ASR 与 TTS 语音配置助手

解决什么问题

在飞书、Telegram、企业微信等聊天通道接入大模型后，语音消息常会卡住流程：语音文件没有转成文本，文本回复也缺少自然语音输出。这个技能把 TTS 和 ASR 的配置拆成可检查、可选择、可安装的步骤，避免直接回复“无法处理语音”。

技能如何工作

它先根据用户意图路由到 TTS 语音回复 或 ASR 语音识别：

• TTS：检查状态为 ready、partial、not_configured，再给出 edge-tts-universal 或腾讯云语音合成选项，安装后要求重启 Gateway。
• ASR：识别音频附件或明确转写请求，探测机器资源，再选择本地 Whisper 或腾讯云 ASR，并按模型体积给出建议。

核心原则是先展示成本、隐私、延迟和部署差异，等用户明确选择后再执行。

边界与注意

该技能不是语音识别模型本身，而是配置与部署助手；所有语音能力依赖底层插件、凭证和服务端重启。免费方案适合离线或低成本场景，云服务需要密钥并受额度限制。若收到的是文档里的 JSON 片段或示例代码，不应触发 ASR。