把舊手機變成你家 AI agent 的耳朵和嘴巴。
自架的語音助理：手機 App（或瀏覽器 PWA）當衛星麥克風，喊一聲喚醒詞， 語音直接進到你的 OpenClaw agent，回覆即時串流合成語音放出來。 全程在你的區網內，雲端只碰兩個免費 API（Groq STT、edge-tts）。
┌─────────────┐ PCM 16kHz ┌──────────────────────────────┐
│ Android App │ ──── wss ──→ │ audio_ws.py │
│ 或瀏覽器 PWA │ ←── WAV ──── │ Porcupine 喚醒詞偵測 │
└─────────────┘ │ → Silero VAD 切句 │
│ → Groq Whisper STT │
│ → OpenClaw agent（串流回覆） │
│ → edge-tts 邊講邊合成 │
└──────────────────────────────┘
- 喚醒詞：說「蝦蝦」（或你自己訓練的詞）才啟動，喚醒立刻回「在！」
- 串流回覆：agent 邊生邊念，第一句話不用等整段生完；思考太久會先用「我想一下」墊場
- 省流量模式：安靜時暫停上傳（0 KB），偵測到聲音自動補送 1.5 秒 pre-roll，喚醒後 12 秒全量保證對話完整
- 回音防護：播放回覆時手機麥克風自動暫停，不會自己喚醒自己
- 連線 token 驗證：區網內也不裸奔
- 感測器旁路：手機的距離感測器和加速度計即時上傳（
/proximity、/accel），可拿來做手勢觸發 - 敲擊召喚：附
knock_watcher.py——敲兩下手機（雙脈衝偵測）等同喊喚醒詞，走POST /wake與語音喚醒同一條下游 - 雙 client：Android 原生 App（前景服務常駐）+ 瀏覽器 PWA
| 項目 | 哪裡申請 | 用途 |
|---|---|---|
| Groq API key | console.groq.com | Whisper 語音辨識 |
| Picovoice AccessKey | console.picovoice.ai | 喚醒詞引擎 |
喚醒詞 .ppn 檔 |
同上，Console 裡訓練 | .ppn 綁定你的 AccessKey，不能用別人的，所以本 repo 不附。訓練時平台選 Linux、語言選中文 |
中文聲學模型 .pv |
Porcupine repo 下載 porcupine_params_zh.pv |
中文喚醒詞必備（英文喚醒詞不用） |
edge-tts（微軟 TTS）不用申請。
需求：Linux、Python 3.10+、ffmpeg、Node.js、已設定好的 OpenClaw（gateway 跑在本機）。
git clone https://github.com/<you>/shrimp-voice.git
cd shrimp-voice/server
pip install -r requirements.txt
# 自簽 TLS 憑證（瀏覽器要 https 才給麥克風權限）
openssl req -x509 -newkey rsa:2048 -keyout key.pem -out cert.pem -days 3650 -nodes -subj "/CN=shrimp-voice"
# 放入你訓練的喚醒詞和中文模型
cp ~/Downloads/你的喚醒詞_zh_linux_*.ppn wake_word.ppn
cp ~/Downloads/porcupine_params_zh.pv .
# 設定
cp .env.example .env
nano .env # 填 GROQ_API_KEY、PV_ACCESS_KEY，建議也設 SHRIMP_WS_TOKEN
python3 audio_ws.py看到 喚醒音效 [在！] 已就緒 就是活了。瀏覽器開 https://<server-ip>:8443/（自簽憑證要手動信任一次；有設 token 的話第一次帶 ?token=你的token）。
長期跑用 systemd：examples/ 裡有現成的 user unit，含每分鐘自動同步 OpenClaw session 的 timer，
以及選配的 shrimp-knock-watcher.service（敲擊召喚，吃同一個 .env token）。
⚠️ 有開防火牆（ufw 等）記得放行：sudo ufw allow from 192.168.0.0/16 to any port 8443 proto tcp
cd android
./gradlew assembleDebug
adb install -r app/build/outputs/apk/debug/app-debug.apk裝好後在 App 裡填伺服器位址（如 192.168.1.100:8443）和 token，按「啟動服務並開啟麥克風」。
建議把 App 加入電池最佳化例外，三星手機尤其需要。
省流量模式預設關閉（全時串流喚醒率最高）；開了之後安靜時完全不上傳，
RMS 門檻等參數在 PcmAudioStreamer 的 RmsUploadGate，預設值是按一般室內環境調的。
老實說：現在的「大腦」層寫死接 OpenClaw gateway（openclaw_stream_agent.mjs）。
它的介面其實很簡單——吃 argv 訊息、stdout 逐行吐
{"type":"delta","text":...} / {"type":"final",...} / {"type":"error",...}，
理論上任何能串流輸出的 agent CLI 都能照這個格式寫一個橋接檔換上去（改 .env 不用動主程式）。
抽象化是 roadmap 上的事，歡迎 PR。
所有設定在 server/.env，完整列表和說明見 .env.example。
常用的：WAKE_SENSITIVITY（誤喚醒就調低）、TTS_VOICE（換聲音）、WAKE_REPLY（換應答詞）。
- 這是設計給自家區網用的。token 擋得住鄰居，擋不住有心人——不要直接暴露到公網
- client 端信任自簽憑證（不驗 CA），符合區網場景；要更嚴謹可自行做 certificate pinning
- 語音指令直通你的 agent，agent 能做什麼，喊話的人就能做什麼——token 請當密碼看待
MIT（不含 Porcupine 模型檔與你自己訓練的喚醒詞，那些依 Picovoice 條款）