🎤 语音转文字配置指南

使用 SiliconFlow（硅基流动）API 实现语音消息自动转写

概述

通过 SiliconFlow 的语音转文字 API，让 Agent 能听懂语音消息。API 兼容 OpenAI Whisper 接口格式，国内访问稳定，延迟低。

前置条件

SiliconFlow 账号 — 注册地址：https://cloud.siliconflow.cn
API Key — 在账号设置 > API Keys 获取

配置步骤

1. 设置环境变量

# 写入 ~/.bashrc 持久化
echo 'export SILICONFLOW_API_KEY="sk-your-api-key-here"' >> ~/.bashrc
source ~/.bashrc

2. 安装 Skill

cd ~/.openclaw/workspace
openclaw skills install openai-whisper-api

3. 修改转写脚本

默认脚本指向 OpenAI，需要改为 SiliconFlow。编辑 skills/openai-whisper-api/scripts/transcribe.sh，修改三处：

默认模型（约第 22 行）：

# 改前
model="whisper-1"
# 改后
model="${WHISPER_MODEL:-FunAudioLLM/SenseVoiceSmall}"

API Key 和 Base URL（约第 55 行）：

# 改前
if [[ "${OPENAI_API_KEY:-}" == "" ]]; then
  echo "Missing OPENAI_API_KEY" >&2
  exit 1
fi

# 改后
API_KEY="${SILICONFLOW_API_KEY:-${OPENAI_API_KEY:-}}"
API_BASE="${WHISPER_API_BASE:-https://api.siliconflow.cn/v1}"

if [[ "${API_KEY:-}" == "" ]]; then
  echo "Missing SILICONFLOW_API_KEY or OPENAI_API_KEY" >&2
  exit 1
fi

curl 请求地址（约第 70 行）：

# 改前
curl -sS https://api.openai.com/v1/audio/transcriptions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \

# 改后
curl -sS "${API_BASE}/audio/transcriptions" \
  -H "Authorization: Bearer $API_KEY" \

4. 测试

export SILICONFLOW_API_KEY="sk-your-key"
bash ~/.openclaw/workspace/skills/openai-whisper-api/scripts/transcribe.sh \
  /path/to/audio.ogg --out /tmp/test.txt

cat /tmp/test.txt
# 输出类似: {"text":"这是转写后的文字内容"}

支持的音频格式

格式	扩展名	说明
Opus	`.ogg`	飞书/Telegram 语音消息默认格式
MP3	`.mp3`	通用音频
M4A	`.m4a`	iPhone 录音
WAV	`.wav`	无压缩音频
FLAC	`.flac`	无损压缩

可用模型

模型	说明	推荐场景
`FunAudioLLM/SenseVoiceSmall`	默认，中文效果好，速度快	日常语音消息
`whisper-1`	OpenAI Whisper 兼容	多语言混合

切换模型：

export WHISPER_MODEL="whisper-1"

环境变量参考

变量	说明	默认值
`SILICONFLOW_API_KEY`	SiliconFlow API Key	(必填)
`WHISPER_MODEL`	转写模型	`FunAudioLLM/SenseVoiceSmall`
`WHISPER_API_BASE`	API 地址	`https://api.siliconflow.cn/v1`

费用

SiliconFlow 语音转文字按时长计费，具体价格见官方定价页。日常语音消息（几秒到几十秒）费用极低。

注意事项

!!! warning "安全提醒" - API Key 只存在环境变量中，不要写入代码或提交到 Git - 每台 VM 使用独立的环境变量配置 - 如需多台机器共享，各自配置各自的 ~/.bashrc

!!! tip "适用于所有小队" 此方案对 KUMA 和 NEKO 小队通用。只需在各自 VM 上配置环境变量和安装 skill 即可。

:material-microphone:{ .middle } 让 Agent 听懂你的声音

3.4 KiB Raw Blame History