| name | whisper-asr |
| description | 本地 Whisper 语音识别配置。自动将飞书/Telegram 等渠道的语音消息转成文字。
适用于需要离线、低延迟语音转文字的场景。
|
本地 Whisper 语音识别配置 (whisper-asr)
概述
通过 whisper.cpp 在服务器上配置本地语音识别，用于：
- 识别用户发来的语音消息
- 离线运行，无需 API
- 支持中文等多种语言
前置要求
- Linux 服务器（已测试 Ubuntu/Debian）
- ffmpeg 已安装
- ~150MB 磁盘空间（base 模型）
安装步骤
1. 安装 ffmpeg
sudo apt-get update
sudo apt-get install -y ffmpeg
2. 克隆 whisper.cpp
cd /home/brew/.openclaw/workspace
git clone https://github.com/ggml-org/whisper.cpp.git
3. 下载中文模型
cd whisper.cpp
sh ./models/download-ggml-model.sh base
模型选择建议：
| 模型 | 大小 | 内存 | 推荐场景 |
|---|
| tiny | 75 MB | ~273 MB | 快速测试 |
| base | 142 MB | ~388 MB | 平衡推荐 |
| small | 466 MB | ~852 MB | 更高精度 |
4. 编译
cd whisper.cpp
cmake -B build
cmake --build build -j --config Release
使用方式
1. 转换音频格式
飞书语音通常是 ogg 格式，需要转换为 whisper 需要的格式：
ffmpeg -i input.ogg -ar 16000 -ac 1 -c:a pcm_s16le output.wav
2. 语音转文字
./build/bin/whisper-cli \
-m models/ggml-base.bin \
-f output.wav \
--language zh \
--no-timestamps
常用参数：
-m: 模型路径-f: 输入音频文件--language zh: 指定中文--no-timestamps: 不输出时间戳-t 4: 线程数（默认自动）
3. 完整示例（单命令）
ffmpeg -i input.ogg -ar 16000 -ac 1 -c:a pcm_s16le /tmp/audio.wav && \
./build/bin/whisper-cli -m models/ggml-base.bin -f /tmp/audio.wav --language zh --no-timestamps
路径速查
| 项目 | 路径 |
|---|
| whisper.cpp 目录 | /home/brew/.openclaw/workspace/whisper.cpp |
| 可执行文件 | /home/brew/.openclaw/workspace/whisper.cpp/build/bin/whisper-cli |
| 模型目录 | /home/brew/.openclaw/workspace/whisper.cpp/models/ |
| base 模型 | /home/brew/.openclaw/workspace/whisper.cpp/models/ggml-base.bin |
常见问题
Q: 识别结果不准确？
A: 尝试使用更大的模型（small/medium），或在安静环境下录音。
Q: 识别速度慢？
A: 增加线程数：./whisper-cli -t 8 ...
Q: 支持其他语言？
A: 不指定 --language 会自动检测。也可指定 --language en 等。
进阶：量化模型（节省资源）
./build/bin/quantize models/ggml-base.bin models/ggml-base-q5.bin q5_0
./build/bin/whisper-cli -m models/ggml-base-q5.bin -f audio.wav --language zh
本技能参考 whisper.cpp 官方文档
