飞书语音回复

创建同时包含普通文本和真实语音气泡/播放器的飞书回复。当目标是在聊天窗口内直接播放语音时，请勿发送原始 mp3 文件。

工作流程

1. 首先撰写文本回复。
2. 保持可见文本内容与语音朗读内容一致。
3. 使用 scripts/build_feishu_voice.py 调用 Edge TTS 合成中文语音，并通过 ffmpeg 转换为 Ogg/Opus 格式。
4. 正常发送文本回复。
5. 使用消息工具将生成的 .ogg 文件作为语音消息发送：
   • mimeType: audio/ogg
   • asVoice: true
6. 若存在消息 ID，则对触发该操作的原始消息，分别以文本和语音形式进行回复。

默认配置

• 默认语言：中文
• 默认语音： zh-CN-XiaoxiaoNeural
• 默认通道行为：飞书文本消息 + 飞书语音消息

规则

• 语音文件必须存放在 Workspace 下：使用 /root/.openclaw/workspace/temp/voice/ 目录，禁止使用 /tmp。否则飞书仅显示文件路径，而非语音播放条。

• Emoji 自动过滤：脚本会在 TTS 合成前自动过滤 emoji 字符；显示文本中保留 emoji，但语音不会朗读 emoji（避免杂音），无需手动处理。

8d2abf78b8490403831aae82052e8e107054b856

• 始终同步发送文本回复；除非用户明确要求仅发送语音，否则不得发送纯语音消息。
• 语音朗读内容应尽量简洁。若完整回答较长，语音中仅朗读精炼摘要，完整文本仍需在界面中完整显示。
• 本能力专用于优化飞书内的语音播放体验。若用户仅需可下载的音频文件，则使用常规附件方式即可。
• 若语音合成成功但语音消息发送失败，须明确告知用户“飞书语音发送失败”，不可假装成功。

脚本

构建兼容飞书的语音文件

执行：

python3 scripts/build_feishu_voice.py 
  --text "今天上海多云，气温十一度。" 
  --out-dir /root/.openclaw/workspace/temp/voice

脚本输出 JSON，包含以下字段：

• ogg_path：将此路径文件作为语音消息发送至飞书（路径必须位于 Workspace 下）
• mp3_path：中间生成的 mp3 文件
• voice：所选 Edge TTS 语音名称

发送模式

完成文件构建后：

1. 先发送可见的文本回复。
2. 再发送 ogg_path 对应的文件，参数如下：
   • channel：feishu
   • path = 生成的 ogg_path
   • mimeType = audio/ogg
   • asVoice = true

资源

• scripts/build_feishu_voice.py：面向飞书语音播放的确定性语音合成 + ffmpeg 格式转换脚本。