语音通话

AI 驱动的语音通话能力 — 实时对话、通话管理与服务暴露

Crab Claw 支持 AI 驱动的语音通话能力，让智能体不仅能文字对话，还能通过语音与用户实时交流。

核心功能

发起语音通话

通过 CLI 或聊天指令向联系人发起 AI 语音通话，智能体自动接听并进行实时对话。

实时语音交互

基于语音识别（STT）和语音合成（TTS）的双向实时对话，延迟低、体验自然。

通话中继续对话

通话过程中可发送文字消息补充上下文，智能体同时处理语音和文字。

服务暴露

将语音通话服务暴露到公网，支持外部系统接入和 Webhook 触发。

CLI 命令

bash

# 查看通话状态
crabclaw voicecall status

# 发起通话
crabclaw voicecall call <contact>

# 通话中发送消息
crabclaw voicecall continue "请帮我查一下明天的天气"

# 结束通话
crabclaw voicecall end

# 暴露语音服务到公网
crabclaw voicecall expose

# 取消暴露
crabclaw voicecall unexpose
# 查看通话状态
crabclaw voicecall status

# 发起通话
crabclaw voicecall call <contact>

# 通话中发送消息
crabclaw voicecall continue "请帮我查一下明天的天气"

# 结束通话
crabclaw voicecall end

# 暴露语音服务到公网
crabclaw voicecall expose

# 取消暴露
crabclaw voicecall unexpose

在聊天中使用

shell

> 给张三打电话
> 通话中: 帮我查一下明天的航班
> 结束通话
> 把语音通话服务暴露出去
> 给张三打电话
> 通话中: 帮我查一下明天的航班
> 结束通话
> 把语音通话服务暴露出去

通话流程

shell

发起通话 (voicecall call)
    │
    ▼
建立连接 → STT 引擎就绪 → TTS 引擎就绪
    │
    ▼
实时对话循环:
  用户语音 → STT 转文字 → Agent 处理 → TTS 合成 → 语音播放
    │
    ├─ 可穿插文字消息 (voicecall continue)
    │
    ├─ Agent 可使用全部工具（搜索、文件、浏览器等）
    │
    └─ 通话结束 (voicecall end) → 保存通话记录
发起通话 (voicecall call)
    │
    ▼
建立连接 → STT 引擎就绪 → TTS 引擎就绪
    │
    ▼
实时对话循环:
  用户语音 → STT 转文字 → Agent 处理 → TTS 合成 → 语音播放
    │
    ├─ 可穿插文字消息 (voicecall continue)
    │
    ├─ Agent 可使用全部工具（搜索、文件、浏览器等）
    │
    └─ 通话结束 (voicecall end) → 保存通话记录

服务暴露

通过 voicecall expose 将语音通话接口暴露到公网：

外部系统可通过 API 发起通话
支持 Webhook 回调通知通话状态
可用于客服场景、电话机器人等

bash

# 暴露后获得公网 URL
crabclaw voicecall expose
# → Voice service exposed at https://xxx.ngrok.io/voice

# 取消暴露
crabclaw voicecall unexpose
# 暴露后获得公网 URL
crabclaw voicecall expose
# → Voice service exposed at https://xxx.ngrok.io/voice

# 取消暴露
crabclaw voicecall unexpose

相关文档：消息频道 · 功能特性