一個高效能的 OpenClaw 在地語音轉文字引擎，使用 whisper.cpp 進行私密、離線的轉錄。
安裝與下載
1. ClawHub CLI
從來源直接安裝技能的最快方式。
npx clawhub@latest install whisper-cpp
2. 手動安裝
將技能資料夾複製到以下位置之一
~/.openclaw/skills/ <project>/skills/ 優先級：工作區 > 本地 > 內建
3. 提示詞安裝
將此提示詞複製到 OpenClaw 即可自動安裝。
請幫我使用 Clawhub 安裝 whisper-cpp。如果尚未安裝 Clawhub，請先安裝（npm i -g clawhub）。
想要直接下載？
取得包含原生技能檔案的ZIP壓縮檔。
什麼是 whisper-cpp？
whisper-cpp 技能為您的 AI 代理環境帶來了高效能的在地語音轉文字能力。透過整合優化的 whisper.cpp 引擎，此技能允許在不向外部供應商發送數據或產生 API 費用的情況下轉錄語音便籤和音訊檔案。對於那些需要直接在自己的硬體上處理入站音訊數據、構建隱私優先的 Openclaw Skills 用戶來說，這是一個必不可少的組件。
該技能在處理 Telegram 語音便籤方面特別有效，它利用 ffmpeg 進行無縫格式轉換，並利用 whisper.cpp 進行高效推理。由於它支援各種 ggml 模型尺寸，用戶可以根據其特定的伺服器或桌面配置平衡速度和準確性，使其成為媒體處理中最通用的 Openclaw Skills 之一。
whisper-cpp 應用場景
- 私密地轉錄 Telegram 入站語音便籤，無第三方 API 洩漏風險。
- 在物理隔離或離線環境中執行語音轉文字工作流。
- 透過消除按分鐘計費的轉錄費用，降低高流量音訊處理的成本。
- 為在地自動化腳本實現自定義語音控制觸發器。
whisper-cpp 運作原理
- 安裝過程會在您的機器上在地編譯 whisper.cpp 二進制文件，以確保硬體優化。
- 下載用戶選定的 ggml 模型並存儲在在地快取目錄中以便持久使用。
- 安裝專用包裝腳本，作為 OpenClaw 與 whisper 引擎之間的橋梁。
- 該技能會修補 OpenClaw 配置，將在地 STT 工具註冊為主要音訊處理器。
- 接收到音訊檔案時，它會被轉換為相容的 WAV 格式，並由引擎處理後將文字返回給 AI 代理。
whisper-cpp 設定指南
要安裝 whisper-cpp 技能，請確保已安裝構建工具、curl 和 ffmpeg，然後在技能目錄中執行以下命令：
bash scripts/install_whisper_cpp.sh
bash scripts/download_models.sh
bash scripts/install_wrapper.sh
bash scripts/patch_openclaw_audio.sh
您可以透過傳遞參數來自定義下載的模型：
bash scripts/download_models.sh tiny base small
whisper-cpp 資料結構與分類體系
該技能使用以下結構管理其資產和配置：
| 組件 | 路徑 | 描述 |
|---|---|---|
| 模型 | ~/.cache/whisper |
存儲 ggml 模型文件（如 base, small, large-v3） |
| 二進制文件 | ~/.local/bin/ |
包含 openclaw-whisper-stt 可執行文件和 whisper-cli |
| 配置 | OpenClaw | 透過 tools.media.audio 配置鍵整合 |
| 包裝器 | bin/ |
OpenClaw 包裝腳本的源碼 |
whisper-cpp 進階特性
- 支援全系列 ggml 模型，包括用於專業級準確度的 large-v3。
- 環境變數支援，可使用
OPENCLAW_WHISPER_LANG強制指定特定語言。 - 能夠透過
OPENCLAW_WHISPER_MODEL變數動態切換模型。 - 針對 Telegram 整合優化的自動 OGG/Opus 轉 WAV 轉換管道。
- 內建用於檢查路徑解析和配置狀態的故障排除工具。
SKILL.md
加載中
Openclaw 相關技能
METADATA
精選*
