Local Whisper STT:本地跑 Whisper 的语音转写 Skill

前言

把一段音频变成文字,常见做法是调用云端转写 API:要么按小时计费,要么要先把音频传到第三方服务器。音频里可能是内部会议、客户访谈或口述草稿,上传这一步本身就构成合规和成本门槛。Local Whisper STT 的思路相反:把 OpenAI Whisper 模型下载到本地,之后完全离线运行,转写过程不出本机。

下面介绍这个 Skill:它是什么、能做什么、怎么安装启用,以及在什么场景下用它更合适。

这是什么

Local Whisper STT 是一个基于通用 SKILL.md 格式的 Agent Skill,功能单一明确:调用 OpenAI Whisper 做语音转文本(speech-to-text)。模型下载完成后全程离线,不依赖云端接口,也不要求 API Key。

出品方信息如下,来自抓取到的 SkillHub 页面:

  • 坐标:@org-eyw2ohcx/sundial-org-awesome-openclaw-skills-local-whisper
  • 版本:1.0.0
  • 发布者:RealQ
  • 来源:enterprise
  • 分类:design-media
  • 标签:requires_api_key=false

它解决的是”转写要在本地完成”这一类需求:离线环境、内网机器、涉密音频,或者不想为短音频反复付费的场景。

核心功能

只列资料中已核实的能力:

  1. 本地语音转文本,底层是 OpenAI Whisper。
  2. 模型下载后完全离线运行。
  3. 支持多种模型规格,可在转写质量与资源占用之间取舍。
  4. 不需要 API Key。

需要说明的是,资料里只提到”multiple model sizes”,没有列出具体可选的模型名,也没有给出各规格对应的硬件要求。这部分要在实际使用时到官方页面或 Whisper 上游仓库确认。

安装与启用

抓取到的资料里没有提供安装命令、目录约定或配置字段,因此本节不写未经核实的命令。下面这几步是当前能确认的信息:

  1. 通过官方地址获取 Skill:https://api.skillhub.cn/org-eyw2ohcx/sundial-org-awesome-openclaw-skills-local-whisper
  2. Skill 页面地址:https://www.skillhub.cn/skills/org-eyw2ohcx/sundial-org-awesome-openclaw-skills-local-whisper
  3. 安装与启用方式以官方页面说明为准。通用 SKILL.md 格式的 Skill 通常放到对应 Agent 的 skills 目录后即可被识别,具体路径取决于你用的是 Cursor、Codex CLI 还是 Claude Code。这一点资料中未写明,不展开。

另外,因为是本地模型,首次使用前需要准备好 Whisper 的运行环境和模型文件。资料中未给出安装命令,下面这段是 Whisper 上游的通用做法,属于补充信息,使用前请自行核实版本与依赖:

pip install openai-whisper

Whisper 依赖 ffmpeg 来解码音频,这也是通用要求,同样不在本次抓取的资料范围内。

典型用法

资料中的简介只说明了能力范围,没有给出可复现的调用示例、参数或输出格式。因此这里不编造命令。

从能力描述推断,典型调用形态应当是:把一个音频文件交给 Skill,由它选择合适规格的 Whisper 模型,在本地完成解码与转写,返回文本结果。具体调用方式需在安装后按官方文档确认。

适用场景与注意

适合的场景:

  • 内网或无外网机器上的批量转写。
  • 不希望音频离开本机的会议记录、访谈整理。
  • 短音频、偶发转写,用云端 API 不划算。
  • 需要对比不同模型规格在特定口音、专业术语上的表现。

需要注意的地方:

  1. 模型规格越大,音质与准确度通常越好,但显存和耗时也越高。资料未给出对应关系,需要自行测试。
  2. 离线运行的前提是模型文件已经下载完成,首次下载要走网络。
  3. 转写质量受音频清晰度、语速、口音影响,本地模型不会比同规格 Whisper 更强。
  4. Skill 分类是 design-media,评分与下载量数据见下方说明。

关于热度数据需要提示一处冲突:抓取到的页面显示评分 100000、下载 1881、安装 0;而任务给出的线索是评分 99136、下载 1836。两者不一致,正文以抓取到的页面为准,并在此标注差异,不做取舍判断。

结尾

Local Whisper STT 的价值在于把转写这件事收回本地:模型下载一次,之后离线可用,不需要 API Key,也不需要按调用次数付费。如果你的需求是内网批量转写或对音频外发有顾虑,值得试;如果是高频、超大并发的云端场景,它未必合适。

官方地址:https://api.skillhub.cn/org-eyw2ohcx/sundial-org-awesome-openclaw-skills-local-whisper

羽毛球分组比赛记分
小程序二维码

欢迎使用《羽毛球分组比赛记分》微信小程序

Xiaoye