- name
- voice-chat
- description
- 自动处理语音消息：将语音转写为文字，结合上下文生成智能回复，并合成语音回复。当收到语音或音频消息时自动激活。
Voice Chat Bridge
功能
自动处理语音消息，实现“语音 -> 文字 -> 智能回复 -> 语音”的完整闭环。
触发条件
当收到语音或音频消息时（message.type 为 voice 或 audio），自动激活此技能。
处理流程
1. 检测语音
检查消息是否包含 media.type === 'voice' 或 media.type === 'audio'。
2. 转写 (STT)
立即运行转写脚本：
python3 /root/.agents/skills/voice-chat/scripts/transcribe_audio.py <audio_path>- 输入：音频文件路径（从
event.message.media.localPath获取）。 - 输出：转写文本。
3. LLM 分析
使用当前会话的上下文生成智能回复。
- Prompt：
用户语音转写：{transcript}
请结合上下文，给出简洁、有帮助的回复。- 输出：回复文本。
4. 合成语音 (TTS)
立即运行 TTS 脚本：
python3 /root/.agents/skills/voice-chat/scripts/reply_with_tts.py "{reply_text}"- 输入：回复文本。
- 输出：
.opus语音文件路径。
5. 发送回复
使用 message.send 工具发送生成的语音文件：
- 文件：生成的
.opus文件。 - Caption：可选的简短文字说明。
- 注意：不要发送中间状态文字（如“正在处理..."），直接发送最终语音回复。
技术细节
- STT 引擎：Vosk (离线，中文小模型)。
- TTS 引擎：Edge TTS (Microsoft Azure)。
- 音频格式：OGG/Opus (48kHz, 单声道，64kbps)。
- 临时文件目录：
/tmp/voice-chat/。
依赖
- 系统：
ffmpeg - Python：
vosk,edge-tts,pydantic,python-dotenv - 模型：Vosk 中文小模型 (
vosk-model-small-cn-0.22)
许可证
MIT