WhatsApp语音对话

技能简介

该技能将WhatsApp语音消息转换为实时对话流程，提供完整的处理链路：语音接收→语音转文字→意图识别→生成回复→文字转语音发送。

能做什么

• 自动转录语音消息为文字（支持OGG、WAV、MP3等格式）
• 检测用户意图（天气查询、状态检查、命令执行等）
• 根据意图调用对应处理器生成回复内容
• 将文字回复转换为语音发回用户
• 支持英语和印地语自动识别，可扩展其他语言
• 可作为语音助手、免提命令界面、多语言聊天机器人或IoT语音控制入口

使用说明

1. 安装依赖

pip install openai-whisper soundfile numpy

2. 处理单条语音消息

const { processVoiceNote } = require('./scripts/voice-processor');
const fs = require('fs');

const buffer = fs.readFileSync('voice-message.ogg');
const result = await processVoiceNote(buffer);
console.log(result);

3. 启动自动监听服务

node scripts/voice-listener-daemon.js

该服务每5秒扫描 ~/.clawdbot/media/inbound/ 目录，自动处理新收到的语音文件。

4. 自定义意图（可选）

编辑 voice-processor.js，在 INTENTS 映射中添加关键词和处理器函数，即可扩展新的对话能力。

输入与输出

见下方输入与输出表格。

风险提示

• 首次加载Whisper模型后，单条消息处理约需5-10秒
• 需要稳定的网络连接以调用Whisper API
• 语音文件需符合支持的格式要求，否则可能转录失败
• 自动语言检测基于Unicode字符范围，小众语言需手动扩展配置
• 生产环境部署时需考虑并发处理和错误重试机制

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/syedateebulislam/whatsapp-voice-chat-integration-open-source/SKILL.md
来源类型：GitHub开源项目