Voice Reply Skill

語音雙模回覆技能 - 支援語音輸入轉文字與文字轉語音輸出。

🎙️ 功能說明

| 功能 | 技術 | 說明 | |------|------|------| | 語音輸入 | Whisper | 將語音訊息轉換為文字 | | 語音輸出 | Edge TTS | 將文字轉換為語音回覆 |

特點：

完全免費，無需 API Key
支援多種中文女生聲音
離線運行（Whisper 模型需首次下載）

🔊 可用聲音（中文女生）

| Voice ID | 風格 | 描述 | |----------|------|------| | zh-TW-HsiaoChenNeural | General | 台灣，友善正向 ✅ 默認 | | zh-TW-HsiaoYuNeural | General | 台灣，另一種風格 | | zh-CN-XiaoxiaoNeural | News, Novel | 大陸，溫暖 | | zh-CN-XiaoyiNeural | Cartoon, Novel | 大陸，活潑 | | zh-HK-HiuGaaiNeural | General | 香港，友善正向 |

📦 環境需求

| 依賴 | 安裝方式 | |------|----------| | Python | 3.9+ | | ffmpeg | brew install ffmpeg | | openai-whisper | pip3 install --user openai-whisper | | edge-tts | pip3 install --user edge-tts |

🛠️ 使用方式

轉錄語音輸入（Whisper）

import whisper

# 載入模型（首次會下載模型檔案）
model = whisper.load_model('tiny')  # tiny/base/small/medium

# 轉錄語音
result = model.transcribe('/path/to/audio.ogg')
print(result['text'])

模型選擇： | 模型 | 速度 | 準確度 | 大小 | |------|------|--------|------| | tiny | 最快 | 一般 | ~72MB | | base | 快 | 較好 | ~142MB | | small | 中等 | 好 | ~466MB | | medium | 慢 | 很好 | ~1.5GB |

生成語音回覆（Edge TTS）

# 基本用法
edge-tts \
  --text "你好，我是寶寶！" \
  --voice zh-TW-HsiaoChenNeural \
  --write-media output.mp3

# 列出所有可用聲音
edge-tts --list-voices

Python 整合範例

import subprocess

def text_to_speech(text, voice='zh-TW-HsiaoChenNeural', output='/tmp/voice.mp3'):
    """將文字轉換為語音"""
    import shutil
    edge_tts_path = shutil.which('edge-tts')
    if not edge_tts_path:
        # 嘗試常見路徑
        edge_tts_path = '/Users/claw/Library/Python/3.9/bin/edge-tts'
    
    cmd = [
        edge_tts_path,
        '--text', text,
        '--voice', voice,
        '--write-media', output
    ]
    subprocess.run(cmd, check=True)
    return output

# 使用
audio_file = text_to_speech('你好！很高興為你服務。')

⚙️ 配置

默認使用：

Whisper model: tiny (快速，適合即時對話)
TTS voice: zh-TW-HsiaoChenNeural (台灣女生聲音)

可在 TOOLS.md 中修改偏好設定。

📁 相關檔案

| 檔案 | 說明 | |------|------| | ~/.cache/whisper/ | Whisper 模型下載位置 | | $SKILL_DIR/SKILL.md | 本 Skill 定義 | | $WORKSPACE_DIR/TOOLS.md | 語音偏好設定 |