用途
whisper-mlx-local 用于在本地 Mac 上为 Telegram、WhatsApp 等渠道的语音消息提供免费的语音转文字能力。它基于 MLX Whisper 在 Apple Silicon 上运行,目标是替代按分钟计费的语音转录 API(如 OpenAI Whisper、Groq、AssemblyAI),从而消除转录成本。
主要能力
- 免费:本地运行,无 API 费用。
- 隐私:音频不会离开本机。
- 速度:单条消息约 1 秒。
- 离线:无需联网即可工作。
- 翻译:支持任意语言转英文(通过 --translate 参数)。
- 接口:守护进程运行在 localhost:8787,提供 /transcribe 接口。
使用方式
- 安装依赖:
pip3 install -r requirements.txt
- 启动守护进程:
python3 scripts/daemon.py
首次运行会下载 Whisper 模型(约 1.5GB),需等待出现 “Ready” 提示。
- 添加到 OpenClaw 配置(~/.openclaw/openclaw.json):
{
"tools": {
"media": {
"audio": {
"enabled": true,
"models": [
{
"type": "cli",
"command": "~/.openclaw/workspace/skills/local-whisper/scripts/transcribe.sh",
"args": ["{{MediaPath}}"],
"timeoutSeconds": 60
}
]
}
}
}
}
- 重启网关:
openclaw gateway restart
完成后,来自 Telegram、WhatsApp 等渠道的语音消息将在本地免费转录。
手动测试:
./scripts/transcribe.sh voice_message.ogg
翻译为英文:
./scripts/transcribe.sh spanish_audio.ogg --translate
API 调用示例:
curl -X POST http://localhost:8787/transcribe -F "file=@audio.ogg"
# {"text": "Hello world", "language": "en"}
登录时自动启动:
cp com.local-whisper.plist ~/Library/LaunchAgents/
launchctl load ~/Library/LaunchAgents/com.local-whisper.plist
适用场景
- 需要大量转录 Telegram 语音消息、希望避免按分钟付费的用户。
- 对隐私敏感、不希望音频上传到云端的场景。
- 需要在离线环境下进行语音转文字的场景。
- 已使用 OpenClaw 并希望替换现有 tools.media.audio 转录配置的用户。
限制与注意事项
- 仅支持 macOS 且需 Apple Silicon(M1/M2/M3/M4)。
- 需要 Python 3.9+。
- 首次运行需下载约 1.5GB 模型,耗时较长。
- 首次转录较慢,模型加载进内存约需 10-30 秒,之后才会即时完成。
- 若已在用 OpenAI API 进行转录,需用上述配置替换现有的 tools.media.audio 配置。
- 许可证:MIT。