本地离线语音转文字，隐私零泄露

本地离线将 Telegram 语音消息转录为文字，使用 OpenAI Whisper tiny 模型，无需 API 密钥，自动删除文件保护隐私，4GB 内存即可快速运行。

基本信息

• 技能名称?TG Voice Whisper Transcriber
• 中文名称?本地离线语音转文字，隐私零泄露
• 作者?drones277
• 分类?专业技能
• 版本?1.0.0
• 标签?privacy, offline, telegram, voice-to-text, whisper, open-source, local-ai, automation

使用方法

使用说明
核心用法
tg-voice-whisper 是一个本地离线语音转文字技能，专为处理 Telegram 语音消息设计。当 .ogg Opus 格式语音文件到达指定目录时，自动调用 OpenAI Whisper tiny 模型进行俄语文本转录（支持多语言），并将转录结果以消息形式回复，随后自动删除原始文件与临时文件，实现零残留。
典型工作流：

1. 语音文件进入 /root/.openclaw/media/inbound/
2. 执行 whisper PATH --model tiny --language ru --output_format txt
3. 读取转录文本并通过 message action=send 回复
4. rm PATH /tmp/whisper/* 清理文件
   支持两种自动化模式：子代理轮询（每 5 秒检测新文件）或 cron 定时任务。
   显著优点
   完全离线隐私 ：无需网络连接，不调用任何外部 API，不存储 API 密钥，语音数据不出本机
   零残留机制 ：转录后自动删除原始音频与临时文本文件，杜绝隐私泄露风险
   轻量化部署 ：tiny 模型仅 72MB，首次下载后缓存，后续 1vCPU/4GB 环境下
   零配置成本 ：无需注册账号或管理密钥，安装后即可使用
   多语言支持 ：俄语/英语效果最佳，支持 --language detect 自动检测
   潜在缺点与局限性
   准确率限制 ：tiny 模型俄语识别准确率 85-95%，口音、噪音环境可能下降；追求更高精度需升级 base/small 模型（资源占用增加）
   硬件门槛 ：4GB RAM 为推荐配置，低配环境可能触发交换分区导致延迟
   首次冷启动 ：首次运行需 15 秒下载模型，体验不如已预热服务
   仅支持 Telegram 生态 ：文件路径硬编码于 OpenClaw 架构，迁移成本较高
   无说话人分离 ：无法区分对话多方，连续语音需人工分段
   适合人群
   隐私敏感型用户：记者、律师、医疗从业者等需本地处理敏感语音
   俄语/英语 Telegram 重度用户：日常接收大量语音消息需快速浏览
   离线环境工作者：内网服务器、航空/海上等无稳定网络场景
   技术爱好者：希望自建 AI 工作流，避免云服务依赖
   常规风险
   | 风险类型 | 说明 | 缓解措施 | |---------|------|---------| | 模型偏见 | Whisper 可能对特定口音识别较差 | 重要内容人工复核 | | 文件权限 | 自动删除依赖正确路径配置 | 定期检查 /tmp/whisper 残留 | | 资源竞争 | 并发语音可能耗尽 RAM/CPU | 限制并发数或升级 small 模型时评估负载 | | 转录错误 | 专业术语、人名可能错译 | 关键场景保留原始音频备查 | 总体评估 ：这是一个隐私优先、架构简洁的实用工具，适合作为个人或小团队 Telegram 工作流的语音处理层。对于准确率要求极高的场景，建议结合人工校验或升级模型规格。