如何快速完善 小龙虾 OpenClaw 语音功能

前言

• 以 Ubuntu 系统为例，需要安装的依赖包如下：
• docker
• ffmpeg（sudo apt install -y ffmpeg）
• pipx 或 uv(uvx)

STT（ASR）Docker 服务部署和 Openclaw 配置

1. Speaches Docker 部署（STT 和 TTS 二合一：Faster-whisper + Piper/Kokoro）

  docker run \
  -d \
  -p 8000:8000 \
  --name speaches-voices \
  --volume hf-hub-cache:/home/ubuntu/.cache/huggingface/hub \
  --restart unless-stopped \
  ghcr.io/speaches-ai/speaches:latest-cpu

2. 必需先行手动下载模型

• 官方可用列表（主要来源于 huggingface，Systran，另有其他贡献者）
  uvx speaches-cli registry ls --task automatic-speech-recognition | jq '.data | [].id'
• 下载指定模型
  uvx speaches-cli model download Systran/faster-whisper-base
• 核查是否成功
  uvx speaches-cli model ls --task text-to-speech | jq '.data | map(select(.id == "Systran/faster-whisper-base"))'

3. 配置 STT

{
  "tools": {
    "media": {
      "audio": {
        "enabled": true,
        "maxBytes": 2000000,
        "models": [
		  {
		    "type": "cli",
		    "command": "curl",
		    "args": [
			  "http://localhost:8000/v1/audio/transcriptions",
			  "-F", "file=@{{MediaPath}}",
			  "-F", "model=Systran/faster-whisper-base"
		    ],
		    "timeoutSeconds": 20
		  }
        ]
      }
    }
  }
}

### TTS 服务部署和 Openclaw 配置
1. 安装 edge-tts（远程调用微软公司的 TTS 语音服务。占用资源少，执行快，且免费，但无法保护隐私）
- pipx install edge-tts（Python，只命令行。推荐，Ubuntu 24.04 及以后版本必选项）
- pip install edge-tts（Python，命令行 + 脚本 API）
- npm install @travisvn/edge-tts（NodeJS，命令行 + 脚本 API）

2. 配置 edge-tts（配置文件 ~/.openclaw/openclaw.json）
```json
{
  "messages": {
    "tts": {
      "auto": "inbound",  （"always" 回答总是携带语音，"inbound" 如果收到语音回答携带语音）
      "provider": "cli",  （tts-local-cli 也可以，和 tts-local-cli 插件没关系）
      "providers": {
        "cli": {  （tts-local-cli 也可以，和 tts-local-cli 插件没关系）
          "command": "edge-tts",
          "args": [
            "--text", "{{Text}}",
            "--voice", "zh-CN-XiaoxiaoNeural",
            "--write-media", "{{OutputPath}}"
          ],
          "outputFormat": "mp3",
          "timeoutMs": 20000
        }
      }
    }
  }
}

3. 测试

• 部署结果测试
  用法：edge-tts --help，简要测试：edge-tts --text "世界人民大团结万岁，Hello, world!" --write-media test.mp3
• 配置结果测试
  /tts status 查看状态，/tts audio "OPenClaw 小龙虾，AI 时代的颠覆者"

备注