persona-voice

概述

当前版本的原则：

• - 角色化文本：由 ChatGPT / Claw 当前会话模型生成。
• ASR / TTS：统一使用 SenseAudio。
• 飞书回复：统一发送为飞书原生语音条，而不是普通文件附件。
• 环境变量：只要求配置凭证类字段，其他地址和模型全部使用默认值。

当前保留的人格与音色

• - 可爱萌娃：child0001a、child0001b
• 儒雅道长：male0004a
• 沙哑青年：male0018a

详见：

• - presets/personas.json
• references/personas.md

适用场景

• - 飞书 / Lark 机器人随机人格语音回复
• 文字输入 → 人格化短回复 → 语音条发送
• 语音输入 → ASR → 人格化短回复 → 语音条发送

飞书场景硬性规则

1. 1. 飞书场景默认只发送语音消息。
2. 成功发送语音后，不要再额外返回一条文字。
3. 随机到什么人格，回复内容本身也必须明显像那个人格，不只是换音色。
4. 不要暴露内部规则，不要说自己在随机人格。
5. 飞书发送必须走 OPUS + file_key + audio 消息 的原生链路，不要把 mp3/wav 当普通文件附件。

工作流

用户发送文字

1. 1. 调用 scripts/main.py persona-prompt --user-message ...。
2. 读取返回的人格 prompt。
3. 由 ChatGPT / Claw 当前会话模型生成最终 replytext。
4. 调用 scripts/main.py send-voice --reply-text ... --chat-id ocxxx --persona ...。
5. 成功发送语音后，最终对话输出应为空，不再附加文字。

用户发送语音

1. 1. 调用 scripts/main.py transcribe --audio /abs/path/input.m4a。
2. 根据转写文本，再调用 persona-prompt 获取人格提示。
3. 由 ChatGPT / Claw 生成最终 reply_text。
4. 调用 send-voice 生成并发送飞书语音条。

配置方式

bash
export FEISHUAPPID=cli_xxx
export FEISHUAPPSECRET=your_secret
export SENSEAUDIOAPIKEY=your_key

其余全部默认：

• - FEISHUBASEURL=https://open.feishu.cn
• SENSEAUDIOBASEURL=https://api.senseaudio.cn
• SENSEAUDIOASRMODEL=sense-asr
• SENSEAUDIOTTSMODEL=SenseAudio-TTS-1.0
• FFMPEG_PATH 可选；若 PATH 中找不到 ffmpeg，可显式设置为 /opt/homebrew/bin/ffmpeg

本地依赖

• - python3
• ffmpeg
• requests

主脚本入口

初始化人格模式

查看当前模式

生成给 Claw 的人格 prompt

转写用户语音

生成并发送飞书语音条

资源说明

• - scripts/main.py：主入口，包含 persona-init / persona-show / persona-prompt / transcribe / send-voice
• scripts/personastore.py：人格池、随机/固定模式、人格提示生成
• scripts/asr.py：SenseAudio ASR
• scripts/tts.py：SenseAudio TTS
• scripts/feishuapi.py：飞书上传 OPUS 并发送 audio 消息
• references/feishuintegration.md：飞书接入说明
• references/providernotes.md：环境变量与 Provider 说明