夜雨聆风
你有没有遇到过这种情况——开车的时候，脑子里突然冒出一个问题，想问问 AI，但双手不能离开方向盘；做饭的时候，想让 AI 帮你查一个食谱，结果锅里的油快溅出来了；带娃散步，一手推车一手拿手机，打字根本来不及……你想要的，不是一个聊天框，而是一个能听懂你说话的搭档。这个开源项目，就是来解决这个问题的。它叫 TryclawChat一句话介绍：一个跑在浏览器里的语音 AI 对话客户端，让你对着麦克风说话，AI 用语音回答你。听起来好像没什么了不起？你先别急，听我说说它的几个细节。第一个细节：说"嗨川川"就能唤醒不用按任何按钮。你只需要说出唤醒词——"嗨川川"——然后 AI 就开始听你说话了。说完之后，说"我说好了"，AI 自动停止录音，开始处理，然后用语音回答你。全程双手空着。这个唤醒词是作者专门用 Picovoice 训练的中文唤醒模型，分了桌面版和手机版两个版本，识别准确率相当高。当然如果你不想用唤醒词，也可以按住说话（Push-to-Talk），或者直接打字——三种模式随意切换。第二个细节：它认识你所有的 AI 助理TryclawChat 背后连接的是 OpenClaw Gateway。如果你在 OpenClaw 里配置了多个 AI 助理——比如一个专门帮你写代码的、一个帮你查资料的、一个日常聊天的——TryclawChat 可以直接切换，一个界面搞定所有人。更厉害的是：你用语音聊的内容，和你在飞书/Telegram 里打字聊的内容，是同一套记忆和上下文。你跟 AI 说了"帮我记住我今天要做三件事"，然后打开飞书，AI 还记得这三件事。语音和文字，无缝衔接。第三个细节：TTS 用的是微软的神经网络声音，而且完全免费AI 回复你的时候，不是那种机器感很强的合成声，而是微软 Edge TTS 的神经网络声音——60多个声音可选，中文效果相当自然。最关键的是：完全免费，不需要任何 API 密钥。而且它足够聪明——在把文字转成语音之前，会自动把 emoji、markdown 格式、代码块、网址这些东西全部清理掉，你听到的就是干净的自然语言，不会出现"星号星号加粗星号星号"这种尴尬情况。第四个细节：它的延迟真的很低语音识别用的是 Groq 的 Whisper API——这是目前公认速度最快的云端语音识别服务之一，延迟通常在 1 秒以内。整个链路：你说完 → 识别完 → AI 思考 → 边生成边播放语音。不是等 AI 全部回复完才开始播放，而是"流式播放"——AI 说了前半句，你就能听到前半句了，体验上更像真人对话。怎么用？两行搞定
pip install tryclawchat
tryclawchat
打开浏览器访问 https://localhost:7860，按向导填入 OpenClaw Gateway 地址、Groq API Key，装完就能用。不需要搭服务器，不需要懂 Docker。它适合谁？✅ 适合：OpenClaw 用户、经常在走路开车做家务时想用 AI 的人、不想被键盘绑住的人❌ 不太适合：对稳定性要求极高的场景（Alpha 阶段）、需要完全离线的场景开源地址👉 github.com/kingsrui/tryclawchat项目还很早期，只有 8 个 Star，但 PRD 和架构文档写得相当认真，能看出作者是个对产品有想法的工程师。如果你也在用 OpenClaw，不妨试试——说不定，从今天起你的 AI 就不再只是手指尖上的工具，而是真正陪你说话的搭档。本文介绍的项目为开源社区项目。使用前请确认相关 API 服务条款。
