女儿从幼儿园回来，走进客厅——
墙上的摄像头悄悄亮了一下。
"Hello! Cat! Can you say cat? Meow!"
女儿咯咯笑："Cat! 喵喵！"
这就是 WallWhisper——墙上的低语者，住在摄像头里的英语小姐姐 Emily。
WallWhisper 是一个开源的家庭英语智能教学系统。核心角色 Emily（英语小姐姐）通过萤石摄像头感知家人出现，自动生成个性化英语内容，并通过摄像头喇叭播放。
不需要额外硬件，不需要打开 App，不需要刻意"上课"——孩子只要在家走动，英语学习就自然发生。
作为一个程序员爸爸，我一直在想怎么让 3 岁的女儿自然地接触英语。语言学习最关键的不是教材多好、老师多牛，而是有没有一个持续的语言环境。
然而，市面上所有的英语学习工具都有同一个致命问题——它们都需要孩子"走入"：
| 方式 | 问题 |
|---|---|
| 📱 手机/平板 App | 需要孩子主动打开，3 岁孩子不会操作 |
| 📺 英语动画/节目 | 需要主动调台、选片，而且容易沉迷屏幕 |
| 📚 英语绘本 | 需要家长陪读，时间精力有限 |
| 👩🏫 线下外教课 | 一周两次，课间全忘，一年还要 2 万+ |
| 🤖 AI 对话产品 | 需要孩子坐在屏幕前主动互动 |
这些都在考验孩子的"学习主动性"。但对一个 3 岁小朋友来说，主动性本身就是奢望。
所以我换了个思路：与其让孩子走向英语，不如让英语走向孩子。
打造英语环境，没有什么比家里有一个隐藏式的英语外教更好了。问题是，谁来当这个外教？
答案就在你家的墙上——你的摄像头。这就是 WallWhisper 这个名字的由来：墙壁上的低语者。
📷 摄像头是天然的最佳载体：
- 🫥 不突兀 — 它本身就在你家的墙上/天花板上，孩子早已习惯它的存在
- 👀 视角宽广 — 比手机、平板更容易捕捉到孩子的活动轨迹
- 🔊 自带喇叭 — 不需要额外的蓝牙音箱，一个设备搞定感知 + 播放
- 🧒 无需操作 — 孩子不用按任何按钮，走过就触发，真正零交互
🧠 OpenClaw 让 Emily 有了灵魂：
传统的英语播放器只能机械式地重复预录音频。但 Emily 不一样——基于 OpenClaw 开源 AI Agent 平台，Emily 拥有完整的人设、记忆和成长体系：
- 她知道你孩子叫什么、几岁、喜欢什么
- 她记得上周教过哪些单词，今天该复习什么
- 她会根据孩子的水平逐步提高难度
- 她会伴随孩子一起成长，而不是永远停留在 "Hello, how are you?"
📦 小米路由器是天然的容身之所：
Emily 需要一个 24 小时在线的"家"来运行。与其买一台新的服务器或树莓派，不如看看你家已有的——小米路由器：
- 🔌 它本来就 24 小时开着，不增加电费
- 🌐 它本来就是家庭网关，局域网访问摄像头零延迟
- 🐳 支持 Docker 的小米路由器（7000/BE 系列）直接运行 WallWhisper 容器
- 💰 零新增硬件成本，经济又高效
总结一下：摄像头感知孩子 + OpenClaw 生成个性化英语 + 路由器 24h 运行 = WallWhisper，墙上的低语者。全部复用已有设备，新增成本为零。
| 🏠 沉浸式英语环境 | 🧠 OpenClaw 伴随成长 | 🔊 摄像头喇叭直出 | 💰 零额外硬件成本 |
|---|---|---|---|
| 不需要孩子主动"打开"任何东西，走过就触发，英语自己找上门 | Emily"认识"你的家人，记住教过的单词，根据进度调整难度 | RTSP Backchannel 黑科技，音频直接推到摄像头喇叭，无需额外音箱 | 摄像头 + 路由器 + AI API，全部复用家里已有设备 |
graph TB
subgraph "🏠 你的家"
KID["👧 孩子/家人"]
CAM["📷 萤石摄像头<br/>人形检测 + 喇叭播放"]
ROUTER["📦 小米路由器<br/>Docker 运行 WallWhisper"]
end
subgraph "☁️ 云端服务"
OC["🧠 OpenClaw<br/>Emily 人设 + 记忆"]
TTS["🔊 腾讯云 TTS<br/>文本转语音"]
EZVIZ["👁️ 萤石云<br/>告警推送"]
end
KID -->|"1. 走过摄像头"| CAM
CAM -->|"2. 人形告警"| EZVIZ
EZVIZ -->|"3. 轮询告警"| ROUTER
ROUTER -->|"4. 请求生成英语内容"| OC
OC -->|"5. 返回个性化英语"| ROUTER
ROUTER -->|"6. 文本转语音"| TTS
TTS -->|"7. PCM 音频流"| ROUTER
ROUTER -->|"8. RTSP Backchannel<br/>推送音频"| CAM
CAM -->|"🔊 喇叭播放英语"| KID
style KID fill:#FFE0B2,stroke:#F57C00,color:#000
style CAM fill:#BBDEFB,stroke:#1565C0,color:#000
style ROUTER fill:#C8E6C9,stroke:#2E7D32,color:#000
style OC fill:#E1BEE7,stroke:#7B1FA2,color:#000
style TTS fill:#B3E5FC,stroke:#0288D1,color:#000
style EZVIZ fill:#FFF9C4,stroke:#F9A825,color:#000
整个流程在 10 秒内完成： 检测到人 → AI 生成内容 → TTS 合成语音 → 摄像头喇叭播放 🎉
📷 如果 Mermaid 图无法渲染，点击查看架构图 PNG
| 模式 | 触发条件 | 内容 | 示例 |
|---|---|---|---|
| 🚶 pass_by | 有人路过摄像头 | 简短打招呼 + 一个单词 | "Hello! Cat! Can you say cat? Meow!" |
| 🧑🏫 interact | 短时间多次触发 | 深度互动教学 | "Hi! Look, a dog! Woof woof! Can you say dog?" |
| ⏰ scheduled | 定时任务 | 晨播/睡前故事/每日复习 | "Good morning! Let's learn a color today! Red!" |
每段英语后自动附带中文解释（中英双语），确保孩子能理解：
Hello! Cat! Can you say cat? Meow! --- 你好！Cat是小猫咪！你能说cat吗？喵！
📌 效果视频制作中，敬请期待...
# 1. 克隆项目
git clone https://github.com/treychen-369/WallWhisper.git
cd WallWhisper
# 2. 安装依赖
pip install -r requirements.txt
# 3. 配置
cp config.example.yaml config.yaml
# 编辑 config.yaml，填入你的 API 密钥
# 4. 测试 TTS
python run.py test_tts "Hello! Can you say cat?"
# 5. 运行 Emily
python run.py emily# 1. 构建镜像
docker-compose up -d --build
# 2. 或者使用预构建镜像
IMAGE=your-registry/wallwhisper:latest docker-compose up -d如果你的小米路由器支持 Docker（如小米 7000/BE系列），可以直接在路由器上运行 WallWhisper，实现真正的"无服务器"部署。
详细步骤请参考 部署指南。
核心配置项（config.yaml）：
| 配置项 | 说明 | 必填 |
|---|---|---|
ai.api_key |
DeepSeek API 密钥 | ✅ |
tts.secret_id / tts.secret_key |
腾讯云 TTS 密钥 | ✅ |
ezviz.app_key / ezviz.app_secret |
萤石开放平台密钥 | ✅ |
openclaw_emily.api_url / api_token |
OpenClaw Emily API（可选） | ⬜ |
camera_speaker.cam_ip / cam_password |
摄像头喇叭推送 | ⬜ |
💡 不使用 OpenClaw 也可以运行！Emily 会直接调用 DeepSeek API 生成内容。OpenClaw 提供的是统一人设和长期记忆能力。
OpenClaw 是一个开源 AI Agent 平台，Emily 基于它构建了完整的人设和记忆系统：
- SOUL.md — Emily 的人格设定（温柔、耐心、爱玩）
- USER.md — 你的家庭信息（孩子年龄、兴趣爱好）
- MEMORY.md — 教学记忆（教过哪些单词、孩子的进步）
配置模板在 examples/openclaw-config/ 目录，详细设置请参考 OpenClaw 配置指南。
WallWhisper 最酷的功能之一是直接通过摄像头喇叭播放英语，无需任何额外音箱！
技术原理：
- 萤石 C7 摄像头支持 RTSP Backchannel（反向音频通道）
- Emily 通过 TCP 连接将 AAC 音频流推送到摄像头
- 摄像头的内置喇叭直接播放
📌 目前已验证萤石 C7 系列摄像头，其他支持 RTSP Backchannel 的摄像头理论上也可以适配。
WallWhisper/
├── run.py # 统一启动器
├── config_loader.py # 配置加载与校验
├── emily_v2.py # V2 主引擎（摄像头联动 + 多模式）
├── emily.py # V1 旧版（保留兼容）
├── ezviz_monitor.py # 萤石告警轮询 + Token 管理
├── tts_stream.py # 腾讯云 WebSocket 流式 TTS
├── camera_speaker.py # RTSP Backchannel 摄像头喇叭
├── camera_mic.py # 摄像头麦克风输入
├── asr_engine.py # 语音识别
├── conversation.py # 多轮对话引擎
├── config.example.yaml # 配置模板
├── deploy.sh # 路由器部署脚本（7步安全流程）
├── sync_openclaw.py # OpenClaw 人设同步工具
├── sync_router.py # 路由器配置同步工具
├── Dockerfile # Docker 构建（ARM64 + x86_64）
├── docker-compose.yml # Docker Compose 部署
├── examples/
│ └── openclaw-config/ # OpenClaw 人设配置模板
└── docs/
├── architecture.md # 详细架构说明
├── deployment-guide.md # 部署指南
├── openclaw-setup.md # OpenClaw 配置指南
└── video-script.md # 效果视频拍摄脚本
| 层级 | 技术 | 用途 |
|---|---|---|
| 🧠 AI | DeepSeek API / OpenClaw | 个性化英语内容生成 |
| 🔊 语音 | 腾讯云 WebSocket TTS | 实时文本转语音 (voice_type: 101009 英文女声) |
| 👁️ 感知 | 萤石开放平台 API | 人形检测告警轮询 |
| 📡 播放 | RTSP Backchannel / PyAudio | 摄像头喇叭或本地播放 |
| 🐳 部署 | Docker + docker-compose | ARM64 适配路由器 |
- 人形检测自动触发
- 中英双语输出
- RTSP Backchannel 摄像头喇叭
- OpenClaw 人设 + 记忆
- 多轮对话（ASR 语音识别 + AI 回复）
- 支持更多 TTS 服务（Azure、Google、Edge TTS）
- 支持更多摄像头品牌（海康、大华）
- Web 管理面板
- 教学进度可视化报告
- 多语言支持（日语、法语等）
欢迎提交 Issue 和 Pull Request！详见 贡献指南。
MIT License — 自由使用、修改、分发。
- OpenClaw — 开源 AI Agent 平台，让 Emily 有了"灵魂"
- DeepSeek — 强大且实惠的 AI 大模型
- 腾讯云 TTS — 高质量中英文语音合成
- 萤石开放平台 — 摄像头 API 和告警服务
如果 WallWhisper 帮到了你的家庭，请给个 ⭐ Star 支持一下！
Made with ❤️ by a programmer dad who wants his daughter to love English.
WallWhisper — 墙上的低语者，让英语像空气一样包围你的孩子。