Speech Recognition Local

---

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  [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 | auto | 语言：zh / en / ja / auto（默认自动检测） |

---

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）