diff --git a/docs/zh-CN/plugins/google-meet.md b/docs/zh-CN/plugins/google-meet.md index 9afcbe911..cec2a9a71 100644 --- a/docs/zh-CN/plugins/google-meet.md +++ b/docs/zh-CN/plugins/google-meet.md @@ -1,36 +1,36 @@ --- read_when: - - 你希望一个 OpenClaw 智能体加入一个 Google Meet 通话 - - 你希望一个 OpenClaw 智能体创建一个新的 Google Meet 通话 + - 你希望一个 OpenClaw 智能体加入 Google Meet 通话 + - 你希望一个 OpenClaw 智能体创建新的 Google Meet 通话 - 你正在将 Chrome、Chrome 节点或 Twilio 配置为 Google Meet 传输方式 -summary: Google Meet 插件：通过 Chrome 或 Twilio 加入明确的 Meet URL，并使用实时语音默认设置 +summary: Google Meet 插件：通过 Chrome 或 Twilio 加入显式的 Meet URL，并默认启用实时语音 title: Google Meet 插件 x-i18n: - generated_at: "2026-04-24T22:10:12Z" + generated_at: "2026-04-24T22:14:45Z" model: gpt-5.4 provider: openai - source_hash: d45b56e334b27509372a4f313262697eb026416077b39fa65ce7c150397ceb4d + source_hash: 2438d52c6a3c98e9d2aa345790b72475bc26c3497580d6af15b6df221705864a source_path: plugins/google-meet.md workflow: 15 --- -OpenClaw 的 Google Meet 参与支持——该插件按设计即为显式模式： +OpenClaw 的 Google Meet 参与支持——该插件在设计上是显式的： -- 它只会加入明确的 `https://meet.google.com/...` URL。 -- 它可以通过 Google Meet API 创建一个新的 Meet 空间，然后加入返回的 URL。 +- 它只会加入显式的 `https://meet.google.com/...` URL。 +- 它可以通过 Google Meet API 创建新的 Meet 空间，然后加入返回的 URL。 - `realtime` 语音是默认模式。 -- 当需要更深入的推理或工具时，实时语音可以回调到完整的 OpenClaw 智能体。 -- 智能体通过 `mode` 选择加入行为：实时收听/回话使用 `realtime`，若只加入/控制浏览器而不启用实时语音桥接，则使用 `transcribe`。 -- 认证起点是个人 Google OAuth，或一个已经登录的 Chrome 配置文件。 -- 没有自动的同意提示播报。 +- 实时语音在需要更深入推理或工具时，可以回调到完整的 OpenClaw 智能体。 +- 智能体通过 `mode` 选择加入行为：实时收听/回话使用 `realtime`，加入/控制浏览器但不启用实时语音桥接则使用 `transcribe`。 +- 认证起始方式可以是个人 Google OAuth，或已登录的 Chrome 配置文件。 +- 不会自动播报同意声明。 - 默认的 Chrome 音频后端是 `BlackHole 2ch`。 - Chrome 可以在本地运行，也可以在已配对的节点主机上运行。 - Twilio 接受拨入号码以及可选的 PIN 或 DTMF 序列。 -- CLI 命令是 `googlemeet`；`meet` 保留给更广泛的智能体电话会议工作流使用。 +- CLI 命令是 `googlemeet`；`meet` 保留给更广义的智能体电话会议工作流。 ## 快速开始 -安装本地音频依赖，并配置一个后端实时语音提供商。OpenAI 是默认选项；Google Gemini Live 也可与 `realtime.provider: "google"` 一起使用： +安装本地音频依赖并配置后端实时语音提供商。OpenAI 是默认项；Google Gemini Live 也可与 `realtime.provider: "google"` 配合使用： ```bash brew install blackhole-2ch sox @@ -52,7 +52,7 @@ system_profiler SPAudioDataType | grep -i BlackHole command -v rec play ``` -启用该插件： +启用插件： ```json5 { @@ -73,7 +73,7 @@ command -v rec play openclaw googlemeet setup ``` -设置输出旨在让智能体可读。它会报告 Chrome 配置文件、音频桥接、节点固定、延迟的实时介绍，以及在配置了 Twilio 委派时，`voice-call` 插件和 Twilio 凭证是否已就绪。对于任何 `ok: false` 的检查项，在要求智能体加入之前都应视为阻塞问题。脚本或机器可读输出请使用 `openclaw googlemeet setup --json`。 +设置输出旨在供智能体读取。它会报告 Chrome 配置文件、音频桥接、节点固定、延迟的实时介绍，以及在配置了 Twilio 委派时，`voice-call` 插件和 Twilio 凭证是否已就绪。请求智能体加入前，将任何 `ok: false` 检查都视为阻塞项。对脚本或机器可读输出使用 `openclaw googlemeet setup --json`。 加入会议： @@ -92,7 +92,7 @@ openclaw googlemeet join https://meet.google.com/abc-defg-hij } ``` -创建一个新会议，然后加入： +创建新会议，然后加入： ```bash openclaw googlemeet create @@ -101,12 +101,12 @@ openclaw googlemeet join https://meet.google.com/new-abcd-xyz --transport chrome `googlemeet create` 有两条路径： -- API 创建：当已配置 Google Meet OAuth 凭证时使用。这是最可预测的路径，并且不依赖浏览器 UI 状态。 -- 浏览器回退：当缺少 OAuth 凭证时使用。OpenClaw 会使用固定的 Chrome 节点，打开 `https://meet.google.com/new`，等待 Google 重定向到真实的会议代码 URL，然后返回该 URL。此路径要求节点上的 OpenClaw Chrome 配置文件已登录 Google。浏览器自动化会处理 Meet 自身的首次麦克风提示；该提示不会被视为 Google 登录失败。 +- API 创建：当配置了 Google Meet OAuth 凭证时使用。这是最确定的路径，不依赖浏览器 UI 状态。 +- 浏览器回退：当 OAuth 凭证缺失时使用。OpenClaw 使用固定的 Chrome 节点，打开 `https://meet.google.com/new`，等待 Google 重定向到真实的会议代码 URL，然后返回该 URL。此路径要求节点上的 OpenClaw Chrome 配置文件已登录 Google。浏览器自动化会处理 Meet 自身的首次运行麦克风提示；该提示不会被视为 Google 登录失败。 -命令输出包含一个 `source` 字段（`api` 或 `browser`），这样智能体就可以说明使用了哪条路径。 +命令输出包含 `source` 字段（`api` 或 `browser`），这样智能体就可以说明使用了哪条路径。 -或者告诉智能体：“创建一个 Google Meet，用实时语音加入，并把链接发给我。” 智能体应先用 `action: "create"` 调用 `google_meet`，复制返回的 `meetingUri`，然后再用 `action: "join"` 和该 URL 调用 `google_meet`。 +或者告诉智能体：“创建一个 Google Meet，用实时语音加入，并把链接发给我。” 智能体应先调用 `google_meet` 并使用 `action: "create"`，复制返回的 `meetingUri`，然后再调用 `google_meet` 并使用 `action: "join"` 以及该 URL。 ```json { @@ -123,40 +123,40 @@ openclaw googlemeet join https://meet.google.com/new-abcd-xyz --transport chrome } ``` -若要以仅观察/仅浏览器控制的方式加入，请设置 `"mode": "transcribe"`。这不会启动双向实时模型桥接，因此它不会在会议中回话。 +如果只是观察或控制浏览器加入，请设置 `"mode": "transcribe"`。这不会启动双向实时模型桥接，因此不会在会议中回话。 -Chrome 会以已登录的 Chrome 配置文件身份加入。在 Meet 中，为 OpenClaw 使用的麦克风/扬声器路径选择 `BlackHole 2ch`。为了获得干净的双工音频，请使用独立的虚拟设备或类似 Loopback 的音频拓扑；单个 BlackHole 设备足以完成首次冒烟测试，但可能会产生回声。 +Chrome 会以已登录的 Chrome 配置文件身份加入。在 Meet 中，选择 `BlackHole 2ch` 作为 OpenClaw 使用的麦克风/扬声器路径。为了获得干净的双向音频，请使用独立的虚拟设备或类似 Loopback 的音频图；单个 BlackHole 设备足以完成首次冒烟测试，但可能会产生回声。 ### 本地 Gateway 网关 + Parallels Chrome -你**不**需要在 macOS VM 中运行完整的 OpenClaw Gateway 网关 或模型 API 密钥，只是为了让 VM 承担 Chrome。你可以在本地运行 Gateway 网关和智能体，然后在 VM 中运行一个节点主机。只需在 VM 中启用一次内置插件，这样节点就会通告 Chrome 命令： +你**不**需要在 macOS VM 内运行完整的 OpenClaw Gateway 网关或模型 API 密钥，只是为了让 VM 托管 Chrome。你可以在本地运行 Gateway 网关和智能体，然后在 VM 中运行节点主机。只需在 VM 中启用一次内置插件，这样节点就会通告 Chrome 命令： -各组件运行位置如下： +各组件运行位置： - Gateway 网关主机：OpenClaw Gateway 网关、智能体工作区、模型/API 密钥、实时提供商，以及 Google Meet 插件配置。 - Parallels macOS VM：OpenClaw CLI/节点主机、Google Chrome、SoX、BlackHole 2ch，以及一个已登录 Google 的 Chrome 配置文件。 - VM 中不需要：Gateway 网关服务、智能体配置、OpenAI/GPT 密钥或模型提供商设置。 -安装 VM 依赖： +安装 VM 依赖项： ```bash brew install blackhole-2ch sox ``` -安装 BlackHole 后重启 VM，以便 macOS 暴露 `BlackHole 2ch`： +安装 BlackHole 后重启 VM，这样 macOS 才会暴露 `BlackHole 2ch`： ```bash sudo reboot ``` -重启后，验证 VM 可以看到音频设备和 SoX 命令： +重启后，验证 VM 能看到音频设备和 SoX 命令： ```bash system_profiler SPAudioDataType | grep -i BlackHole command -v rec play ``` -在 VM 中安装或更新 OpenClaw，然后在那里启用内置插件： +在 VM 中安装或更新 OpenClaw，然后在其中启用内置插件： ```bash openclaw plugins enable google-meet @@ -168,7 +168,7 @@ openclaw plugins enable google-meet openclaw node run --host --port 18789 --display-name parallels-macos ``` -如果 `` 是局域网 IP 且你未使用 TLS，除非你为这个受信任的私有网络显式启用，否则节点会拒绝明文 WebSocket： +如果 `` 是 LAN IP，并且你未使用 TLS，节点会拒绝明文 WebSocket，除非你为该受信任私有网络显式启用： ```bash OPENCLAW_ALLOW_INSECURE_PRIVATE_WS=1 \ @@ -183,16 +183,16 @@ OPENCLAW_ALLOW_INSECURE_PRIVATE_WS=1 \ openclaw node restart ``` -`OPENCLAW_ALLOW_INSECURE_PRIVATE_WS=1` 是进程环境变量，不是 `openclaw.json` 设置。`openclaw node install` 会在安装命令存在该变量时，将其存储到 LaunchAgent 环境中。 +`OPENCLAW_ALLOW_INSECURE_PRIVATE_WS=1` 是进程环境，不是 `openclaw.json` 设置。`openclaw node install` 会在安装命令中检测到它存在时，将其存储到 LaunchAgent 环境中。 -在 Gateway 网关主机上批准该节点： +从 Gateway 网关主机批准该节点： ```bash openclaw devices list openclaw devices approve ``` -确认 Gateway 网关可以看到该节点，并且它同时通告了 `googlemeet.chrome` 和浏览器能力/`browser.proxy`： +确认 Gateway 网关能看到该节点，并且它通告了 `googlemeet.chrome` 以及浏览器能力/`browser.proxy`： ```bash openclaw nodes status @@ -228,61 +228,62 @@ openclaw nodes status } ``` -现在可以从 Gateway 网关主机正常加入： +现在可从 Gateway 网关主机正常加入： ```bash openclaw googlemeet join https://meet.google.com/abc-defg-hij ``` -或者让智能体使用带有 `transport: "chrome-node"` 的 `google_meet` 工具。 +或者要求智能体使用 `google_meet` 工具，并设置 `transport: "chrome-node"`。 -若要执行一个单命令冒烟测试，创建或复用一个会话、说出一段已知短语，并打印会话健康状态： +如需一个单命令冒烟测试，以创建或复用会话、说出已知短语并打印会话健康状态： ```bash openclaw googlemeet test-speech https://meet.google.com/abc-defg-hij ``` -在加入过程中，OpenClaw 浏览器自动化会填写访客名、点击“加入/请求加入”，并在出现提示时接受 Meet 首次运行的“使用麦克风”选项。在仅通过浏览器创建会议时，如果 Meet 没有暴露使用麦克风按钮，它也可以在不使用麦克风的情况下继续通过同一提示。如果浏览器配置文件未登录、Meet 正在等待主持人批准、Chrome 需要麦克风/摄像头权限，或者 Meet 卡在自动化无法解决的提示上，join/test-speech 结果会报告 `manualActionRequired: true`，并附带 `manualActionReason` 和 `manualActionMessage`。智能体应停止重试加入，报告该确切消息以及当前的 `browserUrl`/`browserTitle`，并且只在手动浏览器操作完成后再重试。 +加入过程中，OpenClaw 浏览器自动化会填写访客姓名、点击加入/请求加入，并在出现时接受 Meet 首次运行的“使用麦克风”选择。在仅通过浏览器创建会议时，如果 Meet 未暴露使用麦克风按钮，它也可以在无麦克风的情况下继续越过同一提示。如果浏览器配置文件未登录、Meet 正在等待主持人准入、Chrome 需要麦克风/摄像头权限，或者 Meet 卡在自动化无法解决的提示上，加入/`test-speech` 结果会报告 `manualActionRequired: true`，并附带 `manualActionReason` 和 `manualActionMessage`。智能体应停止重试加入，报告该确切消息以及当前的 `browserUrl`/`browserTitle`，并且只在手动浏览器操作完成后再重试。 -如果省略了 `chromeNode.node`，OpenClaw 只会在恰好有一个已连接节点同时通告 `googlemeet.chrome` 和浏览器控制时自动选择。如果连接了多个具备能力的节点，请将 `chromeNode.node` 设置为节点 id、显示名称或远程 IP。 +如果省略 `chromeNode.node`，只有在恰好存在一个已连接节点同时通告 `googlemeet.chrome` 和浏览器控制时，OpenClaw 才会自动选择。如果连接了多个具备能力的节点，请将 `chromeNode.node` 设置为节点 id、显示名称或远程 IP。 常见故障检查： -- `No connected Google Meet-capable node`：在 VM 中启动 `openclaw node run`，批准配对，并确保已在 VM 中运行 `openclaw plugins enable google-meet` 和 `openclaw plugins enable browser`。还要确认 Gateway 网关主机允许这两个节点命令，配置为 `gateway.nodes.allowCommands: ["googlemeet.chrome", "browser.proxy"]`。 +- `No connected Google Meet-capable node`：在 VM 中启动 `openclaw node run`，批准配对，并确保已在 VM 中运行 `openclaw plugins enable google-meet` 和 `openclaw plugins enable browser`。同时确认 Gateway 网关主机允许这两个节点命令： + `gateway.nodes.allowCommands: ["googlemeet.chrome", "browser.proxy"]`。 - `BlackHole 2ch audio device not found on the node`：在 VM 中安装 `blackhole-2ch` 并重启 VM。 -- Chrome 已打开但无法加入：在 VM 中登录浏览器配置文件，或保持设置 `chrome.guestName` 以便访客加入。访客自动加入使用 OpenClaw 通过节点浏览器代理进行的浏览器自动化；请确保节点浏览器配置指向你想使用的配置文件，例如 `browser.defaultProfile: "user"` 或某个已存在会话的命名配置文件。 -- 重复的 Meet 标签页：保持启用 `chrome.reuseExistingTab: true`。OpenClaw 会在打开新标签页前，先激活同一 Meet URL 的现有标签页。 -- 没有音频：在 Meet 中，将麦克风/扬声器路由到 OpenClaw 所使用的虚拟音频设备路径；为获得干净的双工音频，请使用独立的虚拟设备或类似 Loopback 的路由。 +- Chrome 已打开但无法加入：在 VM 内登录浏览器配置文件，或保持设置 `chrome.guestName` 以访客身份加入。访客自动加入使用 OpenClaw 通过节点浏览器代理进行的浏览器自动化；请确保节点浏览器配置指向你想使用的配置文件，例如 `browser.defaultProfile: "user"` 或已存在会话的命名配置文件。 +- 重复的 Meet 标签页：保持启用 `chrome.reuseExistingTab: true`。OpenClaw 会在打开新标签页前激活相同 Meet URL 的现有标签页。 +- 没有音频：在 Meet 中，将麦克风/扬声器路由到 OpenClaw 使用的虚拟音频设备路径；使用独立虚拟设备或类似 Loopback 的路由以获得干净的双向音频。 ## 安装说明 -Chrome 的实时默认模式使用两个外部工具： +Chrome 实时默认值使用两个外部工具： - `sox`：命令行音频工具。该插件使用它的 `rec` 和 `play` 命令来实现默认的 8 kHz G.711 mu-law 音频桥接。 -- `blackhole-2ch`：macOS 虚拟音频驱动。它会创建 `BlackHole 2ch` 音频设备，供 Chrome/Meet 路由使用。 +- `blackhole-2ch`：macOS 虚拟音频驱动。它会创建 `BlackHole 2ch` 音频设备，供 Chrome/Meet 通过其进行路由。 -OpenClaw 不会内置或重新分发这两个软件包。文档要求用户通过 Homebrew 将它们作为主机依赖安装。SoX 的许可证为 `LGPL-2.0-only AND GPL-2.0-only`；BlackHole 为 GPL-3.0。如果你构建了一个将 BlackHole 与 OpenClaw 一起打包的安装程序或 appliance，请审查 BlackHole 上游许可条款，或从 Existential Audio 获取单独许可。 +OpenClaw 不会内置或重新分发这两个软件包。文档要求用户通过 Homebrew 将它们作为主机依赖安装。SoX 采用 `LGPL-2.0-only AND GPL-2.0-only` 许可；BlackHole 采用 GPL-3.0 许可。如果你构建的安装程序或设备将 BlackHole 与 OpenClaw 一起打包，请查看 BlackHole 上游许可条款，或从 Existential Audio 获取单独许可。 ## 传输方式 ### Chrome -Chrome 传输会在 Google Chrome 中打开 Meet URL，并以已登录的 Chrome 配置文件身份加入。在 macOS 上，插件会在启动前检查 `BlackHole 2ch`。如果已配置，它还会在打开 Chrome 之前运行音频桥接健康检查命令和启动命令。当 Chrome/音频运行在 Gateway 网关主机上时使用 `chrome`；当 Chrome/音频运行在已配对节点（例如 Parallels macOS VM）上时使用 `chrome-node`。 +Chrome 传输方式会在 Google Chrome 中打开 Meet URL，并以已登录的 Chrome 配置文件身份加入。在 macOS 上，插件会在启动前检查 `BlackHole 2ch`。如果已配置，它还会在打开 Chrome 前运行音频桥接健康检查命令和启动命令。当 Chrome/音频位于 Gateway 网关主机上时，请使用 `chrome`；当 Chrome/音频位于已配对节点上（例如 Parallels macOS VM）时，请使用 `chrome-node`。 ```bash openclaw googlemeet join https://meet.google.com/abc-defg-hij --transport chrome openclaw googlemeet join https://meet.google.com/abc-defg-hij --transport chrome-node ``` -通过本地 OpenClaw 音频桥接来路由 Chrome 的麦克风和扬声器音频。如果未安装 `BlackHole 2ch`，加入会以设置错误失败，而不是在没有音频路径的情况下静默加入。 +将 Chrome 的麦克风和扬声器音频路由到本地 OpenClaw 音频桥接。如果未安装 `BlackHole 2ch`，加入会因设置错误而失败，而不是在没有音频路径的情况下静默加入。 ### Twilio -Twilio 传输是委派给 Voice Call 插件的严格拨号计划。它不会解析 Meet 页面来提取电话号码。 +Twilio 传输方式是一个严格的拨号计划，委派给 Voice Call 插件。它不会从 Meet 页面解析电话号码。 -当 Chrome 参与不可用，或者你想使用电话拨入作为回退时，可使用该方式。Google Meet 必须为该会议提供电话拨入号码和 PIN；OpenClaw 不会从 Meet 页面中发现这些信息。 +当无法使用 Chrome 参与，或你想要电话拨入回退方案时，请使用此方式。Google Meet 必须为该会议提供电话拨入号码和 PIN；OpenClaw 不会从 Meet 页面中发现这些信息。 -在 Gateway 网关主机上启用 Voice Call 插件，而不是在 Chrome 节点上启用： +在 Gateway 网关主机上启用 Voice Call 插件，而不是在 Chrome 节点上： ```json5 { @@ -293,7 +294,7 @@ Twilio 传输是委派给 Voice Call 插件的严格拨号计划。它不会解 enabled: true, config: { defaultTransport: "chrome-node", - // or set "twilio" if Twilio should be the default + // 或设置为 "twilio"，如果 Twilio 应为默认值 }, }, "voice-call": { @@ -315,7 +316,7 @@ export TWILIO_AUTH_TOKEN=... export TWILIO_FROM_NUMBER=+15550001234 ``` -启用 `voice-call` 后，重启或重新加载 Gateway 网关；在 Gateway 网关进程重新加载之前，插件配置变更不会出现在已运行的 Gateway 网关进程中。 +启用 `voice-call` 后，重启或重新加载 Gateway 网关；在 Gateway 网关进程重新加载前，插件配置更改不会出现在已运行的 Gateway 网关进程中。 然后验证： @@ -325,7 +326,7 @@ openclaw plugins list | grep -E 'google-meet|voice-call' openclaw googlemeet setup ``` -当 Twilio 委派已正确接通时，`googlemeet setup` 会包含成功的 `twilio-voice-call-plugin` 和 `twilio-voice-call-credentials` 检查。 +当 Twilio 委派接线完成后，`googlemeet setup` 会包含成功的 `twilio-voice-call-plugin` 和 `twilio-voice-call-credentials` 检查。 ```bash openclaw googlemeet join https://meet.google.com/abc-defg-hij \ @@ -345,7 +346,7 @@ openclaw googlemeet join https://meet.google.com/abc-defg-hij \ ## OAuth 和预检 -由于 `googlemeet create` 可以回退到浏览器自动化，因此 OAuth 对于创建 Meet 链接来说是可选的。当你想使用官方 API 创建、空间解析或 Meet Media API 预检时，请配置 OAuth。 +OAuth 对于创建 Meet 链接来说是可选的，因为 `googlemeet create` 可以回退到浏览器自动化。当你需要官方 API 创建、空间解析或 Meet Media API 预检时，请配置 OAuth。 Google Meet API 访问首先使用个人 OAuth 客户端。配置 `oauth.clientId`，并可选配置 `oauth.clientSecret`，然后运行： @@ -353,13 +354,13 @@ Google Meet API 访问首先使用个人 OAuth 客户端。配置 `oauth.clientI openclaw googlemeet auth login --json ``` -该命令会输出一个带有刷新令牌的 `oauth` 配置块。它使用 PKCE、位于 `http://localhost:8085/oauth2callback` 的 localhost 回调，以及通过 `--manual` 进行的手动复制/粘贴流程。 +该命令会打印一个带有刷新令牌的 `oauth` 配置块。它使用 PKCE、`http://localhost:8085/oauth2callback` 上的 localhost 回调，以及通过 `--manual` 进行的手动复制/粘贴流程。 -OAuth 同意范围包括 Meet 空间创建、Meet 空间读取权限，以及 Meet 会议媒体读取权限。如果你在支持会议创建功能之前就已完成认证，请重新运行 `openclaw googlemeet auth login --json`，以便刷新令牌具备 `meetings.space.created` 作用域。 +OAuth 同意范围包括 Meet 空间创建、Meet 空间读取访问以及 Meet 会议媒体读取访问。如果你在会议创建支持存在之前就已完成认证，请重新运行 `openclaw googlemeet auth login --json`，以便刷新令牌包含 `meetings.space.created` scope。 -浏览器回退不需要 OAuth 凭证。在该模式下，Google 认证来自所选节点上已登录的 Chrome 配置文件，而不是 OpenClaw 配置。 +浏览器回退不需要 OAuth 凭证。在该模式下，Google 认证来自所选节点上已登录的 Chrome 配置文件，而不是来自 OpenClaw 配置。 -支持以下环境变量作为回退： +接受以下环境变量作为回退： - `OPENCLAW_GOOGLE_MEET_CLIENT_ID` 或 `GOOGLE_MEET_CLIENT_ID` - `OPENCLAW_GOOGLE_MEET_CLIENT_SECRET` 或 `GOOGLE_MEET_CLIENT_SECRET` @@ -376,7 +377,7 @@ OAuth 同意范围包括 Meet 空间创建、Meet 空间读取权限，以及 Me openclaw googlemeet resolve-space --meeting https://meet.google.com/abc-defg-hij ``` -在进行媒体相关工作前运行预检： +在进行媒体工作前运行预检： ```bash openclaw googlemeet preflight --meeting https://meet.google.com/abc-defg-hij @@ -388,7 +389,7 @@ openclaw googlemeet preflight --meeting https://meet.google.com/abc-defg-hij openclaw googlemeet create ``` -该命令会输出新的 `meeting uri` 和来源。有 OAuth 凭证时，它使用官方 Google Meet API。没有 OAuth 凭证时，它会使用固定 Chrome 节点上已登录的浏览器配置文件作为回退。智能体可以用 `action: "create"` 调用 `google_meet` 工具来创建会议，然后用返回的 `meetingUri` 调用 `action: "join"`。 +该命令会打印新的 `meeting uri` 和来源。使用 OAuth 凭证时，它会使用官方 Google Meet API。没有 OAuth 凭证时，它会回退到使用固定的 Chrome 节点上已登录的浏览器配置文件。智能体可以使用 `google_meet` 工具并设置 `action: "create"` 来创建会议，然后使用返回的 `meetingUri` 调用 `action: "join"`。 浏览器回退的 JSON 输出示例： @@ -417,13 +418,13 @@ API 创建的 JSON 输出示例： } ``` -创建 Meet 只会创建或发现会议 URL。Chrome 或 `chrome-node` 传输仍然需要一个已登录 Google 的 Chrome 配置文件，才能通过浏览器加入。如果该配置文件已退出登录，OpenClaw 会报告 `manualActionRequired: true` 或浏览器回退错误，并要求操作员先完成 Google 登录后再重试。 +创建 Meet 只会创建或发现会议 URL。`chrome` 或 `chrome-node` 传输方式仍然需要一个已登录 Google 的 Chrome 配置文件，才能通过浏览器加入。如果该配置文件已退出登录，OpenClaw 会报告 `manualActionRequired: true` 或浏览器回退错误，并要求操作员在重试前完成 Google 登录。 -只有在确认你的 Cloud 项目、OAuth 主体和会议参与者都已加入 Google Workspace Developer Preview Program for Meet media APIs 后，才设置 `preview.enrollmentAcknowledged: true`。 +仅在确认你的 Cloud 项目、OAuth principal 和会议参与者都已加入用于 Meet 媒体 API 的 Google Workspace Developer Preview Program 后，才设置 `preview.enrollmentAcknowledged: true`。 ## 配置 -常见的 Chrome 实时路径只需要启用插件、安装 BlackHole、SoX，以及一个后端实时语音提供商密钥。OpenAI 是默认选项；设置 `realtime.provider: "google"` 可使用 Google Gemini Live： +常见的 Chrome 实时路径只需要启用插件、安装 BlackHole、SoX，以及配置后端实时语音提供商密钥。OpenAI 是默认值；设置 `realtime.provider: "google"` 可使用 Google Gemini Live： ```bash brew install blackhole-2ch sox @@ -453,16 +454,16 @@ export GEMINI_API_KEY=... - `defaultMode: "realtime"` - `chromeNode.node`：`chrome-node` 的可选节点 id/名称/IP - `chrome.audioBackend: "blackhole-2ch"` -- `chrome.guestName: "OpenClaw Agent"`：在已退出登录的 Meet 访客页面上使用的名称 -- `chrome.autoJoin: true`：在 `chrome-node` 上，通过 OpenClaw 浏览器自动化尽力填充访客名并点击“立即加入” +- `chrome.guestName: "OpenClaw Agent"`：在已退出登录的 Meet 访客界面上使用的名称 +- `chrome.autoJoin: true`：在 `chrome-node` 上通过 OpenClaw 浏览器自动化尽力填写访客名并点击立即加入 - `chrome.reuseExistingTab: true`：激活现有 Meet 标签页，而不是打开重复标签页 -- `chrome.waitForInCallMs: 20000`：在触发实时介绍之前，等待 Meet 标签页报告已在通话中 +- `chrome.waitForInCallMs: 20000`：在触发实时介绍前，等待 Meet 标签页报告已在通话中 - `chrome.audioInputCommand`：将 8 kHz G.711 mu-law 音频写入 stdout 的 SoX `rec` 命令 - `chrome.audioOutputCommand`：从 stdin 读取 8 kHz G.711 mu-law 音频的 SoX `play` 命令 - `realtime.provider: "openai"` - `realtime.toolPolicy: "safe-read-only"` -- `realtime.instructions`：简短的口头回复，需要更深入回答时使用 `openclaw_agent_consult` -- `realtime.introMessage`：实时桥接连接时播放的简短口头就绪检查；将其设为 `""` 可静默加入 +- `realtime.instructions`：简短的口头回复，较深入的回答使用 `openclaw_agent_consult` +- `realtime.introMessage`：实时桥接连接时的简短口头就绪检查；将其设置为 `""` 可静默加入 可选覆盖项： @@ -482,7 +483,7 @@ export GEMINI_API_KEY=... realtime: { provider: "google", toolPolicy: "owner", - introMessage: "准确地说：I'm here.", + introMessage: "Say exactly: I'm here.", providers: { google: { model: "gemini-2.5-flash-native-audio-preview-12-2025", @@ -508,7 +509,7 @@ export GEMINI_API_KEY=... } ``` -`voiceCall.enabled` 默认为 `true`；使用 Twilio 传输时，它会将实际的 PSTN 呼叫和 DTMF 委派给 Voice Call 插件。如果未启用 `voice-call`，Google Meet 仍然可以验证并记录拨号计划，但无法发起 Twilio 呼叫。 +`voiceCall.enabled` 默认为 `true`；使用 Twilio 传输方式时，它会将实际的 PSTN 呼叫和 DTMF 委派给 Voice Call 插件。如果未启用 `voice-call`，Google Meet 仍然可以验证并记录拨号计划，但无法发起 Twilio 呼叫。 ## 工具 @@ -523,15 +524,15 @@ export GEMINI_API_KEY=... } ``` -当 Chrome 运行在 Gateway 网关主机上时，使用 `transport: "chrome"`。当 Chrome 运行在已配对节点（例如 Parallels VM）上时，使用 `transport: "chrome-node"`。在这两种情况下，实时模型和 `openclaw_agent_consult` 都运行在 Gateway 网关主机上，因此模型凭证会保留在那里。 +当 Chrome 在 Gateway 网关主机上运行时，使用 `transport: "chrome"`。当 Chrome 在已配对节点上运行时，例如 Parallels VM，使用 `transport: "chrome-node"`。在这两种情况下，实时模型和 `openclaw_agent_consult` 都运行在 Gateway 网关主机上，因此模型凭证会保留在那里。 -使用 `action: "status"` 可列出活动会话或检查某个会话 ID。使用带有 `sessionId` 和 `message` 的 `action: "speak"` 可让实时智能体立即发言。使用 `action: "test_speech"` 可创建或复用会话、触发一段已知短语，并在 Chrome 主机可报告时返回 `inCall` 健康状态。使用 `action: "leave"` 可将会话标记为已结束。 +使用 `action: "status"` 可列出活动会话或检查某个会话 ID。使用带有 `sessionId` 和 `message` 的 `action: "speak"` 可让实时智能体立即发言。使用 `action: "test_speech"` 可创建或复用会话，触发一段已知短语，并在 Chrome 主机可报告时返回 `inCall` 健康状态。使用 `action: "leave"` 可将会话标记为已结束。 `status` 在可用时包含 Chrome 健康状态： -- `inCall`：Chrome 似乎已处于 Meet 通话中 -- `micMuted`：尽力判断的 Meet 麦克风状态 -- `manualActionRequired` / `manualActionReason` / `manualActionMessage`：浏览器配置文件需要手动登录、Meet 主持人批准、权限授予，或浏览器控制修复，发言功能才能正常工作 +- `inCall`：Chrome 似乎已进入 Meet 通话 +- `micMuted`：尽力获取的 Meet 麦克风状态 +- `manualActionRequired` / `manualActionReason` / `manualActionMessage`：浏览器配置文件需要手动登录、Meet 主持人准入、权限授予或浏览器控制修复后，语音功能才能工作 - `providerConnected` / `realtimeReady`：实时语音桥接状态 - `lastInputAt` / `lastOutputAt`：桥接最近一次接收或发送音频的时间 @@ -539,58 +540,58 @@ export GEMINI_API_KEY=... { "action": "speak", "sessionId": "meet_...", - "message": "准确地说：I'm here and listening." + "message": "Say exactly: I'm here and listening." } ``` ## 实时智能体咨询 -Chrome 的 `realtime` 模式针对实时语音循环进行了优化。实时语音提供商会听取会议音频，并通过已配置的音频桥接发言。当实时模型需要更深入的推理、当前信息或常规 OpenClaw 工具时，它可以调用 `openclaw_agent_consult`。 +Chrome 实时模式针对实时语音循环进行了优化。实时语音提供商会听取会议音频，并通过已配置的音频桥进行发言。当实时模型需要更深入的推理、最新信息或普通 OpenClaw 工具时，它可以调用 `openclaw_agent_consult`。 -该咨询工具会在后台运行常规 OpenClaw 智能体，带入最近的会议转录上下文，并向实时语音会话返回简洁的口头回答。然后语音模型就可以把该回答说回会议中。 +该咨询工具会在后台运行常规 OpenClaw 智能体，并附带最近的会议转录上下文，然后向实时语音会话返回简洁的口头回答。随后语音模型可以将该回答说回会议中。它与 Voice Call 共用同一个实时咨询工具。 -`realtime.toolPolicy` 控制咨询运行方式： +`realtime.toolPolicy` 控制咨询运行： -- `safe-read-only`：公开咨询工具，并将常规智能体限制为使用 `read`、`web_search`、`web_fetch`、`x_search`、`memory_search` 和 `memory_get`。 -- `owner`：公开咨询工具，并允许常规智能体使用普通智能体工具策略。 -- `none`：不向实时语音模型公开咨询工具。 +- `safe-read-only`：暴露咨询工具，并将常规智能体限制为使用 `read`、`web_search`、`web_fetch`、`x_search`、`memory_search` 和 `memory_get`。 +- `owner`：暴露咨询工具，并允许常规智能体使用正常的智能体工具策略。 +- `none`：不向实时语音模型暴露咨询工具。 -咨询会话键按每个 Meet 会话进行作用域隔离，因此同一场会议期间，后续咨询调用可以复用先前的咨询上下文。 +咨询会话键按 Meet 会话进行作用域隔离，因此在同一会议期间，后续咨询调用可以复用先前的咨询上下文。 -若要在 Chrome 完全加入通话后强制执行一次口头就绪检查： +要在 Chrome 已完全加入通话后强制执行一次口头就绪检查： ```bash -openclaw googlemeet speak meet_... "准确地说：I'm here and listening." +openclaw googlemeet speak meet_... "Say exactly: I'm here and listening." ``` -若要执行完整的加入并发言冒烟测试： +用于完整的加入并发言冒烟测试： ```bash openclaw googlemeet test-speech https://meet.google.com/abc-defg-hij \ --transport chrome-node \ - --message "准确地说：I'm here and listening." + --message "Say exactly: I'm here and listening." ``` -## 实时测试清单 +## 实时测试检查清单 -在将会议交给无人值守智能体之前，请使用以下顺序： +在将会议交给无人值守智能体前，请使用以下顺序： ```bash openclaw googlemeet setup openclaw nodes status openclaw googlemeet test-speech https://meet.google.com/abc-defg-hij \ --transport chrome-node \ - --message "准确地说：Google Meet speech test complete." + --message "Say exactly: Google Meet speech test complete." ``` 预期的 `chrome-node` 状态： - `googlemeet setup` 全部为绿色。 - `nodes status` 显示所选节点已连接。 -- 所选节点同时通告 `googlemeet.chrome` 和 `browser.proxy`。 -- Meet 标签页加入通话，且 `test-speech` 返回的 Chrome 健康状态中 `inCall: true`。 +- 所选节点同时通告了 `googlemeet.chrome` 和 `browser.proxy`。 +- Meet 标签页加入通话，并且 `test-speech` 返回带有 `inCall: true` 的 Chrome 健康状态。 -对于 Twilio 冒烟测试，请使用一个暴露电话拨入详情的会议： +对于 Twilio 冒烟测试，请使用一个会公开电话拨入详情的会议： ```bash openclaw googlemeet setup @@ -604,8 +605,8 @@ openclaw googlemeet join https://meet.google.com/abc-defg-hij \ - `googlemeet setup` 包含绿色的 `twilio-voice-call-plugin` 和 `twilio-voice-call-credentials` 检查。 - Gateway 网关重新加载后，CLI 中可用 `voicecall`。 -- 返回的会话包含 `transport: "twilio"` 和一个 `twilio.voiceCallId`。 -- `googlemeet leave ` 会挂断已委派的语音呼叫。 +- 返回的会话带有 `transport: "twilio"` 和 `twilio.voiceCallId`。 +- `googlemeet leave ` 会挂断被委派的语音通话。 ## 故障排除 @@ -618,11 +619,11 @@ openclaw plugins list | grep google-meet openclaw googlemeet setup ``` -如果你刚刚编辑了 `plugins.entries.google-meet`，请重启或重新加载 Gateway 网关。运行中的智能体只能看到由当前 Gateway 网关进程注册的插件工具。 +如果你刚刚编辑了 `plugins.entries.google-meet`，请重启或重新加载 Gateway 网关。正在运行的智能体只能看到由当前 Gateway 网关进程注册的插件工具。 -### 没有已连接的具备 Google Meet 能力的节点 +### 没有已连接的 Google Meet 可用节点 -在节点主机上运行： +在节点主机上，运行： ```bash openclaw plugins enable google-meet @@ -639,8 +640,7 @@ openclaw devices approve openclaw nodes status ``` -该节点必须处于已连接状态，并列出 `googlemeet.chrome` 以及 `browser.proxy`。 -Gateway 网关配置必须允许这些节点命令： +节点必须已连接，并列出 `googlemeet.chrome` 以及 `browser.proxy`。Gateway 网关配置必须允许这些节点命令： ```json5 { @@ -654,28 +654,28 @@ Gateway 网关配置必须允许这些节点命令： ### 浏览器已打开，但智能体无法加入 -运行 `googlemeet test-speech` 并检查返回的 Chrome 健康状态。如果它报告 `manualActionRequired: true`，请向操作员显示 `manualActionMessage`，并停止重试，直到浏览器操作完成。 +运行 `googlemeet test-speech` 并检查返回的 Chrome 健康状态。如果它报告 `manualActionRequired: true`，请向操作员显示 `manualActionMessage`，并在浏览器操作完成前停止重试。 -常见的手动操作： +常见手动操作： - 登录 Chrome 配置文件。 -- 通过 Meet 主持人账号批准访客加入。 -- 当 Chrome 原生权限提示出现时，授予 Chrome 麦克风/摄像头权限。 +- 从 Meet 主持人账号准入访客。 +- 当出现 Chrome 原生权限提示时，授予 Chrome 麦克风/摄像头权限。 - 关闭或修复卡住的 Meet 权限对话框。 -不要仅仅因为 Meet 显示“Do you want people to hear you in the meeting?” 就报告“未登录”。那是 Meet 的音频选择过渡页；OpenClaw 会在可用时通过浏览器自动化点击 **Use microphone**，并继续等待真正的会议状态。对于仅创建的浏览器回退，OpenClaw 可能会点击 **Continue without microphone**，因为创建 URL 不需要实时音频路径。 +如果 Meet 显示“Do you want people to hear you in the meeting?”，不要仅因此就报告“未登录”。这是 Meet 的音频选择过渡页；OpenClaw 会在可用时通过浏览器自动化点击**使用麦克风**，并继续等待真正的会议状态。对于仅创建的浏览器回退，OpenClaw 可能会点击**继续且不使用麦克风**，因为创建 URL 不需要实时音频路径。 ### 会议创建失败 -配置了 OAuth 凭证时，`googlemeet create` 会首先使用 Google Meet API 的 `spaces.create` 端点。没有 OAuth 凭证时，它会回退到固定的 Chrome 节点浏览器。请确认： +配置了 OAuth 凭证时，`googlemeet create` 会首先使用 Google Meet API `spaces.create` 端点。没有 OAuth 凭证时，它会回退到固定的 Chrome 节点浏览器。请确认： -- 对于 API 创建：已配置 `oauth.clientId` 和 `oauth.refreshToken`，或者已存在对应的 `OPENCLAW_GOOGLE_MEET_*` 环境变量。 -- 对于 API 创建：刷新令牌是在添加创建支持之后生成的。较旧的令牌可能缺少 `meetings.space.created` 作用域；请重新运行 `openclaw googlemeet auth login --json` 并更新插件配置。 -- 对于浏览器回退：`defaultTransport: "chrome-node"` 且 `chromeNode.node` 指向一个已连接的节点，并且该节点具备 `browser.proxy` 和 `googlemeet.chrome`。 -- 对于浏览器回退：该节点上的 OpenClaw Chrome 配置文件已登录 Google，并且可以打开 `https://meet.google.com/new`。 -- 对于浏览器回退：如果 Meet 显示“Do you want people to hear you in the meeting?”，请保持该标签页打开。OpenClaw 应通过浏览器自动化点击 **Use microphone**，或者在仅创建回退时点击 **Continue without microphone**，并继续等待生成的 Meet URL。如果无法做到，错误应提及 `meet-audio-choice-required`，而不是 `google-login-required`。 +- 对于 API 创建：已配置 `oauth.clientId` 和 `oauth.refreshToken`，或存在对应的 `OPENCLAW_GOOGLE_MEET_*` 环境变量。 +- 对于 API 创建：刷新令牌是在添加创建支持之后签发的。旧令牌可能缺少 `meetings.space.created` scope；请重新运行 `openclaw googlemeet auth login --json` 并更新插件配置。 +- 对于浏览器回退：`defaultTransport: "chrome-node"` 且 `chromeNode.node` 指向一个已连接节点，并且该节点具有 `browser.proxy` 和 `googlemeet.chrome`。 +- 对于浏览器回退：该节点上的 OpenClaw Chrome 配置文件已登录 Google，并且能够打开 `https://meet.google.com/new`。 +- 对于浏览器回退：如果 Meet 显示“Do you want people to hear you in the meeting?”，请保持标签页打开。OpenClaw 应通过浏览器自动化点击**使用麦克风**，或者在仅创建回退场景下点击**继续且不使用麦克风**，并继续等待生成的 Meet URL。如果做不到，错误应提到 `meet-audio-choice-required`，而不是 `google-login-required`。 -### 智能体已加入但不说话 +### 智能体已加入但不会说话 检查实时路径： @@ -684,20 +684,20 @@ openclaw googlemeet setup openclaw googlemeet status ``` -收听/回话请使用 `mode: "realtime"`。`mode: "transcribe"` 是有意不启动双向实时语音桥接的。 +使用 `mode: "realtime"` 进行收听/回话。`mode: "transcribe"` 按设计不会启动双向实时语音桥接。 另外还要验证： - Gateway 网关主机上有可用的实时提供商密钥，例如 `OPENAI_API_KEY` 或 `GEMINI_API_KEY`。 -- `BlackHole 2ch` 在 Chrome 主机上可见。 -- `rec` 和 `play` 在 Chrome 主机上存在。 -- Meet 的麦克风和扬声器通过 OpenClaw 使用的虚拟音频路径进行路由。 +- Chrome 主机上可见 `BlackHole 2ch`。 +- Chrome 主机上存在 `rec` 和 `play`。 +- Meet 的麦克风和扬声器已通过 OpenClaw 使用的虚拟音频路径进行路由。 ### Twilio 设置检查失败 -当 `voice-call` 未被允许或未启用时，`twilio-voice-call-plugin` 会失败。请将其加入 `plugins.allow`，启用 `plugins.entries.voice-call`，并重新加载 Gateway 网关。 +当 `voice-call` 未被允许或未启用时，`twilio-voice-call-plugin` 会失败。将其添加到 `plugins.allow`，启用 `plugins.entries.voice-call`，并重新加载 Gateway 网关。 -当 Twilio 后端缺少 account SID、auth token 或主叫号码时，`twilio-voice-call-credentials` 会失败。请在 Gateway 网关主机上设置以下内容： +当 Twilio 后端缺少 account SID、auth token 或 caller number 时，`twilio-voice-call-credentials` 会失败。在 Gateway 网关主机上设置这些值： ```bash export TWILIO_ACCOUNT_SID=AC... @@ -713,7 +713,7 @@ openclaw googlemeet setup ### Twilio 呼叫已开始，但始终未进入会议 -确认 Meet 事件暴露了电话拨入详情。传入精确的拨入号码和 PIN，或自定义 DTMF 序列： +确认 Meet 事件公开了电话拨入详情。传入精确的拨入号码和 PIN，或自定义 DTMF 序列： ```bash openclaw googlemeet join https://meet.google.com/abc-defg-hij \ @@ -726,19 +726,19 @@ openclaw googlemeet join https://meet.google.com/abc-defg-hij \ ## 说明 -Google Meet 的官方媒体 API 偏向接收方向，因此要向 Meet 通话中发言，仍然需要一个参与者路径。这个插件让这个边界保持可见：Chrome 负责浏览器参与和本地音频路由；Twilio 负责电话拨入参与。 +Google Meet 的官方媒体 API 偏向接收，因此向 Meet 通话中发言仍然需要一个参与者路径。该插件将这一边界保持为可见状态：Chrome 处理浏览器参与和本地音频路由；Twilio 处理电话拨入参与。 -Chrome 的 `realtime` 模式需要以下二者之一： +Chrome 实时模式需要以下两者之一： - `chrome.audioInputCommand` 加 `chrome.audioOutputCommand`：OpenClaw 拥有实时模型桥接，并在这些命令与所选实时语音提供商之间传输 8 kHz G.711 mu-law 音频。 - `chrome.audioBridgeCommand`：一个外部桥接命令拥有整个本地音频路径，并且必须在启动或验证其守护进程后退出。 -为了获得干净的双工音频，请通过独立的虚拟设备或类似 Loopback 的虚拟设备拓扑来路由 Meet 输出和 Meet 麦克风。单个共享的 BlackHole 设备可能会把其他参会者的声音回送到通话中。 +为了获得干净的双向音频，请将 Meet 输出和 Meet 麦克风通过独立虚拟设备或类似 Loopback 的虚拟设备图进行路由。单个共享的 BlackHole 设备可能会把其他参与者的声音回送到通话中。 -`googlemeet speak` 会触发 Chrome 会话当前活动的实时音频桥接。`googlemeet leave` 会停止该桥接。对于通过 Voice Call 插件委派的 Twilio 会话，`leave` 还会挂断底层语音呼叫。 +`googlemeet speak` 会触发 Chrome 会话的活动实时音频桥接。`googlemeet leave` 会停止该桥接。对于通过 Voice Call 插件委派的 Twilio 会话，`leave` 还会挂断底层语音通话。 ## 相关内容 -- [Voice Call 插件](/zh-CN/plugins/voice-call) -- [对话模式](/zh-CN/nodes/talk) +- [Voice call 插件](/zh-CN/plugins/voice-call) +- [Talk 模式](/zh-CN/nodes/talk) - [构建插件](/zh-CN/plugins/building-plugins) diff --git a/docs/zh-CN/plugins/voice-call.md b/docs/zh-CN/plugins/voice-call.md index a8a0ee916..10bc52d6e 100644 --- a/docs/zh-CN/plugins/voice-call.md +++ b/docs/zh-CN/plugins/voice-call.md @@ -1,19 +1,19 @@ --- read_when: - - 你想从 OpenClaw 发起一通呼出语音电话 - - 你正在配置或开发语音通话插件 -summary: 语音通话插件：通过 Twilio/Telnyx/Plivo 进行呼出 + 呼入通话（插件安装 + 配置 + CLI） -title: 语音通话插件 + - 你想从 OpenClaw 发起一个呼出语音通话 + - 你正在配置或开发 voice-call 插件 +summary: Voice Call 插件：通过 Twilio/Telnyx/Plivo 进行呼出 + 呼入通话（插件安装 + 配置 + CLI） +title: Voice call 插件 x-i18n: - generated_at: "2026-04-24T21:43:50Z" + generated_at: "2026-04-24T22:14:45Z" model: gpt-5.4 provider: openai - source_hash: a6d03153cf6ba1b4cd7cf2e4c0ffcdf96595363473b172b2d4b21b4100c20e3c + source_hash: 1b033d9c46fa1af60c3ae2d22f8bad909ee179ef01926efca5b62b9f8a30375f source_path: plugins/voice-call.md workflow: 15 --- -# 语音通话（插件） +# Voice Call（插件） 通过插件为 OpenClaw 提供语音通话。支持呼出通知，以及带有呼入策略的多轮对话。 @@ -22,7 +22,7 @@ x-i18n: - `twilio`（Programmable Voice + Media Streams） - `telnyx`（Call Control v2） - `plivo`（Voice API + XML transfer + GetInput speech） -- `mock`（开发用 / 无网络） +- `mock`（开发用/无网络） 快速理解模型： @@ -33,9 +33,9 @@ x-i18n: ## 运行位置（本地 vs 远程） -语音通话插件运行在 **Gateway 网关进程内部**。 +Voice Call 插件**运行在 Gateway 网关进程内部**。 -如果你使用远程 Gateway 网关，请在**运行 Gateway 网关的机器**上安装 / 配置该插件，然后重启 Gateway 网关以加载它。 +如果你使用远程 Gateway 网关，请在**运行 Gateway 网关的机器上**安装/配置该插件，然后重启 Gateway 网关以加载它。 ## 安装 @@ -47,7 +47,7 @@ openclaw plugins install @openclaw/voice-call 之后重启 Gateway 网关。 -### 选项 B：从本地文件夹安装（开发，无需复制） +### 选项 B：从本地文件夹安装（开发用，不复制） ```bash PLUGIN_SRC=./path/to/local/voice-call-plugin @@ -69,7 +69,7 @@ cd "$PLUGIN_SRC" && pnpm install enabled: true, config: { provider: "twilio", // 或 "telnyx" | "plivo" | "mock" - fromNumber: "+15550001234", // 或者 Twilio 的 TWILIO_FROM_NUMBER + fromNumber: "+15550001234", // 或者对 Twilio 使用 TWILIO_FROM_NUMBER toNumber: "+15550005678", twilio: { @@ -96,13 +96,13 @@ cd "$PLUGIN_SRC" && pnpm install path: "/voice/webhook", }, - // Webhook 安全性（推荐用于隧道 / 代理） + // Webhook 安全性（建议用于隧道/代理） webhookSecurity: { allowedHosts: ["voice.example.com"], trustedProxyIPs: ["100.64.0.1"], }, - // 公开暴露方式（任选其一） + // 对外暴露（任选其一） // publicUrl: "https://example.ngrok.app/voice/webhook", // tunnel: { provider: "ngrok" }, // tailscale: { mode: "funnel", path: "/voice/webhook" } @@ -113,11 +113,11 @@ cd "$PLUGIN_SRC" && pnpm install streaming: { enabled: true, - provider: "openai", // 可选；未设置时使用第一个已注册的实时转录提供商 + provider: "openai", // 可选；未设置时使用第一个已注册的实时转写提供商 streamPath: "/voice/stream", providers: { openai: { - apiKey: "sk-...", // 如果已设置 OPENAI_API_KEY，则可选 + apiKey: "sk-...", // 如果设置了 OPENAI_API_KEY，则可选 model: "gpt-4o-transcribe", silenceDurationMs: 800, vadThreshold: 0.5, @@ -132,6 +132,7 @@ cd "$PLUGIN_SRC" && pnpm install realtime: { enabled: false, provider: "google", // 可选；未设置时使用第一个已注册的实时语音提供商 + toolPolicy: "safe-read-only", providers: { google: { model: "gemini-2.5-flash-native-audio-preview-12-2025", @@ -148,42 +149,48 @@ cd "$PLUGIN_SRC" && pnpm install 说明： -- Twilio / Telnyx 需要一个**可从公网访问**的 webhook URL。 -- Plivo 需要一个**可从公网访问**的 webhook URL。 -- `mock` 是本地开发提供商（不发起网络调用）。 +- Twilio/Telnyx 需要一个**可被公网访问**的 webhook URL。 +- Plivo 需要一个**可被公网访问**的 webhook URL。 +- `mock` 是一个本地开发提供商（不进行网络调用）。 - 如果旧配置仍在使用 `provider: "log"`、`twilio.from` 或旧版 `streaming.*` OpenAI 键，请运行 `openclaw doctor --fix` 进行重写。 -- 除非 `skipSignatureVerification` 为 true，否则 Telnyx 需要 `telnyx.publicKey`（或 `TELNYX_PUBLIC_KEY`）。 +- Telnyx 需要 `telnyx.publicKey`（或 `TELNYX_PUBLIC_KEY`），除非 `skipSignatureVerification` 为 true。 - `skipSignatureVerification` 仅用于本地测试。 -- 如果你使用 ngrok 免费层，请将 `publicUrl` 设置为精确的 ngrok URL；签名验证始终会被强制执行。 +- 如果你使用 ngrok 免费层，请将 `publicUrl` 设置为准确的 ngrok URL；签名校验始终会被强制执行。 - `tunnel.allowNgrokFreeTierLoopbackBypass: true` 仅在 `tunnel.provider="ngrok"` 且 `serve.bind` 为 loopback（ngrok 本地代理）时，允许带有无效签名的 Twilio webhook。仅用于本地开发。 -- Ngrok 免费层 URL 可能会变化，或插入中间页行为；如果 `publicUrl` 漂移，Twilio 签名将会验证失败。生产环境中，优先使用稳定域名或 Tailscale funnel。 +- Ngrok 免费层 URL 可能会变化，或增加中间页行为；如果 `publicUrl` 漂移，Twilio 签名校验将失败。生产环境中，优先使用稳定域名或 Tailscale funnel。 - `realtime.enabled` 会启动完整的语音到语音对话；不要与 `streaming.enabled` 同时启用。 - 流式传输安全默认值： - `streaming.preStartTimeoutMs` 会关闭那些从未发送有效 `start` 帧的 socket。 -- `streaming.maxPendingConnections` 限制未认证、启动前 socket 的总数。 -- `streaming.maxPendingConnectionsPerIp` 限制每个源 IP 的未认证、启动前 socket 数量。 -- `streaming.maxConnections` 限制媒体流 socket 的总打开数（待启动 + 活动）。 -- 运行时回退目前仍接受这些旧的 voice-call 键，但推荐的重写路径是 `openclaw doctor --fix`，兼容性垫片只是临时方案。 +- `streaming.maxPendingConnections` 限制未认证启动前 socket 的总数。 +- `streaming.maxPendingConnectionsPerIp` 限制每个源 IP 的未认证启动前 socket 数量。 +- `streaming.maxConnections` 限制已打开媒体流 socket 的总数（待启动 + 活跃）。 +- 运行时回退目前仍会接受这些旧版 voice-call 键，但重写路径是 `openclaw doctor --fix`，兼容垫片只是临时方案。 ## 实时语音对话 `realtime` 为实时通话音频选择一个全双工实时语音提供商。 -它与 `streaming` 分离，后者仅将音频转发给实时转录提供商。 +它与 `streaming` 分开，后者仅将音频转发给实时转写提供商。 当前运行时行为： -- `realtime.enabled` 支持用于 Twilio Media Streams。 -- `realtime.enabled` 不能与 `streaming.enabled` 组合使用。 -- `realtime.provider` 是可选的。未设置时，语音通话会使用第一个已注册的实时语音提供商。 +- `realtime.enabled` 支持 Twilio Media Streams。 +- `realtime.enabled` 不能与 `streaming.enabled` 同时使用。 +- `realtime.provider` 是可选的。未设置时，Voice Call 会使用第一个已注册的实时语音提供商。 - 内置的实时语音提供商包括 Google Gemini Live（`google`）和 OpenAI（`openai`），由它们各自的提供商插件注册。 -- 提供商自有的原始配置位于 `realtime.providers.` 下。 -- 如果 `realtime.provider` 指向一个未注册的提供商，或者根本没有注册任何实时语音提供商，语音通话会记录一条警告，并跳过实时媒体，而不是让整个插件失败。 +- 提供商拥有的原始配置位于 `realtime.providers.` 下。 +- 默认情况下，Voice Call 会暴露共享的 `openclaw_agent_consult` 实时工具。当来电者请求更深入的推理、当前信息或普通 OpenClaw 工具时，实时模型可以调用它。 +- `realtime.toolPolicy` 控制 consult 运行： + - `safe-read-only`：暴露 consult 工具，并将常规智能体限制为使用 `read`、`web_search`、`web_fetch`、`x_search`、`memory_search` 和 `memory_get`。 + - `owner`：暴露 consult 工具，并允许常规智能体使用普通智能体工具策略。 + - `none`：不暴露 consult 工具。自定义 `realtime.tools` 仍会传递给实时提供商。 +- Consult 会话键在可用时会复用现有语音会话，否则回退到主叫/被叫电话号码，以便后续 consult 调用在通话期间保持上下文。 +- 如果 `realtime.provider` 指向未注册的提供商，或者根本没有注册任何实时语音提供商，Voice Call 会记录一条警告，并跳过实时媒体，而不是让整个插件失败。 Google Gemini Live 实时默认值： - API 密钥：`realtime.providers.google.apiKey`、`GEMINI_API_KEY` 或 `GOOGLE_GENERATIVE_AI_API_KEY` -- model：`gemini-2.5-flash-native-audio-preview-12-2025` -- voice：`Kore` +- 模型：`gemini-2.5-flash-native-audio-preview-12-2025` +- 声音：`Kore` 示例： @@ -199,7 +206,8 @@ Google Gemini Live 实时默认值： realtime: { enabled: true, provider: "google", - instructions: "Speak briefly and ask before using tools.", + instructions: "简短说话。在使用更深层工具之前先调用 openclaw_agent_consult。", + toolPolicy: "safe-read-only", providers: { google: { apiKey: "${GEMINI_API_KEY}", @@ -239,30 +247,30 @@ Google Gemini Live 实时默认值： } ``` -有关提供商特定的实时语音选项，请参见 [Google provider](/zh-CN/providers/google) 和 [OpenAI provider](/zh-CN/providers/openai)。 +有关提供商特定的实时语音选项，请参阅 [Google provider](/zh-CN/providers/google) 和 [OpenAI provider](/zh-CN/providers/openai)。 -## 流式转录 +## 流式转写 -`streaming` 为实时通话音频选择一个实时转录提供商。 +`streaming` 为实时通话音频选择一个实时转写提供商。 当前运行时行为： -- `streaming.provider` 是可选的。未设置时，语音通话会使用第一个已注册的实时转录提供商。 -- 内置的实时转录提供商包括 Deepgram（`deepgram`）、ElevenLabs（`elevenlabs`）、Mistral（`mistral`）、OpenAI（`openai`）和 xAI（`xai`），由它们各自的提供商插件注册。 -- 提供商自有的原始配置位于 `streaming.providers.` 下。 -- 如果 `streaming.provider` 指向一个未注册的提供商，或者根本没有注册任何实时转录提供商，语音通话会记录一条警告，并跳过媒体流式传输，而不是让整个插件失败。 +- `streaming.provider` 是可选的。未设置时，Voice Call 会使用第一个已注册的实时转写提供商。 +- 内置的实时转写提供商包括 Deepgram（`deepgram`）、ElevenLabs（`elevenlabs`）、Mistral（`mistral`）、OpenAI（`openai`）和 xAI（`xai`），由它们各自的提供商插件注册。 +- 提供商拥有的原始配置位于 `streaming.providers.` 下。 +- 如果 `streaming.provider` 指向未注册的提供商，或者根本没有注册任何实时转写提供商，Voice Call 会记录一条警告，并跳过媒体流传输，而不是让整个插件失败。 -OpenAI 流式转录默认值： +OpenAI 流式转写默认值： - API 密钥：`streaming.providers.openai.apiKey` 或 `OPENAI_API_KEY` -- model：`gpt-4o-transcribe` +- 模型：`gpt-4o-transcribe` - `silenceDurationMs`：`800` - `vadThreshold`：`0.5` -xAI 流式转录默认值： +xAI 流式转写默认值： - API 密钥：`streaming.providers.xai.apiKey` 或 `XAI_API_KEY` -- endpoint：`wss://api.x.ai/v1/stt` +- 端点：`wss://api.x.ai/v1/stt` - `encoding`：`mulaw` - `sampleRate`：`8000` - `endpointingMs`：`800` @@ -282,7 +290,7 @@ xAI 流式转录默认值： streamPath: "/voice/stream", providers: { openai: { - apiKey: "sk-...", // 如果已设置 OPENAI_API_KEY，则可选 + apiKey: "sk-...", // 如果设置了 OPENAI_API_KEY，则可选 model: "gpt-4o-transcribe", silenceDurationMs: 800, vadThreshold: 0.5, @@ -310,7 +318,7 @@ xAI 流式转录默认值： streamPath: "/voice/stream", providers: { xai: { - apiKey: "${XAI_API_KEY}", // 如果已设置 XAI_API_KEY，则可选 + apiKey: "${XAI_API_KEY}", // 如果设置了 XAI_API_KEY，则可选 endpointingMs: 800, language: "en", }, @@ -323,7 +331,7 @@ xAI 流式转录默认值： } ``` -旧版键仍可由 `openclaw doctor --fix` 自动迁移： +旧版键仍会由 `openclaw doctor --fix` 自动迁移： - `streaming.sttProvider` → `streaming.provider` - `streaming.openaiApiKey` → `streaming.providers.openai.apiKey` @@ -331,16 +339,16 @@ xAI 流式转录默认值： - `streaming.silenceDurationMs` → `streaming.providers.openai.silenceDurationMs` - `streaming.vadThreshold` → `streaming.providers.openai.vadThreshold` -## 陈旧通话清理器 +## 过期通话清理器 -使用 `staleCallReaperSeconds` 来结束那些始终未收到终止 webhook 的通话 -（例如，始终未完成的 notify 模式通话）。默认值为 `0` +使用 `staleCallReaperSeconds` 结束那些从未收到终止 webhook 的通话 +（例如，永远没有完成的通知模式通话）。默认值为 `0` （禁用）。 -建议范围： +推荐范围： -- **生产环境：** 对于 notify 风格流程，使用 `120`–`300` 秒。 -- 保持该值**高于 `maxDurationSeconds`**，以便正常通话可以完成。一个不错的起始值是 `maxDurationSeconds + 30–60` 秒。 +- **生产环境：** 对于通知风格流程，使用 `120`–`300` 秒。 +- 保持该值**高于 `maxDurationSeconds`**，以便正常通话能够完成。一个不错的起始值是 `maxDurationSeconds + 30–60` 秒。 示例： @@ -361,28 +369,21 @@ xAI 流式转录默认值： ## Webhook 安全性 -当前方有代理或隧道位于 Gateway 网关前面时，插件会重建 -用于签名验证的公网 URL。这些选项控制哪些转发头 -会被信任。 +当 Gateway 网关前面有代理或隧道时，插件会重建用于签名校验的公网 URL。这些选项用于控制信任哪些转发头。 -`webhookSecurity.allowedHosts` 会将来自转发头的主机加入允许列表。 +`webhookSecurity.allowedHosts` 对来自转发头的主机进行允许列表控制。 -`webhookSecurity.trustForwardingHeaders` 会在没有允许列表的情况下信任转发头。 +`webhookSecurity.trustForwardingHeaders` 在没有允许列表的情况下信任转发头。 -`webhookSecurity.trustedProxyIPs` 仅在请求的远程 IP -匹配列表时才信任转发头。 +`webhookSecurity.trustedProxyIPs` 仅在请求的远程 IP 与列表匹配时，才信任转发头。 -Twilio 和 Plivo 启用了 webhook 重放保护。被重放的有效 webhook -请求会被确认，但会跳过副作用处理。 +Twilio 和 Plivo 已启用 webhook 重放保护。被重放的有效 webhook 请求会被确认接收，但会跳过副作用处理。 -Twilio 对话轮次在 `` 回调中包含每轮唯一 token，因此 -陈旧 / 重放的语音回调无法满足较新的待处理转录轮次。 +Twilio 对话轮次会在 `` 回调中包含每轮专属 token，因此过期/重放的语音回调无法满足较新的待处理转写轮次。 -未认证的 webhook 请求会在读取 body 之前被拒绝，前提是缺少 -该提供商所要求的签名头。 +当提供商要求的签名头缺失时，未认证的 webhook 请求会在读取 body 之前被拒绝。 -voice-call webhook 使用共享的预认证 body 配置文件（64 KB / 5 秒）， -并且在签名验证之前会施加每 IP 的进行中请求上限。 +voice-call webhook 在签名校验前使用共享的预认证 body 配置文件（64 KB / 5 秒），并带有按 IP 限制的进行中请求上限。 使用稳定公网主机的示例： @@ -403,11 +404,9 @@ voice-call webhook 使用共享的预认证 body 配置文件（64 KB / 5 秒） } ``` -## 通话用 TTS +## 通话的 TTS -语音通话会使用核心 `messages.tts` 配置来进行 -通话中的流式语音播放。你也可以在插件配置下使用**相同结构** -来覆盖它——它会与 `messages.tts` 进行深度合并。 +Voice Call 对通话中的流式语音使用核心 `messages.tts` 配置。你可以在插件配置下使用**相同结构**覆盖它——它会与 `messages.tts` 进行深度合并。 ```json5 { @@ -425,11 +424,11 @@ voice-call webhook 使用共享的预认证 body 配置文件（64 KB / 5 秒） 说明： -- 插件配置中的旧版 `tts.` 键（`openai`、`elevenlabs`、`microsoft`、`edge`）会在加载时自动迁移到 `tts.providers.`。已提交的配置中请优先使用 `providers` 结构。 -- **Microsoft speech 会被语音通话忽略**（电话音频需要 PCM；当前的 Microsoft 传输方式不暴露电话用 PCM 输出）。 +- 插件配置中的旧版 `tts.` 键（`openai`、`elevenlabs`、`microsoft`、`edge`）会在加载时自动迁移到 `tts.providers.`。提交到配置文件时，优先使用 `providers` 结构。 +- **Microsoft speech 会被语音通话忽略**（电话音频需要 PCM；当前的 Microsoft 传输不提供电话用 PCM 输出）。 - 当启用 Twilio 媒体流时，会使用核心 TTS；否则通话会回退到提供商原生语音。 -- 如果 Twilio 媒体流已经处于活动状态，语音通话不会回退到 TwiML ``。如果该状态下电话 TTS 不可用，播放请求会直接失败，而不是混用两条播放路径。 -- 当电话 TTS 回退到次级提供商时，语音通话会记录一条包含提供商链（`from`、`to`、`attempts`）的警告日志，以便调试。 +- 如果 Twilio 媒体流已经处于活动状态，Voice Call 不会回退到 TwiML ``。如果该状态下电话 TTS 不可用，播放请求会失败，而不是混用两条播放路径。 +- 当电话 TTS 回退到次级提供商时，Voice Call 会记录一条带有提供商链（`from`、`to`、`attempts`）的警告，便于调试。 ### 更多示例 @@ -448,7 +447,7 @@ voice-call webhook 使用共享的预认证 body 配置文件（64 KB / 5 秒） } ``` -仅为通话覆盖为 ElevenLabs（在其他地方保留核心默认值）： +仅为通话覆盖为 ElevenLabs（其他地方保留核心默认值）： ```json5 { @@ -473,7 +472,7 @@ voice-call webhook 使用共享的预认证 body 配置文件（64 KB / 5 秒） } ``` -仅为通话覆盖 OpenAI model（深度合并示例）： +仅为通话覆盖 OpenAI 模型（深度合并示例）： ```json5 { @@ -498,7 +497,7 @@ voice-call webhook 使用共享的预认证 body 配置文件（64 KB / 5 秒） ## 呼入通话 -呼入策略默认是 `disabled`。要启用呼入通话，请设置： +呼入策略默认为 `disabled`。要启用呼入通话，请设置： ```json5 { @@ -508,47 +507,43 @@ voice-call webhook 使用共享的预认证 body 配置文件（64 KB / 5 秒） } ``` -`inboundPolicy: "allowlist"` 是一种低保障的来电号码筛选机制。插件会 -标准化提供商给出的 `From` 值，并将其与 `allowFrom` 进行比较。 -Webhook 验证可以认证提供商投递及载荷完整性，但 -它并不能证明 PSTN / VoIP 来电号码的归属权。因此应将 `allowFrom` 视为 -来电显示过滤，而不是强身份验证。 +`inboundPolicy: "allowlist"` 是一种低保障级别的来电显示筛选。插件会规范化提供商给出的 `From` 值，并将其与 `allowFrom` 进行比较。Webhook 校验可以验证提供商投递和负载完整性，但不能证明 PSTN/VoIP 来电号码的实际归属。请将 `allowFrom` 视为来电显示过滤，而不是强身份认证。 -自动响应使用智能体系统。可通过以下项进行调优： +自动响应使用智能体系统。可通过以下参数调优： - `responseModel` - `responseSystemPrompt` - `responseTimeoutMs` -### 口语输出约定 +### 语音输出契约 -对于自动响应，语音通话会在系统提示词后附加一个严格的口语输出约定： +对于自动响应，Voice Call 会在系统提示词后附加一个严格的语音输出契约： - `{"spoken":"..."}` -随后，语音通话会以防御式方式提取语音文本： +随后 Voice Call 会以防御性方式提取语音文本： -- 忽略被标记为推理 / 错误内容的载荷。 +- 忽略被标记为推理/错误内容的负载。 - 解析直接 JSON、带围栏的 JSON 或内联 `"spoken"` 键。 -- 回退到纯文本，并移除可能的规划 / 元信息引导段落。 +- 回退到纯文本，并移除可能属于规划/元信息引导段落的内容。 -这样可以让语音播放聚焦于面向来电者的文本，并避免将规划文本泄露到音频中。 +这样可以让语音播放聚焦于面向来电者的文本，并避免把规划文本泄露到音频中。 ### 对话启动行为 -对于呼出 `conversation` 通话，首条消息的处理与实时播放状态绑定： +对于呼出的 `conversation` 通话，首条消息处理与实时播放状态绑定： -- 仅在初始问候语正在主动播放时，才会抑制打断时的队列清空和自动响应。 -- 如果初始播放失败，通话会返回 `listening`，并将初始消息保留在队列中以供重试。 -- 对于 Twilio 流式传输，初始播放会在流连接时立即开始，无额外延迟。 -- 实时语音对话使用实时流自身的开场轮次。语音通话不会为该初始消息发送旧版 `` TwiML 更新，因此呼出 `` 会话会保持附着状态。 +- 仅当初始问候正在主动播报时，才会抑制打断队列清空和自动响应。 +- 如果初始播放失败，通话会返回 `listening`，初始消息会保留在队列中以便重试。 +- Twilio 流式传输的初始播放会在流连接建立时立即开始，不会额外延迟。 +- 实时语音对话使用实时流自身的开场轮次。Voice Call 不会为该初始消息发送旧版 `` TwiML 更新，因此呼出的 `` 会话会保持附着。 ### Twilio 流断开宽限期 -当 Twilio 媒体流断开时，语音通话会等待 `2000ms`，然后才自动结束通话： +当 Twilio 媒体流断开时，Voice Call 会等待 `2000ms`，然后才自动结束通话： -- 如果流在此时间窗内重新连接，则会取消自动结束。 -- 如果宽限期后仍未重新注册任何流，则会结束通话，以防出现卡住的活动通话。 +- 如果流在此窗口期间重新连接，则会取消自动结束。 +- 如果宽限期过后仍未重新注册任何流，则会结束通话，以防止活跃通话卡住。 ## CLI @@ -561,13 +556,11 @@ openclaw voicecall dtmf --call-id --digits "ww123456#" openclaw voicecall end --call-id openclaw voicecall status --call-id openclaw voicecall tail -openclaw voicecall latency # 从日志中汇总轮次延迟 +openclaw voicecall latency # 从日志汇总轮次延迟 openclaw voicecall expose --mode funnel ``` -`latency` 会从默认的 voice-call 存储路径读取 `calls.jsonl`。使用 -`--file ` 可指向其他日志，使用 `--last ` 可将分析范围限制为 -最后 N 条记录（默认 200）。输出包括轮次延迟和监听等待时间的 p50 / p90 / p99。 +`latency` 会从默认的 voice-call 存储路径读取 `calls.jsonl`。使用 `--file ` 指向其他日志文件，并使用 `--last ` 将分析限制为最后 N 条记录（默认 200）。输出包含轮次延迟和监听等待时间的 p50/p90/p99。 ## 智能体工具 @@ -582,7 +575,7 @@ openclaw voicecall expose --mode funnel - `end_call`（callId） - `get_status`（callId） -该仓库附带了对应的技能文档，位于 `skills/voice-call/SKILL.md`。 +此仓库附带对应的 skill 文档，位于 `skills/voice-call/SKILL.md`。 ## Gateway 网关 RPC @@ -595,6 +588,6 @@ openclaw voicecall expose --mode funnel ## 相关内容 -- [文本转语音](/zh-CN/tools/tts) -- [对话模式](/zh-CN/nodes/talk) -- [语音唤醒](/zh-CN/nodes/voicewake) +- [Text-to-speech](/zh-CN/tools/tts) +- [Talk mode](/zh-CN/nodes/talk) +- [Voice wake](/zh-CN/nodes/voicewake)