Voice Listener Skill

百度语音识别 + 智能唤醒技能

功能

• 🎤 百度语音识别（高准确度）
• ✨ 智能唤醒模式："小龙虾"激活，"停止"暂停
• 🔄 持续监听：激活后所有语音自动输入
• 📋 无需每次都说唤醒词

快速开始

方式1：通过OpenClaw技能系统调用（推荐）

在对话中直接说或输入：

启动语音监听

OpenClaw会自动调用此技能并启动语音识别程序。

方式2：启动脚本

双击运行：

voice_input_baidu_smart.bat

方式3：命令行

在技能目录下运行：

python start_voice_listener.py

使用方法

激活模式

1. 双击 voice_input_baidu_smart.bat 启动程序
2. 程序进入待机模式
3. 说："小龙虾"
4. 程序进入激活模式
5. 所有语音都会自动识别并输入

持续输入

激活后，你说的话会自动输入到光标位置：

说: "你好" → 自动输入
说: "帮我打开淘宝" → 自动输入
说: "今天天气怎么样？" → 自动输入

暂停输入

说："停止"

程序回到待机模式，不会再输入你的语音。

配置文件

百度 API 配置

编辑 baidu_config.json：

{
  "APP_ID": "你的APP_ID",
  "API_KEY": "你的API_KEY",
  "SECRET_KEY": "你的SECRET_KEY"
}

修改唤醒词

编辑 voice_input_baidu_smart.py：

# 唤醒词
WAKE_WORD = "小龙虾"  # 改成你喜欢的词

# 停止词
STOP_WORD = "停止"  # 改成你喜欢的词

工作流程

[待机模式]
   ↓
   说: "小龙虾" → [激活模式]
   ↓
   持续语音输入...
   ↓
   说: "停止" → [待机模式]

文件说明

核心文件

• voice_input_baidu_smart.py - 智能唤醒模式（推荐）
• voice_input_baidu_smart.bat - 启动脚本
• baidu_config.json - 百度API配置

其他版本

• voice_input_baidu.py - 简单持续监听（无唤醒词）
• voice_input_baidu_wakeup.py - 单次唤醒版本
• BAIDU_README.md - 百度API使用指南
• SMART_WAKEUP_README.md - 智能唤醒详细指南

配置文件

• baidu_config.json - 百度API密钥配置

技术参数

音频配置

• 采样率：16000 Hz（百度要求）
• 声道：1（单声道）
• 格式：WAV
• 静音阈值：0.02（可调）
• 静音时长：1.5 秒（说话结束后停止录音）
• 最短语音：0.5 秒（防止误触发）

API 配置

• 识别引擎：百度语音识别 API
• Token API：https://aip.baidubce.com/oauth/2.0/token
• 识别 API：https://vop.baidu.com/server_api
• 免费额度：50,000 次/天
• 语言：普通话（支持简单英文）

优势

特性	说明
✅ 高准确度	百度语音识别准确度高
✅ 智能唤醒	唤醒后持续工作
✅ 易控制	明确的激活/停止
✅ 免费额度高	每天50,000次
✅ 配置简单	只需三个API密钥

常见问题

问题1：Token获取失败

错误： 无法获取百度Access Token

解决：

1. 检查 baidu_config.json 中的密钥是否正确
2. 检查网络连接
3. 重新登录百度控制台，检查API密钥状态

问题2：唤醒词检测不到

解决：

1. 清楚地说"小龙虾"
2. 在安静环境下使用
3. 靠近麦克风

问题3：停止词检测不到

解决：

1. 清楚地说"停止"
2. 或者按 Ctrl+C 停止程序

API 密钥申请

获取步骤

1. 访问：https://ai.baidu.com/
2. 注册/登录账号
3. 进入控制台：https://console.bce.baidu.com/ai/
4. 创建应用
5. 选择"语音识别"
6. 获取 APP ID, API Key, Secret Key
7. 填入 baidu_config.json

文档

• 百度AI开放平台：https://ai.baidu.com/
• 语音识别文档：https://ai.baidu.com/ai-doc/SPEECH/Vk38lxily
• 控制台地址：https://console.bce.baidu.com/ai/

输出

识别结果：

• 自动输入到光标位置
• 同时在控制台显示识别文本
• 失败时复制到剪贴板，手动粘贴

技术栈

• 音频处理：sounddevice
• 键盘控制：keyboard
• 剪贴板：pyperclip
• 语音识别：百度 REST API
• HTTP 请求：requests