技能介绍

要解决什么问题

OpenClaw 里若只用内置 tts（Edge TTS），你会得到微软云端音色，没有 JARVIS 那种英式、带金属 HUD 质感的听感；若在回复里手写 **Jarvis:** 再另开 TTS，还容易出现「屏幕上说的」和「扬声器播的」不一致。WhatsApp、cron、子 agent 等通道也不该和用户家里的 Tinker 主会话抢同一条语音链路。

技能如何工作

核心是一条 jarvis shell 命令（~/.local/bin/jarvis），一次调用完成两件事：

通过 chat.inject 在 Webchat 里插入紫色 **Jarvis:** *…* 气泡
用 sherpa-onnx 离线合成（英式 Alan，en_GB-alan-medium，约 2× 语速），再经 ffmpeg 做 pitch、flanger、短 echo、高通与 treble，最后用 aplay 播放

通道由 $TC_SESSION_KEY（agent::: 格式）自动判断：仅在 tinker 主会话同时发声与发气泡；可用 ~/.openclaw/data/jarvis-muted.json 静音但仍保留气泡，或用 TC_VOICE_CHANNEL 覆盖允许通道。幽默语气需配合工作区里的 VOICE.md / SESSION.md / HUMOR.md（四类喜剧模式与 LIMBIC 思路），与 ai-humor-ultimate 等同属 TinkerClaw 认知栈的一部分。

适用边界与注意点

spoken 文本 仅英文，Alan 模型无法干净读其它语言；超长会被 sherpa-onnx 截断（建议 ≤1500 字符）
对 agent：exec 应 background: true，勿阻塞等播完；每轮只调一次 jarvis，勿手写 Jarvis 行以免重复气泡
纯工具操作、HEARTBEAT_OK、NO_REPLY 等无对话场景不必出声；WhatsApp 需 OGG/Opus 语音条而非本机扬声器（见技能内 WhatsApp 说明）