在WhatsApp上处理语音对话,自动转录收到的语音并用本地TTS音频回复。适用于用户想通过说话而非打字的情况。
Walkie-Talkie 模式是一项面向实际任务的技能,主要用于此技能将WhatsApp上的语音对语音循环自动化, 使用本地的转录和本地的 TTS.;Workflow.;
从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。
执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。该技能适合用于一次性任务,也可以接入自动化工作流,与其他技能或上层代理配合完成更完整的业务链路;在组合使用时,应明确每一步的输入输出关系,并避免不同步骤之间出现参数冲突。
该技能通过本地语音转文本(ASR)和本地文本转语音(TTS),在 WhatsApp 上实现端到端的语音对语音自动交互。
接收音频:当用户发送一个 audio/ogg 或 audio/opus 文件时:
tools/transcribe_voice.sh 将其转换为文本。发送响应:
bin/sherpa-onnx-tts 生成语音。.ogg 文件作为语音备忘录发回给用户。如需手动以语音方式回复,请执行:
bin/sherpa-onnx-tts /tmp/reply.ogg "Tu mensaje aquí"
然后通过 message 工具,指定 filePath 参数发送 /tmp/reply.ogg。
相关专题
热门下载
相关下载
精品课程
共6课时 | 54.7万人学习
共89课时 | 134.1万人学习
共49课时 | 82.6万人学习