Mac 本地语音转文字，永久免费

Apple Silicon 本地运行 MLX Whisper 语音转文字，零成本、全隐私保护，无需 API 密钥，支持 Telegram/WhatsApp 语音消息转录。

基本信息

• 技能名称?Local Whisper
• 中文名称?Mac 本地语音转文字，永久免费
• 作者?impkind
• 分类?专业技能
• 版本?1.5.0
• 标签?speech-to-text, whisper, mlx, privacy, offline, apple-silicon, telegram, whatsapp, local-ai, free

使用方法

使用说明
核心用法
Local Whisper 是一款基于 Apple MLX 框架的本地语音识别技能，专为 OpenClaw 生态设计。核心功能是将 Telegram、WhatsApp 等应用的语音消息免费转录为文字，替代付费的云端 API 服务。
使用流程 ：

1. 通过 pip3 install 安装依赖（whisper-mlx 等）
2. 启动守护进程 python3 scripts/daemon.py ，首次运行自动下载约 1.5GB 的 Whisper 模型
3. 在 OpenClaw 配置中将 tools.media.audio 指向本地转录脚本
4. 重启网关后，所有语音消息自动本地处理
   守护进程提供 HTTP API（ localhost:8787/transcribe ），支持标准音频格式，可选 --translate 参数实现任意语言→英语翻译。
   显著优点
   零成本 ：彻底消除按分钟计费的 API 支出，高频使用者收益显著
   隐私优先 ：音频数据永不离开本机，满足敏感场景需求
   离线可用 ：无需网络连接，纯本地推理
   Apple Silicon 优化 ：基于 MLX 框架，M1/M2/M3/M4 芯片上推理速度快（约 1 秒/条消息）
   生态整合 ：与 OpenClaw 工具链深度集成，配置即插即用
   潜在缺点与局限性
   硬件锁死 ：仅支持 Apple Silicon（arm64），Intel Mac 完全无法运行
   首次成本 ：1.5GB 模型下载 + 10-30 秒冷启动时间，对磁盘空间和耐心有要求
   维护负担 ：需手动管理 Python 环境、依赖版本，守护进程需自行配置开机自启（提供 LaunchAgent 模板）
   功能边界 ：仅提供基础转录/翻译，无说话人分离、时间戳、置信度等高级功能
   模型固定 ：未暴露模型选择接口，无法切换 large-v3 等不同规格模型
   适合人群
   高频接收语音消息的 Telegram/WhatsApp 重度用户
   对隐私敏感、拒绝云端处理的个人/小型团队
   已拥有 Apple Silicon Mac 且愿意承担技术维护成本的开发者
   网络环境不稳定、需要离线工作能力的场景
   常规风险
   配置错误风险 ：JSON 配置语法错误可能导致 OpenClaw 网关启动失败
   资源占用 ：常驻守护进程约占用 1.5GB+ 内存，对 8GB 内存机型压力明显
   模型失效 ：MLX Whisper 版本更新可能引入 breaking change，需跟踪上游兼容性
   无服务监控 ：守护进程崩溃无自动恢复机制，需依赖 launchd 或手动检查
   安全盲区 ：本报告为系统占位生成，未执行实际代码审计，依赖社区信任