SuperAPI AI 工具集

local-whisper

通用与其它

查看项目

更新于 11-05 09:45

技能介绍

用途

local-whisper 用于在本机完成语音转写,底层使用 OpenAI Whisper。其核心特点是音频不会离开本机,强调隐私保护;转写支持 97 种以上语言。

主要能力

  • 本地语音转写:通过 Node.js 脚本 transcribe.js 调用本地 Whisper 处理音频文件。
  • 多语言支持:可自动识别语言,也可通过 --language 指定语言代码。
  • 模型选择:提供 tiny、base、small、medium、large 五种模型规格,默认使用 small。
  • 智能模型选择:--smart-model 可根据文件大小自动选择模型。
  • 依赖检查:--check 用于验证依赖是否就绪。

使用方式

安装依赖:

pip install openai-whisper

转写音频:

node transcribe.js voice.ogg

命令行选项:

  • --model <tiny|base|small|medium|large>:模型大小,默认 small。
  • --language <lang>:语言代码,默认 auto。
  • --output-dir <dir>:输出目录。
  • --smart-model:按文件大小自动选择模型。
  • --check:验证依赖。

模型规格资料给出了大小、速度与内存占用:tiny 39 MB、速度最快、约 1GB 内存;base 74 MB、更快、约 1GB 内存;small 244 MB、中等、约 2GB 内存;medium 769 MB、较慢、约 5GB 内存;large 1550 MB、最慢、约 10GB 内存。

OpenClaw 配置要求

资料特别提示:该技能必须在 OpenClaw 的 tools.media.audio 中配置,才能处理收到的语音消息。若未配置,语音消息可能导致 token 溢出错误,或被发送到云端 API。需在 ~/.openclaw/openclaw.json 中加入音频处理配置,将命令指向该技能的 transcribe.js,并把 <skill-path> 替换为已检出技能仓库的实际路径;若使用镜像安装的 OpenClaw,则使用 ~/.openclaw/skills/local-whisper。

适用场景

适合希望在本机完成语音转写、关注音频隐私、需要多语言转写,或在 OpenClaw 中处理语音消息的场景。

限制

资料未提供转写准确率、支持音频格式的完整清单、处理时长、并发能力及与其他模型的具体效果对比。模型规格仅提供文件大小、速度和内存占用信息,其余性能细节暂未提供。