第6课：听听AI的声音——TTS语音回复配置全攻略

进度：6/12，你的AI即将「开口说话」

你有没有想过，在飞书/微信里收到AI发来的语音消息是什么体验？

想象一下：你在开车，不方便看文字，AI直接把回复读给你听；或者在睡前，让AI用温柔的声音讲个故事；又或者给家里的老人用，他们更喜欢听而不是看文字。

前几节课，我们给 OpenClaw 装上了大脑、连上了频道、学会了搜索、睁开了眼睛、甚至学会了画画。今天这节课，我们要给它一副嗓子——让它能开口说话。

好消息是：TTS（文本转语音）是 OpenClaw 内置的功能，不需要安装额外的 skill，配置也非常简单。而且，它提供了一个完全免费的方案（Edge TTS），开箱即用。

这节课完成后，你的 AI 将能：

• 🎙️ 用文字生成语音——把回复读给你听
• 🎵 支持多种音色——温柔女声、沉稳男声、甚至方言
• ⚡ 免费使用——Edge TTS 完全免费，无额度限制
• 🎯 智能触发——按需开启，不会每条消息都发语音

准备工作

这节课你需要：

• ✅ 已经配置好的 OpenClaw（前5课的内容）
• ✅ 大约 5 分钟时间
• ✅ 一个能播放音频的设备（手机/电脑）

不需要：

• ❌ 申请 API Key（用 Edge 方案的话）
• ❌ 额外安装 skill
• ❌ 复杂的配置调整

先搞明白：TTS 是怎么工作的？

简单来说，OpenClaw 本身不会「说话」，它是调用 TTS 引擎把文字转换成语音。

OpenClaw 内置支持两种 TTS 方案：

本节课重点讲 Edge TTS 方案，因为它完全免费，配置简单，对中文支持也非常好。

第一步：基础配置

打开你的 openclaw.json 配置文件，添加 messages.tts 部分：

{
  "messages": {
    "tts": {
      "auto": "tagged",
      "provider": "edge",
      "edge": {
        "enabled": true,
        "voice": "zh-CN-XiaoxiaoNeural",
        "lang": "zh-CN"
      }
    }
  }
}

参数详解：

1.1 「auto」触发模式详解

这是最容易搞混的参数，我逐个解释：

• off —— 完全关闭语音回复，AI 只会发文字
• on —— 所有回复都带语音（不建议，会很吵）
• tagged —— 推荐模式：只有消息包含特定标签时才发语音（当你对话时明确要助手用语音回复时生效，不过目前有BUG，不太稳定）
• inbound —— 仅当用户发送语音消息进来时，AI 才用语音回复

建议新手直接用 on 模式，这样你可以明确看到 AI 说话。

1.2 Edge 音色推荐

微软 Edge TTS 提供了非常多的中文音色，推荐几个常用的：

完整音色列表可以在 https://learn.microsoft.com/en-us/azure/ai-services/speech-service/language-support?tabs=tts^[1] 查看。

第二步：重启 OpenClaw

保存配置文件后，重启 OpenClaw 使配置生效：

openclaw gateway restart

⚠️ 注意：OpenClaw 的 TTS 配置有个小 bug —— 全局配置里的 auto 设置，目前对 tagged 和 inbound 模式支持不完善。所以重启后，还需要在对话里手动开启 TTS。

第三步：在对话中开启 TTS

进入任意 Channel（飞书/微信/Terminal 都可以），发送：

/tts on

你会看到类似这样的回复：

🔊 TTS enabled.

常用 TTS 命令：

Session 级别的说明：

/tts on 只对当前对话 session 生效。如果你开启了新的对话（比如 /new 或重启后），需要重新发送 /tts on。

第四步：测试语音回复

现在来测试一下效果！

开启语音后直接发送

使用用 /tts on 开启语音，直接发消息就行：

你发送： 「给我讲个睡前故事」

AI 回复： [文字内容] + [语音文件]

进阶配置：OpenAI TTS（可选）

如果你对音质有更高要求，或者想要「语音风格」控制（比如让声音听起来更「兴奋」或更「平静」），可以使用 OpenAI 的 TTS。

配置方法

在 openclaw.json 中添加：

{
  "messages": {
    "tts": {
      "auto": "tagged",
      "provider": "openai",
      "openai": {
        "apiKey": "sk-你的OpenAI API Key",
        "baseUrl": "https://api.openai.com/v1"
      }
    }
  }
}

注意：OpenAI TTS 是按字符计费的（约 $0.015/1000字符），适合偶尔使用。如果大量使用，建议还是用免费的 Edge TTS。

完整配置参考

方便你复制粘贴的完整配置：

{
  "messages": {
    "tts": {
      "auto": "tagged",
      "provider": "edge",
      "edge": {
        "enabled": true,
        "voice": "zh-CN-XiaoxiaoNeural",
        "lang": "zh-CN"
      },
      "openai": {
        "apiKey": "",
        "baseUrl": "/v1"
      }
    }
  }
}

常见问题 FAQ

Q1: 为什么配置了但没有语音回复？

排查步骤：

1. 确认已重启 OpenClaw
2. 确认已发送 /tts on 开启 session 级别的 TTS
3. 检查配置文件 JSON 格式是否正确（可以用 JSONLint^[2] 验证）

Q2: 语音是生成了，但我听不到？

可能原因：

• 飞书/微信客户端没有自动播放语音的权限
• 手机静音或音量太低
• 音频格式不支持（Edge TTS 生成的是 MP3，绝大部分设备都支持）

解决：点击语音消息手动播放，或检查设备音量。

Q3: 能换个声音吗？

可以！ 修改配置文件里的 voice 参数，参考上面的「音色推荐」表格。修改后重启 OpenClaw 生效。

Q4: 语音能保存下来吗？

OpenClaw 生成的语音文件会作为附件发送，在飞书/微信里可以长按保存。

Q5: 能不能让 AI 自动朗读某些类型的内容？

可以！ 把 auto 改成 inbound 模式，这样当用户发语音给 AI 时，AI 会自动用语音回复。

Q6: 语音支持多长？

Edge TTS 没有严格限制，但建议控制在 5 分钟以内（约 1000 字）。太长的文本可以分段发送。

进阶技巧

技巧1：用 TTS 做「语音备忘录」

让 AI 帮你把长文章转成语音，方便通勤时听：

你发送： 「把下面这篇文章转成语音」+ [粘贴文章内容]

技巧2：多语言切换

Edge TTS 支持多种语言，出国旅游时可以临时切换：

"edge": {
  "voice": "en-US-AriaNeural",
  "lang": "en-US"
}

技巧3：结合其他功能使用

TTS 可以和前面学的功能组合使用：

• 搜索 + TTS：「查一下今天的科技新闻，读给我听」
• 生图 + TTS：「画一只猫，然后描述一下你画的内容」
• 图片理解 + TTS：「看看这张图里有什么，用语音告诉我」

总结：你现在拥有了什么？

🎉 恭喜你，你的 OpenClaw 会「说话」了！

回顾这 6 节课的成果：

你的 AI 已经从「文字助手」升级为「全模态智能助手」 —— 能看、能画、能说。

但这还不是终点。下节课，我们要让 AI 不仅能「说」，还能「听」——给它装上语音识别的能力，让它能听懂你发的语音消息！

课后作业

试试用语音和 AI 互动：

1. 「讲一个 2 分钟的睡前故事」
2. 「总结一下今天的新闻，读给我听」

遇到问题随时在群里提问。

下节预告： 第7课《不只是打字聊天——语音消息识别配置》，教你的 AI 从「只能看文字」升级到「能听懂语音」，实现真正的语音对话！

进度：6/12 已完成 ✅

引用链接