🎤 语音管线全线打通 · 从单向到双向闭环

火山 TTS 2.0 · 娇喘→小鹤·5音色选型

端点 openspeech.bytedance.com/api/v3/tts/unidirectional/sse，资源 seed-tts-2.0。 根因 debug：body 字段 speaker 在 req_params.speaker 不是 audio.voice，用错报 55000000。

_uranus_bigtts 后缀全测

批量测试 15 个音色，5 个可用。淘汰"甜美桃子"（太茶），选"小鹤"为 V 默认声音。 参考文档：飞书音色参考 ↗

小鹤

zh_female_xiaohe_uranus_bigtts

柔和自然，像朋友聊天

Vivi 2.0

zh_female_vv_uranus_bigtts

活泼通用女声

娇喘女

zh_female_jiaochuannv_uranus_bigtts

Tianyi 专用，说"用诱惑的声音"切换

甜美桃子

zh_female_tianmeitaozi_uranus_bigtts

太"茶"，老婆不喜

英语教学

zh_female_yingyujiaoxue_uranus_bigtts

中英双语，英文发音好

端到端流程

收：语音 → Gemini STT / 火山 ASR → 理解。发：文本 → 火山 TTS 2.0 → 语音条。

🎤 语音输入

飞书 → Gemini STT(普通话) / 火山 ASR(方言) → 转录文本

🧠 理解处理

V / DeepSeek-v4-pro → 生成回复文本

🔊 语音输出

火山 TTS 2.0 (seed-tts-2.0) → mp3 → 飞书语音条

💬 群聊语音

跑 volcano-tts-2.0.py → message + asVoice=true → 群友看到语音条

3 个脚本 + OpenClaw 集成

TTS 通过 tts-local-cli provider 挂入 OpenClaw 内置 TTS，默认文字回复、按需语音。

volcano-tts-2.0.py

火山 TTS 2.0 语音合成

python3 scripts/volcano-tts-2.0.py "文本" [--voice <id>] --out file.mp3

volcano-asr.py

火山 ASR 录音文件识别

python3 scripts/volcano-asr.py --url <url> --format mp3

gemini-stt.py

Gemini Flash 语音转文字

python3 scripts/gemini-stt.py <audio.ogg>

Learnings

从 30+ 次错误请求中提炼，避免下次重蹈覆辙

55000000 误导

错误信息字面像授权问题，实际是 body 里 speaker 放错字段（req_params.speaker vs audio.voice）

先看文档别硬试

30+ 次请求在 header/resource 上穷举，body 格式对了立即通

同一域名≠同一格式

ASR 用 audio.voice，TTS 用 req_params.speaker，同域名 API 格式不同

方言走火山

上海话 Gemini STT 转录糊，火山 ASR 原生方言支持准确

群聊语音通道

OpenClaw 内置 tts 走文件附件→群聊不认，需 message+asVoice=true