署门槛较高；且目前仅支持本地 WebSocket 连接，无法直接应用于分布式或云端部署场景。

适合的目标群体主要包括：需要快速原型验证语音交互 AI 应用的开发者、构建本地语音助手或客服系统的工程师、以及需要在测试环境中模拟语音对话场景的 QA 团队。对于教育领域的语音交互教学实验，该工具也提供了低代码的解决方案。

使用风险主要包括：Agent 模式通过 asyncio.create_subprocess_shell 执行外部命令，尽管使用了 shlex.quote 进行输入转义，但在极端复杂的输入场景下仍存在潜在的命令注入风险；WebSocket 连接的稳定性直接影响用户体验，网络波动或服务器异常可能导致消息丢失；此外，长时间运行的 agent 或 listen 命令若未设置合理的 --timeout 参数，可能导致资源占用过高或僵尸进程。建议在生产环境使用前进行充分的输入边界测试和异常处理加固。