飞书语音发送器 Feishu Voice Sender

支持 TTS 语音合成，以及可选的 ASR 语音识别功能，同时支持基于上下文的情绪参数。

⚠️ 重要声明

执行模式 | Execution Model

• 此 Skill 不会自动运行，仅在用户明确要求时执行
• This skill does not monitor, intercept, or automatically process messages. It only runs when explicitly invoked.
• 仅处理用户提供的输入，不读取任意本地文件
• Only processes user-provided input. Does not read arbitrary local files.

外部依赖 | External Dependencies

• ffmpeg: 仅用于音频格式转换（mp3 → opus），不执行任意命令
• ffmpeg is used ONLY for audio format conversion (mp3 → opus). No arbitrary command execution. No user-controlled shell input.

触发场景 | Invocation Examples

当用户明确要求发送飞书语音消息时，可调用此 Skill，例如：

• "发语音给..."
• "用语音回复"
• "发送语音消息"
• "voice message"
• "send voice"

This skill may be invoked only when the user explicitly requests a voice message via Feishu/Lark. It does not run automatically.

AI 使用方法

当用户明确要求时，使用以下方式发送语音：

import sys
sys.path.insert(0, 'src')
from feishu_voice import send_voice_message

# 发送语音消息
send_voice_message(
    text="要播报的内容",
    user_input="用户的原始请求（用于情绪感知）"
)

参数说明：

• text: AI 生成的播报内容（必填，最大 300 字符）
• user_input: 用户的原始输入，用于让豆包感知情绪（可选）
• receive_id: 接收者 ID（可选，默认从环境变量读取）

示例：

# 用户说："用激动的语气发语音说项目成功了"
send_voice_message(
    text="项目成功了！我们超额完成了目标！",
    user_input="用激动的语气发语音说项目成功了"
)

数据流 | Data Flow

Text path: 用户提供文本 → 情绪上下文参数 → TTS 语音合成 → 格式转换 → 飞书发送

ASR path: 用户明确提供本地音频文件（当前支持 .ogg / OGG Opus 输入）→ 极速版 ASR（flash recognize API）→ 返回文本结果

环境变量配置

必需配置（TTS + Feishu）

export TTS_APP_ID="your-tts-app-id"
export TTS_ACCESS_KEY="your-tts-access-key"
export FEISHU_APP_ID="your-feishu-app-id"
export FEISHU_APP_SECRET="your-feishu-app-secret"

可选配置

# ASR 语音识别（仅在需要使用 ASR 功能时配置）
export ASR_APP_ID="your-asr-app-id"
export ASR_ACCESS_KEY="your-asr-access-key"
export ASR_RESOURCE_ID="volc.bigasr.auc_turbo"

# 默认接收者
export DEFAULT_RECEIVE_ID="ou_xxx"

注意： ASR 是可选功能，仅在调用语音识别时需要配置 ASR_APP_ID 和 ASR_ACCESS_KEY。若未显式提供 ASR_RESOURCE_ID，代码默认按本地文件极速识别场景使用 volc.bigasr.auc_turbo。

获取方式：

• 豆包语音：火山引擎控制台 https://console.volcengine.com/
• 飞书：飞书开放平台 https://open.feishu.cn/

功能特性

• 🎙️ 语音合成(TTS) - 使用豆包 TTS 2.0 生成语音
• 🎯 语音识别(ASR) - 使用豆包极速版 flash recognize API 识别本地 OGG/Opus 音频
• 🎭 情绪参数 - 支持通过 context_texts 传递情绪上下文
• 🔒 安全限制 - 仅处理用户提供的输入

安全说明 | Security

输入限制

• 仅接受用户直接提供的文本输入
• ASR 当前仅处理用户明确提供的 .ogg 音频文件（飞书语音常见为 OGG/Opus）
• 文本长度限制 300 字符
• 不读取任意本地文件，仅处理用户明确提供的 .ogg 音频文件用于 ASR

音频输入限制 | Audio Input Constraints

• 仅处理用户明确提供的音频文件
• Only processes audio files explicitly provided by the user
• 不访问系统音频、麦克风或消息历史
• Does NOT access system audio, microphone, or message history
• 不扫描本地目录
• Does NOT scan local directories

执行限制

• 不监听消息
• 不自动运行
• 不扫描目录
• 不执行用户控制的命令

临时文件

• 使用 tempfile 模块创建临时文件
• 处理完成后立即删除
• 不保留任何持久文件

依赖

requests>=2.28.0

系统依赖：

• ffmpeg（用于音频格式转换 mp3 → opus）
• Python 3.8+

安装

pip install -r requirements.txt

注意： 需要系统安装 ffmpeg

• macOS: brew install ffmpeg
• Ubuntu: sudo apt-get install ffmpeg

项目结构

feishu-voice-sender-tts/
├── SKILL.md
├── requirements.txt
└── src/
    └── feishu_voice.py

更新日志

V2.0.2 (2026-03-24)

• 🎯 修正本地音频 ASR 调用方式，改为 flash recognize API 所需的 JSON + base64 请求体
• 🔧 新增 ASR_RESOURCE_ID 环境变量支持，默认适配本地文件极速识别场景
• 🗣️ 明确桌面清洁版支持本地 OGG/Opus 音频识别
• 📝 同步 SKILL.md 描述与实际实现，避免文档与代码不一致

V2.0.0 (2026-03-23)

• 🔒 安全重构：移除所有硬编码密钥，改为环境变量
• 🗑️ 删除 shell 脚本（send.sh / install.sh）
• 🐍 纯 Python 实现：使用 requests 替代 curl
• 🛡️ 增加安全限制：输入验证、文件类型检查、长度限制
• 📝 重写 SKILL.md：明确声明执行模式和安全边界
• 🧹 使用 tempfile 替代固定路径
• 🔑 ASR/TTS 密钥分离
• 💾 Feishu token 缓存
• ⏱️ 动态音频时长计算
• 🔒 ffmpeg 安全声明
• 📝 文档降调，减少营销感