本地离线语音转文字，无需 API Key

OpenAI Whisper 是 OpenClaw 的本地语音转文字 Skills 技能，Whisper CLI 驱动，完全本地运行无需 API Key，支持多语言实时转录。

核心功能

• 本地离线运行：无需上传云端，完全隐私
• 多语言支持：支持中文、英文等 100+ 语言
• 高准确率：Whisper large-v3 模型，业界领先准确率
• 音频格式广：支持 mp3/wav/m4a/ogg 等主流格式
• 批量转录：支持一次性转录多个音频文件

应用场景

• 会议记录：将会议录音快速转录为文字稿
• 播客字幕：自动为音频/视频生成字幕
• 采访整理：将采访录音转写为可编辑文字
• 语言学习：听写练习和语音评估

安装方法

OpenClaw 支持多种渠道安装 Skills，以下五种方法均可完成安装：

方法一：OpenClaw CLI（推荐）

openclaw skills install openai-whisper

方法二：ClawHub 官网

1. 访问 ClawHub 并登录 GitHub 账号
2. 搜索「openai-whisper」进入技能详情页
3. 点击「Install」按钮，按提示完成安装

方法三：国内镜像站（推荐国内用户）

openclaw skills install openai-whisper --mirror https://cn.clawhub-mirror.com

或访问镜像站直接安装：cn.clawhub-mirror.com

方法四：skills.sh

openclaw skills install openai-whisper --source skills.sh

或访问 skills.sh 搜索技能名称在线安装。

方法五：GitHub 直接安装

部分技能支持通过 GitHub 仓库直接安装：

openclaw skills install https://github.com/<author>/openai-whisper

搭配推荐

推荐搭配 Skills：

• 小龙虾 Self-Improving Agent

适合人群与行业

• 记者
• 研究员
• 内容创作者
• 学生

应用示例

某记者使用后： 每次采访后直接转录录音，整理时间从 2 小时缩短至 20 分钟，无需上传至第三方服务器。

记者：某记者用 Whisper Skill 每次采访后直接转录录音，整理时间从 2 小时缩短至 20 分钟

⭐⭐⭐⭐⭐ 本地运行完全免费，隐私有保障，转录质量也很高 — 知乎用户

⭐⭐⭐⭐ 会议记录神器，记者必备 — CSDN 用户

常见问题（FAQ）

1. 需要 GPU 吗？ 推荐 NVIDIA GPU（至少 4GB 显存），CPU 运行速度较慢。

2. 支持哪些音频格式？ 支持 mp3、wav、m4a、ogg 等主流格式。

3. 可以区分说话人吗？ Whisper 本身不区分说话人，需配合 pyannote 等工具实现。

缺点与局限性

• 本地算力要求高：需要较强 GPU/CPU 才能流畅运行
• 首次加载慢：large 模型首次加载耗时较长
• 转录速度依赖硬件：长音频转录需要等待
• 无法区分说话人：需要配合说话人分离工具使用

总结

建议指数： 79/100

本地离线语音转文字，隐私安全是最大亮点。不区分说话人是主要限制，建议配合 speaker-diarization 工具使用。