为AI代理添加离线语音合成能力，采用sherpa-onnx本地TTS引擎，配合ffmpeg音效处理实现钢铁侠JARVIS风格的英式口音与金属质感音色，内置幽默人格模板。
说明：
## 核心功能
**jarvis-voice** 是一款为OpenClaw代理打造的离线语音合成技能，通过整合sherpa-onnx本地TTS引擎（Piper en_GB Alan语音模型）与ffmpeg音频处理链，赋予AI代理具有辨识度的”JARVIS式”声音特征。
### 技术实现
– **语音合成**：基于sherpa-onnx的VITS模型，采用英国男性Alan音色，语速2倍加速(`–vits-length-scale=0.5`)，纯离线运行
– **音效处理**：ffmpeg多阶段处理链——音高提升5%（紧缩感）、镶边效果（金属光泽）、15ms回声（机械共鸣）、高通200Hz+高音增强6dB（HUD清晰度）
– **输出方式**：通过`aplay`直接播放至默认音频设备，或使用`jarvis`shell命令在后台异步执行
### 使用模式
采用”混合输出”设计：先执行`exec(command=’jarvis “文本”‘, background=true)`触发语音，再以`**Jarvis:** *文本*`格式输出可见转录。Webchat界面自动渲染为紫色斜体样式，非网页端保持粗体斜体兼容。
### 幽默人格集成
该技能并非单纯语音工具，而是与`ai-humor-ultimate`配套的认知架构组件。内置四种研究验证的喜剧模式：干冷机智（dry wit）、AI自我认知（self-aware AI）、外星观察者视角（alien observer）、习语字面拆解（literal idiom play），频率设为最大值。
## 显著优点
– **完全离线**：无需网络连接，无云端API依赖，隐私数据零外传
– **确定性执行**：`jarvis`脚本参数固定，无动态命令注入风险
– **低延迟**：本地TTS+后台播放，语音与文本几乎同步感知
– **高度可定制**：ffmpeg效果链、语音模型、语速参数均可调整
– **生态整合**：与OpenClaw工作区注入机制配合，通过VOICE.md/SESSION.md/HUMOR.md模板实现会话级自动激活
## 局限性与风险
– **英语唯一**：Alan模型不支持多语言，非英语内容需先翻译
– **Linux限定**：依赖ALSA (`aplay`)，macOS/Windows需额外适配
– **环境依赖重**：需预装sherpa-onnx运行时、ffmpeg、配置`SHERPA_ONNX_TTS_DIR`环境变量
– **硬件耦合**：默认使用`plughw:0,0`设备，多声卡环境需手动调整
– **字符限制**：单次语音≤1500字符，长文本需分段处理
– **无权限隔离**：脚本以用户级权限运行，虽无提权设计但亦无沙箱保护
## 适合人群
– 构建本地化AI助手、追求《钢铁侠》JARVIS沉浸体验的技术爱好者
– 对语音隐私敏感、拒绝云端TTS服务的用户
– 已部署OpenClaw生态、希望扩展多模态交互的开发者
– 具备Linux系统管理基础、能独立排查音频子系统问题的用户
## 安全评估
该技能的安全设计偏向”确定性透明”：命令固定、开源可审计、无网络行为。主要风险集中于供应链（从GitHub Releases下载模型包）和本地环境配置。建议用户在首次使用前审阅`jarvis`脚本内容，确认无恶意代码植入。
会员专属
