什么是Feishu Voice (ElevenLabs)
飞书语音（Feishu Voice，基于 ElevenLabs）是一款专为飞书平台设计的语音交互增强工具，整合了先进的文本转语音（TTS）和语音转文本（STT）技术，旨在提升团队沟通的自然性与效率。该工具允许用户在飞书中直接发送高质量的语音消息，并自动将接收到的语音内容实时转录为文字，实现无缝的双向语音通信体验。通过调用 ElevenLabs 强大的 AI 语音合成与识别引擎，飞书语音不仅支持多语言处理，还特别优化了对中文内容的理解与生成能力，适用于跨地域、跨语言的协作场景。
要使用飞书语音功能，用户需配置 ElevenLabs 的付费 API 密钥及相应的环境变量，包括飞书应用的 App ID 和 Secret。系统依赖 `sag` CLI 工具和 `ffmpeg` 进行音频处理，确保语音消息的稳定传输与解析。此外，工具内置了智能回复模式，可根据收到的消息类型自动选择以语音或文字形式回应，同时支持用户手动指定回复方式，兼顾灵活性与自动化需求。无论是日常会议记录、远程指导，还是跨国团队的异步沟通，飞书语音都能显著降低文字输入负担，让沟通更贴近面对面交流的真实感。
值得一提的是，尽管免费版的 ElevenLabs 账户仅支持预设语音库，但接入付费计划后即可解锁其丰富的定制音色资源，进一步提升语音消息的专业度和个性化表现。整体而言，飞书语音不仅是一个功能插件，更是推动企业沟通数字化升级的重要助力，尤其适合重视效率、追求人性化交互的团队环境。
核心功能特点
- 支持基于 ElevenLabs 的高质量文本转语音（TTS），可发送自然流畅的语音消息至飞书
- 集成语音识别（STT）功能，自动将接收的语音消息实时转换为可读文本
- 兼容中英文及90多种语言，特别适合多语言混合的协作环境
- 提供智能回复模式，根据消息类型自动选择语音或文字回复方式
- 支持自定义语速调节（0.5x–2.0x），适配不同用户的听觉习惯
- 可通过脚本一键调用，集成 OpenClaw 等自动化框架实现全链路语音交互
适用场景
飞书语音在多种实际工作场景中展现出显著价值。例如，在远程办公或跨时区协作中，团队成员常因打字不便而延迟响应；此时，发送一段由 TTS 生成的语音消息能快速传达意图，提升沟通时效性。尤其在需要强调语气或情感表达的情境下，如项目反馈、客户关怀或培训讲解，语音消息比纯文字更具亲和力与说服力。对于听力障碍者或偏好听觉学习的员工而言，该工具也提供了无障碍沟通的新路径。
在企业内部知识传递方面，飞书语音同样大显身手。管理者可通过语音播报更新通知、任务分配或政策变动，避免冗长邮件阅读；新员工入职培训也可采用语音形式，结合 ElevenLabs 的多语言能力，轻松覆盖全球化团队。此外，客服中心若接入此功能，可实现“听—转—答”闭环：客户语音留言被自动转录后，系统分析语义并调用 TTS 生成专业回复，大幅减少人工干预成本。
更进阶的应用还包括自动化机器人服务。结合 OpenClaw 等平台，飞书语音可构建具备语音交互能力的智能助手，用于会议室预约提醒、日程变更通知等高频场景。当收到语音消息时，机器人先通过 STT 理解内容，再决定是否触发其他业务流程，形成高度拟人化的交互体验。总之，无论是提升个体沟通效率，还是赋能组织级自动化流程，飞书语音都已成为现代办公生态中不可或缺的智能组件。