我打造了OpenClaw语音——专属于你的OpenClaw的专用硬件。

我最近一直在将Home Assistant Voice PE（59美元的扬声器小圆盘）改造成一个神奇而实用的OpenClaw语音接口，它已经从“演示”跨越到了“我的家人整天都在使用”的阶段。简直太酷了。它能通过声纹识别我、我的妻子或访客以进行访问验证——试试吧，我已经开源了整个技术栈：https://github.com/TristanBrotherton/voicepe-realtime OpenAI Realtime负责对话（真正的语音到语音，亚秒级智能家居控制，你可以在句子中间打断），而OpenClaw是背后的“大脑”——它的记忆、它的双手和它的电话。从OpenClaw的记忆中即时召回。“奶奶的电话号码是多少？”大约一秒钟就能回答。诀窍在于：完全不需要代理交互。OpenClaw的记忆是Markdown格式，因此桥接器只需搜索MEMORY.md、每日记录和人员文件，然后将匹配的行交给实时模型。OpenClaw知道的任何信息，房子立刻就知道。深度查找会自我改进。如果搜索未命中，它会升级为真实的OpenClaw交互——扫描iMessage历史记录或任何其他来源，回答问题，并将找到的内容写入人员文件。因此，每次深度查找都会将该事实提升到即时层级。问两次，第二次就是亚秒级的。 长时间运行的任务会找到你。“研究一下十月份去伦敦的机票价格。”它会说“我查一下然后回来报告”，将任务交给OpenClaw，然后你可以走开。OpenClaw会一直浏览，直到完成——然后在你提问的房间中大声播报答案（请求带有房间标签），并通过你运行的任何渠道发送详细信息。如果交互运行时间较长，你会得到一句诚实的“仍在处理中”，而不是超时，并且回报由桥接器强制执行，而非模型的善意。如果我没有回应，我将其设置为给我发短信。 电话转接。这招最能引起客人的反应：“打电话给药房，问我的处方准备好了没有”。通过我的openclaw-voice-call-realtime插件（https://github.com/TristanBrotherton/openclaw-voice-call-realtime — Twilio + OpenAI Realtime，通话内工具，通话记录），OpenClaw会实际拨打一个电话，进行对话，并在通话结束时在厨房中播报答案。语音输入，任务执行，语音输出。 为你的自动化系统提供语音。通知端点只是一个承载认证的POST，因此OpenClaw的定时任务可以说话：“十五分钟后出发去学校接送。”局域网上的任何脚本也可以。一次教会，随处可用。 这就是让一切运转起来的设计规则：Voice PE本身没有任何知识。语音升级作为OpenClaw在同一个工作空间中的交互运行——相同的MEMORY.md、相同的TOOLS.md、相同的脚本。在聊天中教OpenClaw一些东西，语音路径立刻就知道。无需维护另一个大脑。 除了OpenClaw的功能外：基于我的声音训练的定制唤醒词（社区训练器，默认附带“Hey Leonard”，可通过下拉菜单切换）；本地说话人识别，通过引导式语音注册在设备上原生以C++运行（它知道谁在说话，并通过名字称呼你——定时器会向设置者播报）；“记住……”语音记忆，带有说话人权限的写入；错误唤醒标记，推动每周重新训练的飞轮；以及一系列生产加固措施（在OpenAI的60分钟限制之前刷新会话，回声防护等）。 集成接口故意设计得极小——一个URL，两种POST格式（{"question"}和{"recall"}）加上通知端点——因此无论你运行什么其他代理，它都无关紧要，但OpenClaw是围绕它构建并经过测试的。文档涵盖了整个桥接模式：https://github.com/TristanBrotherton/voicepe-realtime/blob/main/docs/agent-integration.md 很高兴回答任何问题——唤醒词训练、声纹相关、成本（轻度家庭使用每天几毛钱），或者桥接内部细节。我真正专注于用户体验，所以一旦设置好，它确实开始感觉像一个可以信赖的人。如果唤醒词出现误判，按两次按钮，它就会被记录为失败，当重新训练会话运行时，模型会得到改进。随着时间的推移，一切都会变得更好...