- name
- feishu-voice
- description
- 当用户发来语音消息时, 使用此 feishu-voice SKILL以语音消息回复。version: "1.0.2
- metadata
- {"clawdbot":{"emoji":"🎙️","requires":{"bins":["ffmpeg（仅 MiniMax 链路需要）"],"env":["MINIMAX_API_KEY（可选）"]}}}
feishu-voice
接收：语音 → 文字
飞书自动为语音消息生成转写，消息体中自带 Transcript 字段，直接读取即可，无需任何 API 调用。
发送：文字 → 语音
流程
Step 1. 调用脚本生成语音文件：
python scripts/reply.py "<文字内容>"输出文件路径（格式为 .opus 或 .ogg）。
Step 2. 通过飞书发送语音：
message(action=send, channel=feishu, media=<filepath>, contentType="audio/opus")注：Edge TTS 输出的 .ogg 文件同样使用 audio/opus contentType。
MiniMax 语气词（配置了 MINIMAX_API_KEY 时）
在生成回复文本时主动嵌入以下标记，可让语音更自然：
| 标记 | 含义 | 使用场景 |
|---|---|---|
<#0.3#> | 停顿 0.3 秒 | 逗号后、句子中间 |
(breath) | 自然呼吸 | 长句中间、句末 |
(sighs) | 叹气 | 感叹、无奈时 |
(emm) | 思考语气 | 问句结尾、停顿后继续 |
(clear-throat) | 清嗓 | 转折、开始说话 |
(laughs) | 笑声 | 开心、幽默内容 |
(chuckle) | 轻笑 | 轻松调侃 |
(sniffs) | 吸鼻子 | 轻微情绪 |
(humming) | 哼唱 | 愉快、自言自语 |
规则：
- 标记插入两个有发音文本之间，不可连续叠加
- 问句句尾加
(emm) - 感叹句插
(laughs)或(sighs) - 句号前无自然停顿时加
(breath) - 长叙述每隔 20-30 字符插一次
(breath)或<#0.3#>
示例：
模型生成文本：好的，那我们出发吧。
应生成：好的<#0.3#>，那我们出发吧(laughs)。
模型生成文本：等等，让我想想，这个怎么做来着？
应生成：等等<#0.3#>，让我想想(emm)<#0.4#>，这个怎么做来着？
模型生成文本：唉，今天真是太累了。
应生成：唉(sighs)，今天真是太累了(breath)。链路降级
MiniMax T2A (mp3) → ffmpeg → opus [优先]
↓ 超时/无 key
Edge TTS (ogg 直出) [降级]
↓ 失败
返回纯文字（不走语音）环境变量
| 变量 | 必填 | 说明 |
|---|---|---|
MINIMAX_API_KEY | 否 | 有则优先 MiniMax；无则 Edge TTS |
EDGE_TTS_VOICE | 否 | Edge TTS 音色，默认 zh-CN-XiaoxiaoNeural |
快速参考
# 生成语音并发送
python scripts/reply.py "<文字>" → 输出文件路径 → message(media=路径, contentType="audio/opus")