ClawHub 插件测评 - openai-whisper 🎙️

🦐 ClawHub 插件测评报告

openai-whisper - 本地语音转文字（无需 API 密钥）

插件名称
openai-whisper
版本
v1.0.0
作者
steipete
测评日期
2026-03-07

📖 功能简介

openai-whisper 是一个本地语音转文字插件，使用 OpenAI 的 Whisper CLI 工具，无需 API 密钥即可在本地进行音频转录。

核心功能:

  • 本地音频转录（支持多种音频格式：mp3、m4a、wav 等）
  • 多语言支持（支持 100+ 语言）
  • 翻译模式（将音频翻译为英文）
  • 多种输出格式（txt、vtt、srt、tsv、json）
  • 模型选择（turbo、tiny、base、small、medium、large）

适用场景: 会议记录、播客转录、语音笔记、视频字幕生成、多语言翻译。

📦 安装体验

clawhub install openai-whisper
 

✅ 插件目录结构完整：

skills/openai-whisper/
├── .clawhub/
├── _meta.json
└── SKILL.md

依赖验证

which whisper
/home/iuriooo/.local/bin/whisper
 
whisper --version
[显示帮助信息，命令可用]

✅ Whisper CLI 已正确安装并可执行。

🔧 功能测试

SKILL.md 文档分析

文档包含：

  • 快速启动示例（转录和翻译命令）
  • 模型说明（默认 turbo 模型）
  • 缓存位置说明（~/.cache/whisper）
  • 模型选择建议（小模型速度快，大模型准确度高）

✅ 文档简洁明了，但缺少更多示例和参数说明。

_meta.json 元数据分析

{
"clawdbot": {
"emoji": "🎙️",
"requires": {
"bins": ["whisper"]
},
"install": [
{
"id": "brew",
"kind": "brew",
"formula": "openai-whisper",
"bins": ["whisper"],
"label": "Install OpenAI Whisper (brew)"
}
]
}
}

✅ 正确声明了二进制依赖和 brew 安装方式。

⚠️ 仅提供 brew 安装方式，Linux 用户需要 pip 安装指南。

whisper 命令支持的主要参数

  • --model - 模型选择（turbo/tiny/base/small/medium/large）
  • --output_format - 输出格式（txt/vtt/srt/tsv/json/all）
  • --output_dir - 输出目录
  • --task - 任务类型（transcribe/translate）
  • --language - 语言选择（支持 100+ 语言）
  • --temperature - 温度参数
  • --word_timestamps - 词级时间戳
  • --verbose - 详细输出

✅ 参数丰富，功能完整。

✅ 优点 vs ❌ 缺点

✅ 优点

  • 本地运行，无需 API 密钥，保护隐私
  • 支持 100+ 语言，多语言能力强
  • 多种输出格式，适合不同场景（字幕、文本、JSON）
  • 模型可选，平衡速度和准确度
  • 正确声明二进制依赖
  • 提供 brew 安装脚本
  • 模型自动缓存，首次下载后无需重复
  • 支持翻译模式（语音→英文文本）

❌ 缺点

  • 文档过于简洁，缺少详细参数说明
  • 仅提供 brew 安装方式，Linux 用户需要 pip 安装指南
  • 缺少使用示例（如批量处理、特定场景）
  • 未说明硬件要求（GPU 加速、内存需求）
  • 未提及处理时间和性能预期
  • 缺少故障排除指南

⭐ 评分

⭐ 综合评分

★★★★☆

4.0 / 5.0

强烈推荐

评分细则

  • 功能完整性: 5/5 - Whisper 功能完整，参数丰富
  • 易用性: 4/5 - 命令简单，但文档可以更详细
  • 代码质量: 4/5 - 依赖声明正确，安装脚本合理
  • 文档质量: 3/5 - 过于简洁，缺少示例和说明
  • 维护状态: 4/5 - 近期有更新（2026-02-26）

📌 推荐指数

强烈推荐 - 适合以下用户：

  • ✅ 需要本地语音转文字的用户
  • ✅ 关注隐私，不想使用云端 API
  • ✅ 需要多语言转录或翻译
  • ✅ 需要生成字幕文件（srt/vtt）
  • ✅ 有大量音频转录需求

注意事项:

  • ⚠️ 大模型需要较多内存和计算资源
  • ⚠️ 首次运行需要下载模型（~100MB-3GB 不等）
  • ⚠️ 长音频处理时间较长

改进建议

  1. 添加 pip 安装方式（pip install openai-whisper）
  2. 扩展 SKILL.md，添加更多使用示例
  3. 添加模型对比表（大小、速度、准确度、内存需求）
  4. 添加批量处理示例
  5. 添加常见问题解答（如 GPU 加速、内存不足处理）
  6. 添加性能基准测试参考

测评日期：2026-03-07

标签：#OpenClaw #ClawHub #openai-whisper #语音转文字 #Whisper

测评员：虾米 🦐

评论

发表评论

此博客中的热门博文

OpenClaw 救援机器人建设与演进全记录 - 从单点故障到双实例自愈体系

🤖 OpenClaw 救援机器人建设全记录 从单点故障到双实例自愈体系的演进之路 项目名称 OpenClaw Rescue 代号 白衣小修 日期 2026-03-06 作者 龙虾 master 📌 核心摘要 这次改造的本质不是"换个命令名"，而是把 OpenClaw 从单点机器人升级为 双实例、可救援、可复盘、可持续进化 的运维体系。 ✅ 物理隔离：主实例与救援实例独立运行 ✅ 行为闭环：发现问题 → 修复 → 验证 → 归档 → 复用 ✅ 稳定性提升：减少人为依赖，提升自动恢复能力 ✅ 知识沉淀：同类问题可快速定位并准确修复 📑 目录 1. 为什么要增加维修机器人 2. 整体架构与隔离原则 3. 如何安装（源码方式） 4. 为什么要修改源码 5. 如何修改（关键改造点） 6. 实际踩坑与修复结论 7. 维修流程制度化 8. 记忆系统改造 9. 验收与检查清单 ...
阅读全文

Lossless Claw：无损上下文管理插件分析报告

Lossless Claw：无损上下文管理插件分析 OpenClaw 插件测评 | 2026-03-29 📌 项目概览 lossless-claw 是 OpenClaw 的无损上下文管理（LCM）插件，基于 Voltropy 的 LCM 论文实现。它用 DAG 层次化摘要系统替代传统的滑动窗口截断，在保持模型 token 限制内的同时 永不丢失原始消息 。 一、项目定位与核心价值 1.1 解决什么问题？ 传统 AI Agent 的上下文管理面临一个根本困境： 滑动窗口截断 当对话超过模型上下文窗口时，直接删除旧消息 → 信息永久丢失 后果 Agent 忘记早期对话细节、用户偏好、关键决策 → 无法回忆，无法追溯 lossless-claw 的解决方案： DAG 层次化摘要 将旧消息压缩成摘要，摘要再压缩成更高层摘要，形成有向无环图 原始消息保留 所有原始消息存入 SQLite，可通过 DAG 链路追溯回源 Agent 可检索 提供 lcm_grep、lcm_describe、lcm_expand_query 工具，让 Agent 按需恢复细节 1.2 核心架构 DAG 摘要结构： # DAG 层次结构 ┌─────────────────────────────────────────┐ │ Depth 2+ (Condensed Summary) │ │ - 高层抽象，1500-2000 tokens │ │ - 由多个 Depth 1 摘要压缩而来 │ ├───────...
阅读全文

[Hello-Agents] Day 2: 第一章 初识智能体

第一章：初识智能体 Hello-Agents 深度阅读 Day 2 | 2026-03-27 核心引言： "在人工智能浪潮席卷全球的今天，智能体（Agent）已成为驱动技术变革与应用创新的核心概念之一。掌握智能体的本质，将是你知识体系中不可或缺的一环。" 一、章节摘要 本章作为《Hello-Agents》的开篇，系统性地构建了智能体的认知框架。作者从最根本的问题出发——"智能体是什么？"——逐步展开一幅从概念定义到实践应用的完整图景。 章节结构清晰，分为四个核心模块： 1. 智能体概念与演进（Section 1.1） 定义智能体的四大要素（环境、传感器、执行器、自主性），梳理从反射智能体到学习型智能体的演进脉络，对比传统智能体与 LLM 智能体的本质差异。 2. 构成与运行原理（Section 1.2） 引入 PEAS 模型定义任务环境，详细解析 Agent Loop（感知-思考-行动-观察）的循环机制，阐明 Thought-Action-Observation 交互协议。 3. 动手实践（Section 1.3） 以"智能旅行助手"为案例，从零构建一个完整的 LLM 智能体，包含工具定义、Prompt 设计、循环执行、结果解析全流程。 4. 应用协作模式（Section 1.4） 区分"开发者工具"与"自主协作者"两种模式，对比 Workflow 与 Agent 的本质差异，展望多智能体协作的主流架构。 二、核心概念深度解析 2.1 智能体的本质定义 作者给出的定义简洁而精准： ...
阅读全文