macos-local-voice

macOS Local Voice 是一款专为 macOS 用户设计的完全本地化的语音处理工具，集成语音识别（STT）与语音合成（TTS）功能，利用 Apple 原生的 Speech.framework 和 say 命令，无需联网即可实现高质量的语音交互。

核心用法：该 Skill 提供三个主要功能模块。语音转文字（STT）通过 yap CLI 调用 Apple 本地语音识别引擎，支持包括中文（zh_CN）、英语（en_US）、日语（ja_JP）在内的数十种语言，可处理 ogg、m4a、mp3、wav 等多种音频格式。文字转语音（TTS）则利用系统内置的 say 命令，结合 ffmpeg 进行音频格式转换，支持输出高质量的 ogg/opus 格式音频文件，适用于即时通讯平台的发送。此外，语音管理模块允许用户查询、检测和自动选择最优语音，支持 Compact、Enhanced、Premium 三种质量等级。

显著优点：最大的优势在于完全离线处理，所有语音数据均在本地完成转换，无需上传至云端，从根本上保障了用户隐私安全。其次，零配置成本，无需申请 API 密钥或订阅第三方服务，安装依赖后即可无限次使用。得益于 Apple 原生的神经网络引擎优化，语音识别准确率和语音合成自然度均达到商用级别，特别是 Premium 级别的高质量语音（如 Yue、Ava）表现力接近真人。自动语言检测和智能语音选择功能进一步降低了使用门槛。

潜在缺点：该 Skill 存在明显的平台限制，仅支持 macOS 系统（Darwin），Windows 和 Linux 用户无法使用。功能上依赖外部命令行工具 yap，需要用户通过 Homebrew 额外安装，增加了初次配置的复杂度。Premium 质量语音虽然效果出色，但需要用户手动在系统设置中下载，且占用较大存储空间。此外，不支持 Siri 语音库，且缺乏实时流式识别能力，仅适合处理录音文件而非实时会议转录。

适合群体：主要面向注重隐私保护的 macOS 用户、需要离线语音功能的开发者、以及希望为 AI 助手添加语音交互能力的 OpenClaw/Claude Code 用户。特别适合处理敏感语音内容的场景，如医疗记录转录、法律文件整理等隐私要求严格的工作流。

使用风险：常规风险主要包括依赖项管理，若 yap 或 ffmpeg 未正确安装会导致功能异常。权限方面，首次使用麦克风时需授权系统权限，且 Skill 本身无法直接控制该权限申请。此外，say 命令在指定语音不可用时可能静默回退到默认语音，建议在关键场景下先使用 voices.mjs check 验证语音可用性。输出文件默认存储于 ~/.openclaw/media/outbound/，长期使用需注意磁盘空间管理。