Habla con Claw: Interfaz de Voz de iOS de Código Abierto para Bots de Telegram OpenClaw

Speak with Claw es una aplicación iOS de código abierto que proporciona capacidades de interfaz de voz para bots de Telegram que funcionan en la infraestructura OpenClaw. El sistema permite una interacción conversacional donde los usuarios hablan con sus bots, el audio se procesa localmente y las respuestas se devuelven tanto en formato de texto como de audio.

Cómo funciona

La aplicación iOS captura la entrada de voz y envía el audio a un servidor de retransmisión que se ejecuta en una Mac. Este servidor procesa el audio a través del bot de Telegram del usuario impulsado por OpenClaw, que puede conectarse a cualquier API de LLM (Claude, GPT, Gemini, etc.). La respuesta del bot se envía de vuelta a la aplicación iOS tanto en texto como en audio para su reproducción.

Características principales

• Modo conversación con detección de actividad de voz (VAD): Detecta automáticamente cuando estás hablando sin necesidad de pulsar botones
• Activación por palabra clave: Se puede activar con frases como "Hey Bot"
• Reproducción de respuestas de audio: Los bots pueden responder con audio sintetizado
• Acceso remoto vía Tailscale: Funciona desde cualquier lugar manteniendo la privacidad
• Selección múltiple de bots: Admite cambiar entre diferentes bots de OpenClaw

Implementación técnica

El sistema utiliza una arquitectura de tres partes:

• Aplicación iOS: Desarrollada con Swift, AVFoundation y SFSpeechRecognizer
• Servidor de retransmisión: Aplicación Python/Flask con Telethon para integración con Telegram, se ejecuta en Mac
• Integración OpenClaw: Se conecta a cualquier bot de Telegram impulsado por OpenClaw

Rendimiento y limitaciones

El desarrollador señala que este no es un sistema instantáneo como Siri. La latencia depende de la velocidad de procesamiento de tu LLM y de las condiciones de la red. La aplicación se describe como "ciertamente no perfecta" y los usuarios deben "usarla bajo su propio riesgo".

Consideraciones de privacidad

Todos los procesamientos de datos ocurren en tu propia infraestructura. No se envían datos del usuario al desarrollador de la aplicación. Todo el sistema es autoalojado, manteniendo la privacidad al mantener las interacciones de voz dentro de tu entorno controlado.

Disponibilidad

El proyecto es de código abierto bajo licencia MIT sin interés comercial. El código fuente está disponible en GitHub para desarrolladores que quieran implementar o modificar el sistema para sus propios bots de OpenClaw.