语音总结

把 AI 的文字回复一键转成语音消息发到飞书群。每条回复卡片底部会出现一个「🔊 语音总结」按钮，点一下，机器人就把这条回复精简成口语、合成语音气泡发到当前话题。

按需触发：默认不自动生成，想听才点——避免每条回复都附带一大段语音。
先精简、再合成：点击后模型会把原回复压成几句口语（去掉代码、路径、链接等不适合朗读的内容），所以听到的是「讲人话」的总结，而不是把原文照念。
有权限门：只有对该机器人有「对话 / 操作」权限的成员能点；其他人点击会收到「需要授权」的提示。
每条只生成一次：同一条回复的语音只会生成一次，多人点击也不会刷屏。

语音是可选的高级功能：需要先配置一个语音合成（TTS）引擎；没配置时回复卡片不显示这个按钮。

配置语音引擎

用独立命令 botmux voice 交互式配置（特意不和 botmux setup 混在一起）。配置写入全局 ~/.botmux/config.json 的 voice 块，botmux restart 后生效。

支持四类引擎，按你的凭证和服务选择：

字节租户：SAMI（语音合成大模型）

字节内部用户直接用公司的语音合成大模型（SAMI），音色自然、无需自建服务。

① 申请凭证（一次性）

在公司语音能力平台申请「语音合成（大模型）」能力（botmux 只做合成，不需要语音识别）。
拿到三样东西：appkey、AccessKey、SecretKey。
若提示 Namespace 未开通 / 无路由，走内部 Oncall 找语音（Speech）团队在运维中心开通。

申请入口请在内部平台搜索「语音合成大模型 / SAMI」，或直接咨询语音团队。

② 配置

botmux voice          # 交互式：选 SAMI → 依次粘贴 accessKey / secretKey / appkey
botmux restart        # 生效

音色默认用「灿灿」，可在配置时改成其它音色 id。服务端点已内置，无需填写。SecretKey 只在本机签名换取临时 token，不外发。

外部用户：OpenAI 兼容引擎

外部 / 开源用户接任意兼容 OpenAI 语音接口的 TTS 服务——可以是 OpenAI 官方，也可以是自建（如 Kokoro-FastAPI、openedai-speech 等）。

① 准备一个 TTS 服务，拿到三项：

baseUrl：服务地址。OpenAI 官方是 https://api.openai.com/v1；自建填你自己的（如 http://127.0.0.1:8880/v1）。
apiKey：服务密钥（自建若无鉴权可留空）。
model：模型名。OpenAI 是 tts-1；自建按服务文档（如 kokoro）。

② 配置

botmux voice          # 交互式：选 OpenAI 兼容 → 填 baseUrl / apiKey / model
botmux restart        # 生效

音色（voice）可选：OpenAI 默认 alloy，自建按服务支持的音色填。

MiniMax（海螺语音）

有 MiniMax 开放平台 API key 的用户可直接用官方 T2A v2 语音合成，无需自建服务。

① 准备凭证

在 MiniMax 开放平台开通语音合成（T2A）能力，拿到一个 API key。
确认接入区域：国内账号一般选「国内」（api.minimaxi.com）；海外账号选「国际」（api.minimax.io）。key 与区域要匹配，配错会报鉴权失败。

② 配置

botmux voice          # 交互式：选 [3] MiniMax → 粘贴 API key → 选区域
botmux restart        # 生效

模型默认 speech-2.8-hd，音色默认 female-shaonv，二者都可在配置时或配置文件里覆盖。若默认音色在你的账号下不可用（不同区域 / 模型开放的音色可能不同），按 MiniMax 控制台列出的系统音色 id 填一个即可。

火山引擎 / 豆包 V3

运行 botmux voice，选择 [4]，再明确选择 standard 或 agent-plan，输入该模式的专用 API key。默认音色为 zh_female_vv_uranus_bigtts，语速为 1。有效的正数语速在请求时限制到 0.5 至 2。

普通按量账户的全局配置示例：

{
  "voice": {
    "engine": "volcengine",
    "volcengine": {
      "mode": "standard",
      "apiKey": "<STANDARD_API_KEY>"
    },
    "speaker": "zh_female_vv_uranus_bigtts",
    "rate": 1
  }
}

在 bots.json 的某个机器人条目中加入以下 voice，可改用 Agent Plan 专用账户：

{
  "voice": {
    "engine": "volcengine",
    "volcengine": {
      "mode": "agent-plan",
      "apiKey": "<AGENT_PLAN_API_KEY>"
    }
  }
}

必须显式设置 engine 和 mode。standard 使用 /api/v3/tts/unidirectional，agent-plan 使用 /api/v3/plan/tts/unidirectional，两者固定使用 openspeech.bytedance.com 和资源 seed-tts-2.0。不要填写聊天服务的地址或旧版 app ID。占位 key 需替换为实际凭证，不会自动读取同名环境变量。

切换 mode 时必须同时提供新 key，不能继承另一模式的全局 key。同一 mode 可继承 key，机器人也可只覆盖 speaker 或 rate。"volcengine": null 或显式空 key 禁用该账户的继承。缺失或非法 mode 会使配置不可用，不会改走普通付费端点。请求失败不重试、不跟随重定向，也不切换端点；套餐计费由供应商决定。

botmux voice status 只显示新账户 key 是否设置。交互式保存任何 TTS 引擎都会保留原有 voice.asr。火山引擎返回 24 kHz、单声道、16 位 PCM，飞书语音仍需下述 Opus 编码器。

合成会缓存整个响应，正常 HTTP 结束后才返回音频，不提供流式播放。默认 60 秒超时覆盖响应头和读体；收到完成记录后连接仍不结束也会超时。客户端限制为 16 MiB 响应、8 MiB PCM 和 10000 条 JSON 记录。截断、非法数据、完成帧携带非空音频或超限都会报错，不发送部分音频。

系统依赖

合成产物要编码成飞书语音气泡用的 opus 格式，依赖系统的 opus-tools（提供 opusenc）。跑 botmux voice 配置时会自动检测，没装会询问并帮你装好（沿用和 tmux 一致的包管理器 + sudo 逻辑）。也可手动安装：

# Debian / Ubuntu
sudo apt-get install -y opus-tools
# macOS
brew install opus-tools

管理命令

botmux voice          # 配置（交互式）
botmux voice status   # 查看当前配置（凭证自动打码）
botmux voice disable  # 关闭语音（移除配置，按钮随之消失）

配置文件参考

直接编辑 ~/.botmux/config.json 的 voice 块也可以：

// 字节租户（SAMI）
{
  "voice": {
    "engine": "sami",
    "speaker": "zh_female_cancan_mars_bigtts",   // 可选，默认灿灿
    "sami": { "accessKey": "...", "secretKey": "...", "appkey": "..." }
  }
}

// 外部用户（OpenAI 兼容）
{
  "voice": {
    "engine": "openai",
    "speaker": "alloy",                            // 可选
    "openai": { "baseUrl": "https://api.openai.com/v1", "apiKey": "...", "model": "tts-1" }
  }
}

// MiniMax（region: "cn" 国内 / "global" 国际，默认国际）
{
  "voice": {
    "engine": "minimax",
    "speaker": "female-shaonv",                   // 可选，默认 female-shaonv
    "minimax": { "apiKey": "...", "region": "cn", "model": "speech-2.8-hd" }
  }
}

支持按机器人覆盖：在 bots.json 某个机器人对象里放同样的 voice 块，会逐字段盖在全局配置之上（多个机器人共用一套、或各配各的都行）。

#语音总结

#配置语音引擎

#字节租户：SAMI（语音合成大模型）

#外部用户：OpenAI 兼容引擎

#MiniMax（海螺语音）

#火山引擎 / 豆包 V3

#系统依赖

#管理命令

#配置文件参考

语音总结

配置语音引擎

字节租户：SAMI（语音合成大模型）

外部用户：OpenAI 兼容引擎

MiniMax（海螺语音）

火山引擎 / 豆包 V3

系统依赖

管理命令

配置文件参考