Feishu Voice Skill - 飞书语音交互技能
概述
本技能用于实现飞书与 ElevenLabs 的语音交互，包括：
- 语音转文字（用户发语音 → 识别内容）
- 文字转语音（生成语音回复用户）
- 飞书语音消息的收发
1. 环境配置
1.1 ElevenLabs API Key
export ELEVENLABS_API_KEY="你的API Key"
1.2 FFmpeg 安装
apt-get update && apt-get install -y ffmpeg
2. 语音转文字（用户语音识别）
2.1 下载飞书语音
用户发送语音时，收到的是 file_key，需要通过以下步骤下载：
TOKEN=$(curl -s -X POST "https://open.feishu.cn/open-apis/auth/v3/tenant_access_token/internal" \
-H "Content-Type: application/json; charset=utf-8" \
-d '{"app_id":"你的app_id","app_secret":"你的app_secret"}' | grep -o '"tenant_access_token":"[^"]*"' | cut -d'"' -f4)
# 下载语音文件
curl -s "https://open.feishu.cn/open-apis/im/v1/messages/{message_id}/resources/{file_key}?type=file" \
-H "Authorization: Bearer $TOKEN" -o /path/to/voice.ogg
2.2 ElevenLabs 语音转文字
curl -s -X POST "https://api.elevenlabs.io/v1/speech-to-text?enable_logging=true" \
-H "xi-api-key: ${ELEVENLABS_API_KEY}" \
-F model_id="scribe_v1" \
-F file=@/path/to/voice.ogg
返回结果包含 text 字段，即识别出的文字内容。
3. 文字转语音
3.1 ElevenLabs TTS 生成
curl -s -X POST "https://api.elevenlabs.io/v1/text-to-speech/pNInz6obpgDQGcFmaJgB" \
-H "Content-Type: application/json" \
-H "xi-api-key: ${ELEVENLABS_API_KEY}" \
-d '{
"text": "要转换的文字",
"model_id": "eleven_multilingual_v2"
}' -o /path/to/output.mp3
3.2 转换为飞书兼容格式
飞书语音需要 Ogg/Opus 格式，需要用 FFmpeg 转换：
ffmpeg -i input.mp3 -ar 16000 -ac 1 -acodec libopus output.ogg -y
4. 发送语音消息（飞书）
4.1 Node.js 实现
const { Client } = require('@larksuiteoapi/node-sdk');
const fs = require('fs');
const client = new Client({
appId: '你的appId',
appSecret: '你的appSecret',
});
async function sendVoice(filePath, durationMs, receiveId) {
// 1. 上传语音文件
const uploadRes = await client.im.file.create({
data: {
file_type: 'opus',
file_name: 'voice.ogg',
file: fs.createReadStream(filePath),
duration: durationMs
}
});
const fileKey = uploadRes.file_key;
// 2. 发送语音消息
const sendRes = await client.im.message.create({
params: { receive_id_type: 'open_id' },
data: {
receive_id: receiveId,
msg_type: 'audio',
content: JSON.stringify({ file_key: fileKey, duration: durationMs })
}
});
return sendRes;
}
5. 常见问题
5.1 语音下载失败
错误: "The app is not the resource sender"
原因: 飞书安全限制，机器人只能下载自己发送的文件
解决: 用户需将语音转发给机器人（转发后机器人成为发送者）
5.2 TTS 生成文件为空
检查: 确认 ELEVENLABS_API_KEY 已设置且有余额
5.3 语音无法播放
检查:
- 文件格式是否为 Ogg/Opus
- duration 参数是否正确
- 文件是否在允许的目录（workspace 目录）
5.4 消息太长被拦截
- 钉钉：单条消息超过约7000字符会被拦截，需要拆分多条发送
- 飞书：同样有限制
6. 飞书权限配置
需要以下权限：
im:message - 消息收发im:resource - 文件/媒体资源im:resource:download - 下载消息资源
7. 完整流程示例
用户发送语音
↓
1. 获取 message_id 和 file_key
2. 下载语音文件 (type=file)
3. ElevenLabs 语音转文字 → 理解内容
4. 生成回复内容
5. ElevenLabs TTS 生成语音
6. FFmpeg 转为 Ogg 格式
7. 上传并发送语音消息给用户
8. 相关文件位置
- 临时语音文件:
/root/.openclaw/workspace/
- TTS 转换: 需要 ffmpeg 支持
最后更新: 2026-02-23
