每天一个好用的 OpenClaw Skill：免费语音转文字，无需 API 本地运行

你是否遇到过这些场景？

• • 🎙️ 会议录音转文字 — 2 小时会议，手动转录太费时
• • 📹 视频字幕制作 — 想给视频加字幕，但不想花钱请人
• • 🎧 播客内容整理 — 想把音频变成文章，手动整理太累
• • 📝 采访录音整理 — 记者采访、用户访谈，转录工作量大
• • 🔒 隐私敏感内容 — 不想上传到云端，担心数据泄露

openai-whisper 就是你的本地语音转文字神器！

什么是 openai-whisper？

OpenAI Whisper 是 OpenAI 开源的自动语音识别（ASR）模型，特点是：

安装方法

方法一：使用 Homebrew（macOS 推荐）

brew install openai-whisper

方法二：使用 pip（Python 环境）

pip install openai-whisper

方法三：通过 OpenClaw Skill 安装

skillhub install openai-whisper

验证安装

whisper --help

快速上手

最简单的用法

whisper audio.mp3

这会在当前目录生成：

• • audio.txt — 纯文本转录
• • audio.srt — SRT 字幕文件
• • audio.vtt — VTT 字幕文件
• • audio.json — JSON 格式（带时间戳）

指定输出格式

# 只要纯文本
whisper audio.mp3 --output_format txt

# 只要字幕文件
whisper audio.mp3 --output_format srt

# 输出到指定目录
whisper audio.mp3 --output_dir ./transcripts

模型选择

Whisper 提供多种模型，按大小和准确率排序：

推荐：

• • 日常使用：turbo（速度与准确率平衡）
• • 快速转录：base 或 small
• • 最高准确率：large

# 使用 turbo 模型（默认）
whisper audio.mp3 --model turbo

# 使用 small 模型（更快）
whisper audio.mp3 --model small

# 使用 large 模型（最准确）
whisper audio.mp3 --model large

支持的音频格式

Whisper 支持几乎所有常见音频/视频格式：

实用参数详解

–language：指定语言

# 指定中文（提升准确率和速度）
whisper audio.mp3 --language Chinese

# 指定英文
whisper audio.mp3 --language English

# 指定日语
whisper audio.mp3 --language Japanese

支持的语言： Chinese, English, Japanese, Korean, French, German, Spanish, Russian, Arabic 等 99 种语言。

–task：转录或翻译

# 转录（语音 → 文字，保持原语言）
whisper audio.mp3 --task transcribe

# 翻译（语音 → 英文文字）
whisper audio.mp3 --task translate

–output_format：输出格式

–initial_prompt：初始提示

# 提供专业术语，提升准确率
whisper audio.mp3 --initial_prompt "以下是技术会议录音，涉及人工智能、机器学习、深度学习等内容"

–temperature：采样温度

# 更确定性的输出（适合正式内容）
whisper audio.mp3 --temperature 0

# 更多样性的输出（适合创意内容）
whisper audio.mp3 --temperature 0.5

实际应用场景

场景 1：会议录音转文字

# 快速转录会议录音
whisper meeting_20240312.m4a --model turbo --language Chinese

# 输出示例：
# [00:00:00] 大家好，今天我们讨论一下 Q1 的销售情况...
# [00:05:30] 关于产品路线图，我这边有几个建议...
# [00:15:00] 最后总结一下今天的行动项...

场景 2：视频字幕制作

# 生成 SRT 字幕文件
whisper video.mp4 --model medium --output_format srt --language Chinese

# 直接导入视频编辑软件使用

场景 3：播客转文章

# 转录播客内容
whisper podcast_ep50.mp3 --model turbo --output_format txt

# 然后用 AI 工具整理成文章

场景 4：批量处理音频

# 批量转录目录下所有音频
for f in *.m4a; do
  whisper "$f" --model turbo --output_dir ./transcripts
done

场景 5：外语视频翻译

# 日语视频翻译成英文
whisper japanese_video.mp4 --task translate --language Japanese

# 输出英文文字

在 OpenClaw 中使用

通过对话触发

用户：帮我转录这个音频文件 /path/to/meeting.mp3
AI：[调用 openai-whisper skill，生成转录文本]

用户：把这个视频转成字幕
AI：[调用 openai-whisper skill，生成 SRT 字幕]

指定语言和模型

用户：用 large 模型转录这个中文音频 /path/to/audio.mp3
AI：[使用 large 模型转录]

与 API 版本对比

高级技巧

1. 使用 GPU 加速

# 安装 CUDA 版本的 PyTorch
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

# 自动使用 GPU
whisper audio.mp3 --model large

2. 合并分段字幕

# 设置最小分段长度
whisper audio.mp3 --word_timestamps True

3. 处理长音频

# Whisper 自动分段处理长音频，无需额外操作
whisper long_podcast.mp3 --model turbo

4. 指定设备

# 强制使用 CPU
whisper audio.mp3 --device cpu

# 使用指定 GPU
whisper audio.mp3 --device cuda:0

常见问题

Q: 第一次运行很慢？

A: 首次使用会自动下载模型（tiny 150MB, large 3GB），下载后就会很快。

Q: 中文识别准确吗？

A: 非常准确！建议使用 --language Chinese 参数提升效果。

Q: 支持方言吗？

A: 支持多种中文方言，包括粤语、四川话等。

Q: 可以处理背景噪音吗？

A: Whisper 有一定抗噪能力，但背景噪音大时建议先用音频处理工具降噪。

Q: 显存不够怎么办？

A: 使用更小的模型（tiny/base），或强制使用 CPU（--device cpu）。

总结

一句话总结：免费、隐私安全、离线可用的语音转文字神器。

下期预告

下期 Skill：github — GitHub 自动化，开发者必备神器