Walkie‑Talkie（语音对讲）模式

目标：用户在 WhatsApp 里发文字或语音都可以。

• 文字：正常回复文字。
• 语音：先本地转写成文字 → 正常生成回复 → 同时回文字 + 回语音。

触发

• 用户明确说：开启/进入语音对话、walkie-talkie、对讲机模式。
• 或系统/网关把消息标记为 voice note / audio，并提供本地文件路径（常见为 .ogg/.opus/.m4a 等）。

执行步骤（语音消息）

1) 找到音频文件路径

优先从消息里拿到本地路径（OpenClaw 通常会把媒体下载到本地，并在消息里给出 path/filePath/url）。

• 如果你没拿到路径：请直接问用户“我这条语音没拿到文件路径/附件，麻烦重发一次或发文字”。

2) 转成 wav（16k 单声道）

使用 exec：

ffmpeg -y -i "$IN" -ac 1 -ar 16000 /tmp/oc_voice.wav

3) 本地转写（whisper CLI）

使用 exec：

whisper /tmp/oc_voice.wav --model small --language Chinese --task transcribe --output_format txt --output_dir /tmp
cat /tmp/oc_voice.txt

• 如果识别语言不确定：先不指定 --language，让 whisper 自动。

4) 用转写文本作为用户输入

把转写文本当作用户刚刚发来的内容继续对话。

5) 回复：文字 + 语音

• 文字：照常在当前会话回复。
• 语音：调用 tts 工具把最终回复转成音频，然后用 message 工具发送为语音消息（asVoice=true）。

注意：如果用 message 工具发送语音给用户（用户可见），请遵守主代理规则：工具发送后，本回合最终回复用 NO_REPLY 避免重复。

失败策略

• ffmpeg/whisper 报错：回复用户“我这次语音转写失败，请重发或改发文字”，并把关键报错摘要给出（不要贴过长日志）。
• 音频太长：提示用户分段发送。

性能建议

• 默认用 whisper small（速度/准确平衡）。
• 追求速度可用 base；追求准确可用 medium（更慢）。