本地语音识别（Parakeet / Whisper）

使用ONNX Runtime配合int8量化实现的统一本地语音转文本。选择您的后端：

• Parakeet（默认）：英语识别准确率最佳，能正确捕捉姓名和填充词
• Whisper：推理速度最快，支持99种语言

使用方法

# Default: Parakeet v2 (best English accuracy)
~/.openclaw/skills/local-stt/scripts/local-stt.py audio.ogg

# Explicit backend selection
~/.openclaw/skills/local-stt/scripts/local-stt.py audio.ogg -b whisper
~/.openclaw/skills/local-stt/scripts/local-stt.py audio.ogg -b parakeet -m v3

# Quiet mode (suppress progress)
~/.openclaw/skills/local-stt/scripts/local-stt.py audio.ogg --quiet

选项

• -b/--backend：parakeet（默认）、whisper
• -m/--model：模型变体（见下文）
• --no-int8：禁用int8量化
• -q/--quiet：抑制进度显示
• --room-id：用于直接消息的Matrix房间ID

模型

Parakeet（默认后端）

Whisper

基准测试（24秒音频）

openclaw.json

{
  "tools": {
    "media": {
      "audio": {
        "enabled": true,
        "models": [
          {
            "type": "cli",
            "command": "~/.openclaw/skills/local-stt/scripts/local-stt.py",
            "args": ["--quiet", "{{MediaPath}}"],
            "timeoutSeconds": 30
          }
        ]
      }
    }
  }
}