WhatsApp语音对讲

技能简介

该技能实现WhatsApp上的纯语音交互循环：自动将用户发来的语音消息转录为文字，处理后再以语音形式回复，无需打字即可完成对话。

业务背景

解决WhatsApp场景下双手不便打字的痛点，通过纯语音闭环交互提升沟通效率。用户开车、做饭或忙碌时，无需中断手头事务即可完成咨询、下单等操作，同时保留文字记录便于后续查阅，兼顾便捷性与信息可追溯性。

落地案例：某物流客服场景：司机送货途中收到客户WhatsApp语音询问配送时间，系统自动转录为"下午3点能到吗"，后台查询后生成语音回复"预计15:20送达，请保持电话畅通"并同步发送文字版。全程无需停车打字，降低驾驶风险的同时确保服务响应及时。

能做什么

• 接收并识别WhatsApp语音消息（OGG/Opus格式）
• 本地转录音频为文字供后续处理
• 生成语音回复并以语音消息发回
• 同时提供文字版本确保信息清晰

使用说明

安装依赖

需预先安装以下本地工具：

• ffmpeg（音频处理）
• whisper-cpp（语音识别）
• sherpa-onnx-tts（语音合成）

激活方式

1. 用户直接发送语音消息
2. 或用户输入”activa modo walkie-talkie”/”hablemos por voz”触发

手动执行语音回复

bin/sherpa-onnx-tts /tmp/reply.ogg "你的回复内容"
# 然后通过message工具发送/tmp/reply.ogg

输入与输出

见下方输入与输出表格。

风险提示

• 仅支持本地工具运行，需提前配置环境
• 要求实时因子RTF<0.5，低性能设备可能延迟
• 语音识别准确率受音频质量影响
• 需同时维护文字和语音双通道输出

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/rubenfb23/walkie-talkie/SKILL.md
来源类型：GitHub仓库