OpenClaw 的智能 Telegram 回复流程：若用户发送文本，则回复文本；若用户发送语音或音频，则利用本地安装的 mlx_audio（Apple Silicon 默认使用 Qwen3-ASR）进行本地转录，随后以相同语言生成有意义的回复。通过 Telegram 发送包含字幕的语音消息，确保用户收到一条同时包含语音和文字的消息（字幕文本须与语音内容完全一致）。除非用户明确要求其他语言，否则始终遵循输入语言（中文→中文，英文→英文）

使用macOS内置的say命令实现文字转语音，用于语音通知、音频提醒、朗读文本或通过Mac扬声器播报信息，支持多种语言，包括中文（普通话）、英语、日语等

ElevenLabs TTS — OpenClaw 最佳的 ElevenLabs 集成方案，支持情绪化音频标签的 ElevenLabs 文本转语音、WhatsApp 语音合成与多语言支持，通过 ElevenLabs API 生成逼真的AI语音

使用豆包（火山引擎）API 的文本转语音服务，支持200多种语音、交互式语音选择和多语言功能