让 OpenClaw 听你说话。
再也不用守在屏幕前等 OpenClaw 出结果了。戴上耳机，说句"小龙小龙，帮我把那个项目重构一下"，然后起身倒杯水、看会儿手机、或者继续摸鱼。OpenClaw 在后台读代码、执行命令、安装依赖、联网搜索——干完了耳机里直接告诉你结果。你只需要张嘴，不需要动手，也不需要盯着屏幕。
说"小龙小龙"唤醒 → 语音发指令 → OpenClaw 干活 → 语音报结果
- 🎤 离线唤醒词：SenseVoice + Silero VAD，纯本地运行，无需联网
- 🗣️ 自然语音交互：支持连续对话、语音打断、上下文指令拼接
- 🔧 完整 AI 能力：通过 OpenClaw 获得文件操作、命令执行、联网搜索、编程等能力
- 🔧 Skills 扩展：通过 OpenClaw Skills 生态扩展能力，天气查询等开箱即用
- 🎧 蓝牙支持：自动检测蓝牙耳机，支持全双工/半双工自适应
- ⚡ 流式响应：TTS 边合成边播放，首字延迟低
- 🛡️ TTS 三级回退：Edge TTS（在线高音质）→ Matcha-TTS（本地离线）→ Windows SAPI（保底），网络不好也不卡
- 🚀 并行启动：ASR、TTS、Agent 并行初始化，启动快 2-3 秒
- 🧠 智能输入超时：短指令 1.5 秒快速发送，长句 4 秒等待，响应更快
- 🎯 宽容唤醒词：支持 16 种"小"+ 14 种"龙"的近音变体，ASR 识别偏差也能唤醒
- 😴 丰富休眠表达：退下、再见、拜拜、不聊了、先这样等 12+ 种自然表达
麦克风 → [Silero VAD + SenseVoice ASR] → 文字
↓
[唤醒词/指令检测]
↓
[OpenClaw Gateway Agent]
↓
[Edge TTS / Matcha-TTS / SAPI]
↓
扬声器
| 依赖 | 版本 | 说明 |
|---|---|---|
| Python | >= 3.10 | 推荐 3.12+ |
| Node.js | >= 18 | OpenClaw 运行时 |
| 麦克风 + 扬声器 | - | 蓝牙耳机或本地音频设备 |
git clone https://github.com/yu20103983/xiaolong-openclaw.git
cd xiaolong-openclaw
# 安装依赖 + 下载模型
setup.bat首次使用需配置 OpenClaw Gateway：
# 初始化 OpenClaw 配置（设置 API Key 等）
npx openclaw config
# 启动 Gateway（保持运行）
npx openclaw gateway注意：需要配置 LLM 提供商的 API Key（如 Anthropic、OpenAI 等）。 运行
npx openclaw config会引导你完成配置。
# 新终端，启动语音助手
start.bat说 "小龙小龙" 唤醒，然后说指令即可。
| 操作 | 说法示例 |
|---|---|
| 唤醒 | "小龙小龙" |
| 发指令 | "小龙，帮我查一下天气" |
| 连续对话 | "小龙，我们聊聊天"（agent 自动开启） |
| 打断播报 | 说 "终止" 或 "停止" |
| 休眠 | "小龙退下" / "小龙再见" / "小龙拜拜" / "小龙不聊了" |
- 智能超时：短指令（如"几点了""播放音乐"）1.5 秒自动发送，长句 4 秒静音后发送
- 多段输入会自动拼接（说完一段后继续说，会合并后一起发送）
- 说 "好了" 可立即发送
支持大量近音变体，以下都能唤醒：
- 小龙、肖龙、晓龙、消隆、笑笼、筱龙……
- 即使 ASR 识别有偏差，大部分情况都能正确唤醒
Agent 会根据场景自动开启连续对话模式（如聊天、口语练习等），开启后不需要说唤醒词，直接说话即可。
编辑 src/config.py：
# 音频设备（None = 自动检测）
A2DP_ID = None # 输出设备 ID
HFP_IN = None # 输入设备 ID
DUPLEX_MODE = None # 全双工模式: True/False/None（自动）
PREFER_LOCAL = False # 优先本地设备（跳过蓝牙检测）
# TTS
TTS_ENGINE = "edge" # TTS 引擎: edge（在线高音质）/ local（离线快速）
TTS_VOICE = "xiaoxiao" # 语音: xiaoxiao/yunxi/xiaoyi/yunjian
TTS_RATE = "+10%" # 语速
TTS_LOCAL_MODEL = "matcha-zh-baker" # 本地备选模型
# Agent
PI_PROVIDER = "anthropic" # OpenClaw provider
PI_MODEL = "claude-sonnet-4-20250514" # 模型名称
# 会话
INPUT_SILENCE_TIMEOUT = 4.0 # 长输入静音超时（秒）
INPUT_QUICK_TIMEOUT = 1.5 # 短指令快速超时（秒）
CONTINUOUS_SILENCE_TIMEOUT = 30 # 连续对话沉默超时（秒）OpenClaw 内置多种 Skills（天气、GitHub、编程等），也可添加自定义 Skill：
- 在
~/.openclaw/workspace/skills/your-skill/下创建SKILL.md和脚本 - 运行
npx openclaw skills list确认加载
├── src/
│ ├── main.py # 主程序：唤醒→识别→Agent→TTS 流水线
│ ├── config.py # 全局配置
│ ├── session_controller.py # 会话状态机：唤醒词检测、指令分发
│ ├── agent_client.py # OpenClaw Gateway 客户端（事件驱动连接）
│ ├── asr_engine.py # ASR 引擎：VAD + SenseVoice（异步线程）
│ ├── tts_engine.py # TTS 引擎：Edge TTS + Matcha-TTS + SAPI 三级回退
│ └── audio_io.py # 音频 I/O：设备检测、录音、重采样
├── bin/
│ └── gateway-bridge.js # Node.js Bridge：Python ↔ OpenClaw Gateway
├── models/ # ASR/TTS 模型文件
├── assets/ # 提示音文件
├── cache/ # TTS 磁盘缓存
├── tests/ # 测试脚本
├── setup.bat # 一键安装
├── start.bat # 启动脚本
└── download_models.bat # 模型下载
# 测试音频设备检测
python -X utf8 tests/test_devices.py
# 测试 ASR（麦克风实时识别）
python -X utf8 tests/test_asr.py
# 测试 TTS（合成并播放）
python -X utf8 tests/test_tts.py
# 测试唤醒词匹配
python -X utf8 src/session_controller.py运行时终端会显示清晰的对话日志：
==================================================
[用户] 帮我查一下今天的天气
==================================================
好的，我来查一下。深圳今天局部多云，气温25度...
--------------------------------------------------
[小龙] 好的，我来查一下。深圳今天局部多云，气温25度，适合出门。
--------------------------------------------------
Q: 启动后没有声音？
检查音频设备：python -X utf8 tests/test_devices.py，确认输入输出设备正确。
Q: OpenClaw Gateway 连接失败？
确保 Gateway 已启动：npx openclaw gateway，默认端口 18789。
Q: 模型下载失败？ 设置代理后重试：
set HTTPS_PROXY=http://127.0.0.1:7890
download_models.batQ: 唤醒词识别不灵敏？
可在 src/session_controller.py 中调整 _XIAO_CHARS 和 _LONG_CHARS 的近音字集合。
Q: TTS 经常超时？
在 src/config.py 中设置 TTS_ENGINE = "local" 切换到本地离线 TTS，或保持 "edge" 模式，连续失败 3 次后会自动回退到本地。