Local Speech Recognition

基于 faster-whisper 的本地语音转文字 Skill，通过 python3 脚本转录 .ogg/.m4a/.mp3/.wav 音频（不超过 25MB），支持中文/英文/日语及自动语言检测。收到语音消息时由 OpenClaw 自动调用并注入对话，模型首次使用时自动下载，之后离线运行，无需 API key。

zktufo

热度 62.95

最近更新 2026-05-11 17:29:05

分类：效率依赖：代码执行 / 读写文件应用场景：文件转换 / 会议纪要 / 工作流

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add localspeechrecognition

Metadata

name: speech-recognition-local
description: 本地语音转文字 / Local Speech-to-Text. 使用 faster-whisper 在本地运行 Whisper 模型，无需 API 费用，完全免费。收到语音消息(.ogg .m4a .mp3)自动触发转录，支持中文/英文/日语/自动检测。| Free local STT/TTS alternative — runs Whisper on your machine, no API costs, auto-transcribes voice messages in seconds.
metadata: {"clawdbot":{"emoji":"🎙️","os":["linux","darwin","win32"]}}

本地语音识别 / Local Speech Recognition

使用 faster-whisper 在本地运行 Whisper 模型，无需任何 API 费用。免费、离线、保护隐私。 Runs faster-whisper locally — no API keys, no costs, fully offline & private.

功能特点 / Features

🎙️ 全自动转录 — 收到语音消息自动触发，无需手动调用
💰 完全免费 — 无需 API key，无任何费用
🔒 隐私安全 — 所有处理在本地完成，音频不离开你的设备
🌐 多语言支持 — 中文 / 英文 / 日语 / 自动检测
⚡ 快速响应 — VAD 静音过滤，模型内存缓存
📦 主流格式 — .ogg .m4a .mp3 .wav

使用方式 / Usage

收到语音消息后，OpenClaw 自动调用转录脚本并将结果注入对话。

转录命令 / Command:

python3 ~/.openclaw/workspace/skills/speech-recognition-local/scripts/transcribe.py <audio_file> [language]

参数说明 / Parameters:

参数	默认值	说明
`audio_file`	—	音频文件路径 / Audio file path
`language`	`zh`	语言：zh / en / ja / auto

模型说明 / Model Info

默认模型 / Default: base（精度与速度平衡）
首次使用自动下载 / Auto-download on first use
VAD 静音过滤已启用 / VAD filtering enabled
模型缓存在内存中 / Model cached in memory

适用场景 / Use Cases

场景 / Scenario	说明
语音消息转文字	将微信/飞书/Telegram 语音转为可阅读文本
会议记录	录制音频后快速转录存档
播客字幕	将音频文件批量转为文字稿
隐私敏感场景	不希望音频数据上传第三方

限制 / Limitations

支持格式 / Supported: .ogg .m4a .mp3 .wav
文件大小 / Max size: 25MB

安装前提 / Requirements

Python 3.8+
faster-whisper（首次使用自动安装）