# agent-voice-player

**Repository Path**: ijboy/agent-voice-player

## Basic Information

- **Project Name**: agent-voice-player
- **Description**: 这是一个基于Java的Agent工具的语音播放工具库
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-10-08
- **Last Updated**: 2026-10-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# agent-voice

[120000多种音频下载](https://pixabay.com/zh/sound-effects/search/%e9%80%9a%e7%9f%a5%e5%a3%b0%e9%9f%b3/)

智能体音频播放工具。作为纯通知角色 hook 运行，接收智能体工具（Claude Code / Codex 兼容格式）的钩子事件 JSON（stdin），按事件语义播放系统提示音、内置音频或实时 TTS 语音。任何失败都只记录日志并降级发声，绝不中断智能体工作流。

## 编译产物 Jar 使用规则

### 产物与前置

- **编译产物**：`build/libs/agent-voice-player-1.0.0.jar`（版本号见 `build.gradle.kts` 的 `version`；可执行 fat-jar，内置依赖与音频资源）。
- **前置要求**：JDK 21 及以上。

### 命令行参数

| 参数 | 取值 | 说明 |
|------|------|------|
| `--mode` | `default` / `audio` / `tts` | 声音模式（见下文"声音模式"） |
| `--tts-provider` | `dashscope` / `volcengine` | TTS 服务商，默认 `dashscope` |
| `--event` | 事件名 | 按事件名直接触发，免 stdin（本地调试用） |
| `--event-file` | JSON 文件路径 | 读取事件 JSON 文件触发（本地调试用） |
| `--spring.profiles.active=dev` | — | 打开日志便于本地调试；默认激活 `prod`（钩子调用场景静默） |

### 输入与输出

- **输入**：默认从 **stdin** 读取钩子事件 JSON；也可用 `--event` / `--event-file` 指定。
- **输出**：**stdout 固定打印 `{}`**（智能体钩子协议要求，任何异常都不会影响上游工作流）；日志默认静默（prod profile）。

### 钩子事件 JSON 载荷

| 字段 | 说明 |
|------|------|
| `hook_event_name` | 事件名（必填），见"支持的事件" |
| `session_id` | 会话标识，用于跨进程共享状态（缺省 `default`） |
| `tool_name` / `tool_input` | 工具调用上下文（权限询问语气、动作描述播报用） |
| `transcript_path` | 会话转录 JSONL 路径（tts 模式的昵称提取 / 长响应总结用） |
| `is_error` | `PostToolUse` 携带 `true` 时升级为失败事件 |
| `permission_request` | 权限询问载荷 |

### 支持的事件

`SessionStart` / `SessionEnd` / `UserPromptSubmit` / `PostToolUse` / `PostToolUseFailure` / `PermissionRequest` / `PermissionDenied` / `SubagentStart` / `SubagentStop` / `Stop`。未知事件被静默忽略，仍输出 `{}`。

另识别特殊归一化事件：`PostToolUse` + `tool_name=AskUserQuestion`（Claude Code 内置 askUserQuestion 工具调用）归一化为 `ASK_USER_QUESTION`，对应音频 `sounds/ASK_USER_QUESTION.mp3`（缺失时回退蜂鸣）；也可用 `--event AskUserQuestion` 本地调试。

## 快速开始

```bash
# 构建（产物：build/libs/agent-voice-player-1.0.0.jar）
./gradlew build

# 运行（模拟智能体工具调用，事件 JSON 走 stdin）
echo '{"hook_event_name":"PostToolUse"}' | java -jar build/libs/agent-voice-player-1.0.0.jar --mode audio

# 本地模拟脚本（参数：[事件名] [模式]，默认 PostToolUse + audio）
./script/run-hook.sh SessionStart tts        # bash
.\script\run-hook.ps1 SessionStart tts       # PowerShell
script\run-hook.cmd SessionStart tts         # CMD
```

调试可用内置测试载荷（目录见 `src/main/resources/input/`）：

```bash
java -jar build/libs/agent-voice-player-1.0.0.jar --mode tts --event-file src/main/resources/input/SessionStart.input.json
```

## 声音模式

`java -jar build/libs/agent-voice-player-1.0.0.jar --mode <default|audio|tts> [--tts-provider <dashscope|volcengine>]`

| 模式 | 说明 |
|------|------|
| `default` | 系统内置提示音（蜂鸣） |
| `audio` | 内置固定音频文件，按事件枚举名匹配 `classpath:sounds/{事件枚举名}.{mp3\|wav}`（如 `TOOL_AFTER.mp3`），缺失时回退蜂鸣 |
| `tts` | 实时语音合成，按事件语义动态生成 |

### tts 模式行为

| 事件 | 发声 |
|------|------|
| 会话开始 | 从系统提示词提取用户昵称生成欢迎语（异步延后，10s 超时）；提取不到回退纯音频 |
| 会话结束 | 告别语音 |
| 用户提示词发送 / 工具调用前后失败 / 权限拒绝 / 子Agent起止 | 纯音频提示 |
| 权限询问 | "正在执行xxx，需要申请xxx权限，请确认" 语气 |
| 模型响应结束 | 响应时长超过阈值（默认 30s）时用大模型将正文总结成 ≤2 句语音；否则纯音频 |

任何 TTS/LLM 失败都会逐级回退：TTS → 内置音频 → 系统提示音，绝不中断智能体工作流。

### 服务商与密钥

| 服务商 | TTS | LLM 摘要 | 环境变量 |
|--------|-----|----------|----------|
| dashscope（默认） | 百炼 CosyVoice HTTP | qwen-plus（OpenAI 兼容） | `DASHSCOPE_API_KEY` |
| volcengine | 火山引擎语音合成 V3（单向流式 HTTP） | 豆包大模型（方舟 OpenAI 兼容） | `ARK_API_KEY` |

密钥只走环境变量或 `--agent-voice.*` 配置参数，不落盘。

官方文档指引：

| 服务商 | 文档 |
|--------|------|
| dashscope | [语音合成模型总览](https://help.aliyun.com/zh/model-studio/tts-model/) · [CosyVoice HTTP API 参考](https://help.aliyun.com/zh/model-studio/cosyvoice-tts-http-api) · [获取与配置 API Key](https://help.aliyun.com/zh/model-studio/get-api-key) · [OpenAI 兼容接口](https://help.aliyun.com/zh/model-studio/compatibility-of-openai-with-dashscope) |
| volcengine | [豆包语音合成大模型](https://www.volcengine.com/product/tts) · [方舟 Agent 计划-个人音色模型](https://ark.volcengine.com/region:cn-beijing/docs/ark/agent-plan-personal-voice-model) · [豆包语音接口文档（API Key）](https://docs.volcengine.com/docs/DoubaoVoice/APIinterfacedocumentation?lang=zh) · [火山方舟大模型（OpenAI 兼容）](https://docs.volcengine.com/docs/ark/compatible-with-openai-sdk?lang=zh) |

## 注册为智能体工具钩子

本工具适配所有提供 hook 机制的智能体工具（Claude Code / Codex 等），以下以 Claude Code 为例。在 `~/.claude/settings.json` 或项目 `.claude/settings.local.json` 的 `hooks` 中配置：

```json
{
  "hooks": {
    "PostToolUse": [
      { "type": "command", "command": "java -jar /path/to/agent-voice-player-1.0.0.jar --mode audio" }
    ]
  }
}
```

## 项目结构

```
src/main/java/com/hookvoice/
├── AgentVoiceApplication.java     # Spring Boot 入口（--mode → --agent-voice.mode）
├── cli/AgentVoiceMain.java        # stdin/参数钩子入口（--event / --event-file）
├── application/                   # 应用编排（事件 → 发声决策 → 回退链）
├── domain/                        # 领域层（事件、发声、语音、状态、TTS 抽象，零框架依赖）
└── infrastructure/                # 音频播放、阿里/豆包 TTS+LLM、状态文件、装配
```

会话状态（响应计时、用户昵称）按 sessionId 持久化在 `~/.agent-voice/` 下，跨钩子进程共享。

## 设计文档

- [设计规格](docs/superpowers/specs/2026-07-06-hook-voice-design.md)
- [实现计划](docs/superpowers/plans/2026-07-06-hook-voice-plan.md)

## 技术栈

Java 21, Spring Boot 4.1（无 Web）, Jackson 3, JDK HttpClient, Gradle Kotlin DSL

## 许可

MIT