（688期）Voice Assistant – 为 OpenClaw 赋予自然语音交互

为 OpenClaw 赋予自然语音交互 Windows 本地语音助手，集成 Porcupine 唤醒词、Whisper 离线语音转写与 ElevenLabs 高质量语音合成，支持多轮对话与系统托盘后台运行 使用说明 核心用法 Voice Assistant for OpenClaw 是一款专为 Windows 设计的语音交互伴侣应用，通过多组件协作实现完整的语音对话闭环。用户可通过自定义唤醒词（如 "Hey OpenClaw"）或全局热键（默认 Ctrl+Shift+K）激活助手，随后自然语音输入经本地 faster-whisper 模型实时转写为文本，通过 WebSocket 发送至 OpenClaw Gateway 获取 AI 响应，最终由 ElevenLabs TTS 引擎合成自然语音输出。 技术链路清晰：麦克风输入 → Porcupine 唤醒检测 → 录音与 VAD 静音检测 → faster-whisper 本地转写 → Gateway 流式响应 → ElevenLabs 语音合成 → 扬声器输出。全程支持多轮对话，每次回复后自动进入 5 秒监听窗口，实现无缝连续交互。 配置高度灵活，通过 .env 文件可调节唤醒灵敏度（0.0-1.0）、静音超时阈值（默认 1.5 秒）、Whisper 模型尺寸（tiny 至 large）、语音角色（免费 Matilda 或付费 Ivy）等参数。支持自定义 .ppn 唤醒词模型，并提供个性化提示音生成工具，让激活音效与思考音效匹配所选人声。 系统托盘集成使其适合长期后台运行，start.bat 支持无窗口启动，可加入 Windows 启动项实现开机自启。 显著优点 隐私优先的本地处理：核心 STT 采用 faster-whisper 本地推理，敏感语音数据不上传云端，仅 TTS 环节调用 ElevenLabs API 极低延迟的流式交互：Gateway WebSocket 流式传输 + ElevenLabs 流式合成，响应感知流畅 多轮对话连续性：自动跟进监听机制免去了重复唤醒的繁琐，对话体验接近原生语音助手 声学反馈闭环：激活音效、思考填充音、麦克风自动抑制（防止回授）共同构建完整的听觉交互体验 Windows 原生集成：系统托盘控制、全局热键、无窗口后台运行，符合 Windows 用户习惯 潜在缺点与局限性 平台绑定：仅支持 Windows（win32），macOS/Linux 用户无法使用 多服务依赖：需同时配置 OpenClaw Gateway、ElevenLabs、Picovoice 三项外部服务，入门门槛较高 ElevenLabs 成本：免费版有字符额度限制，重度使用需付费订阅 Whisper 本地算力消耗：虽支持 int8 量化，但较大模型在低端 CPU 上仍有明显延迟 网络依赖：AI 推理依赖 Gateway，TTS 依赖 ElevenLabs，离线场景不可用 适合人群 已部署 OpenClaw 生态的 Windows 深度用户 追求隐私与响应速度平衡、愿接受本地+云端混合架构的技术爱好者 需要长时间后台语音交互、重视多轮对话连续性的效率型用户 希望自定义唤醒词与语音人格的个性化需求者 常规风险 API 密钥泄露风险：.env 文件存储多组敏感密钥，需避免误提交至版本控制或共享环境 麦克风权限劫持：应用持续监听麦克风，虽本地处理但存在被恶意利用的理论风险 ElevenLabs 账户安全：API 密钥泄露可能导致额度盗刷，建议设置用量告警 WebSocket 明文传输：默认 ws:// 无加密，若 Gateway 跨网络部署存在窃听风险 依赖项供应链：Python 虚拟环境与多组件依赖存在潜在供应链攻击面 原始说明 Windows voice companion for OpenClaw. Custom wake word via Porcupine, local STT via faster-whisper, streamed responses over the gateway WebSocket, and ElevenLabs TTS with natural chime/thinking sounds. Supports multi-turn conversation with automatic follow-up listening, mic suppression to prevent feedback, and a system tray with pause/resume. Recommended voices: Matilda (XrExE9yKIg1WjnnlVkGX, free tier) or Ivy (MClEFoImJXBTgLwdLI5n, paid tier). Fully customizable wake word, voice, hotkey, and silence thresholds.