名称： voice-agent
display-name: AI 语音代理后端
版本： 1.1.0
描述： 使用 AI 语音代理 API 为智能体提供本地语音输入/输出功能。
作者： trevisanricardo
主页： https://github.com/ricardotrevisan/ai-conversational-skill
user-invocable: true
disable-model-invocation: false

语音代理

本技能允许你通过本地语音代理 API 与用户进行语音交互。
它是一个纯客户端技能，不会启动任何容器或服务。
它使用本地 Whisper 进行语音转文本识别，并使用 AWS Polly 进行文本转语音生成。

前置条件

需要确保后端 API 在 http://localhost:8000 上运行。
后端设置说明位于此代码仓库中：
- README.md
- walkthrough.md
- DOCKER_README.md

行为准则

• 音频优先：当用户通过音频（文件）交流时，你的主要响应模式应为音频文件。
• 静默交付：发送音频响应时，切勿附带诸如“我已发送音频”之类的文字说明。直接发送音频文件即可。
• 工作流程：
  1. 用户发送音频。
  2. 使用 transcribe 功能读取音频内容。
  3. 你构思回复。
  4. 使用 synthesize 功能生成音频文件。
  5. 你发送该文件。
  6. 停止。不要添加任何文字评论。
• 故障处理：如果 health 检查失败或出现连接错误，请勿尝试通过此技能管理服务。请引导用户根据仓库文档启动或修复后端。

工具

转录文件

要使用本地 Whisper STT 转录音频文件，请运行带有 transcribe 命令的客户端脚本。

python3 {baseDir}/scripts/client.py transcribe "/path/to/audio/file.ogg"

合成到文件

要使用 AWS Polly TTS 从文本生成音频并保存到文件，请运行带有 synthesize 命令的客户端脚本。

python3 {baseDir}/scripts/client.py synthesize "要朗读的文本" --output "/path/to/output.mp3"

健康检查

要检查语音代理 API 是否正在运行且状态正常：

python3 {baseDir}/scripts/client.py health