OpenClaw Whisper 语音

使用此技能可使本地 Whisper 转录功能依赖于 OpenClaw 网关主机。

在主机上安装

运行：

bash
{baseDir}/scripts/installlocalwhisper.sh

安装程序将：

• - 将 Python 包安装到 ~/.local
• 安装 CPU 兼容的 PyTorch 构建
• 安装 openai-whisper
• 安装 imageio-ffmpeg
• 创建稳定的 ~/.local/bin/whisper 和 ~/.local/bin/ffmpeg 启动器

手动转录文件

当可靠性至关重要时，请使用包装器而非原始 whisper：

bash
{baseDir}/scripts/transcribe.sh /path/to/audio.ogg
{baseDir}/scripts/transcribe.sh /path/to/audio.m4a --model tiny --stdout-only
{baseDir}/scripts/transcribe.sh /path/to/audio.mp3 --task translate --format srt

配置入站 WhatsApp 和 Telegram 语音消息

修改 OpenClaw 配置，使入站音频使用包装器：

json5
{
tools: {
media: {
audio: {
enabled: true,
maxBytes: 20971520,
timeoutSeconds: 120,
models: [
{
type: cli,
command: {baseDir}/scripts/transcribe.sh,
args: [{{MediaPath}}, --model, base, --stdout-only],
timeoutSeconds: 120
}
]
}
}
}
}

模型选择

• - tiny：最快，准确度最低
• base：聊天语音消息的最佳默认选择
• small 或更大：准确度更高，CPU 和内存占用更大

输出规则

• - 对于 tools.media.audio，使用 --stdout-only，使标准输出仅为转录文本。
• 对于独立文件转录，使用 --format txt|srt|vtt|json。
• 首次模型下载将保存到 ~/.cache/whisper。