OctoASR × OpenClaw 本地语音转写集成指南

在 Apple Silicon Mac 上，用 OctoASR 为 OpenClaw 提供完全离线、零成本的语音转文字能力。无需任何云端 API Key。

概述

环境要求

• 硬件: Apple Silicon Mac（M1/M2/M3/M4 系列）
• 系统: macOS Monterey (12.0) 或更高
• 软件:
  • Homebrew 已安装
  • OpenClaw 已安装且 Gateway 正在运行
  • ffmpeg （OctoASR 依赖，brew 会自动安装）

验证 OpenClaw 状态：

openclaw status

确认 Gateway 显示 running。

安装步骤

1. 添加 Tap 并安装 OctoASR

brew tap Mininglamp-AI/tap
brew install octoasr

验证安装成功：

octoasr --version
# 输出: octoasr <当前版本>

2. 环境检查

octoasr doctor

正常输出示例：

  Environment Check
  ───────────────────────────────────
  ✓ Python 3.13.x
  ✓ ffmpeg 7.x
  ✓ ffprobe (installed)
  ✓ MLX unknown
  ✓ Config file exists
  ✓ ASR model: OctoASR-0.8B-Instruct-1.0-MLX-8bit
  ───────────────────────────────────

3. 首次启动（自动下载模型）

octoasr start

⏳ 首次启动会自动下载 ASR 模型（约 1 GB），请确保网络通畅。 模型存储路径：~/.octoasr/models/

等待启动完成后确认状态：

octoasr status

  OctoASR Service Status
  ───────────────────────────────────
  Status: running
  PID: xxxxx
  Port: 8787
  Uptime: 0h 1m
  ───────────────────────────────────
  Engine: qwen3-asr (Qwen3-ASR)
  ASR Model: OctoASR-0.8B-Instruct-1.0-MLX-8bit
  ───────────────────────────────────

4. 验证转写能力（可选）

用任意音频文件测试：

octoasr transcribe --format text /path/to/test.wav
# 输出转写文本

配置 OpenClaw

编辑配置文件

打开 ~/.openclaw/openclaw.json（或 openclaw.json5），找到 "tools" 字段，添加 media.audio 配置块：

最简配置（推荐）

{
  "tools": {
    "media": {
      "audio": {
        "enabled": true,
        "models": [
          {
            "type": "cli",
            "command": "octoasr",
            "args": ["transcribe", "--format", "text", "{{MediaPath}}"],
            "timeoutSeconds": 120
          }
        ]
      }
    }
  }
}

带热词和转写回显的完整配置

{
  "tools": {
    "media": {
      "audio": {
        "enabled": true,
        "maxBytes": 31457280,
        "echoTranscript": true,
        "echoFormat": "📝 \"{transcript}\"",
        "models": [
          {
            "type": "cli",
            "command": "octoasr",
            "args": [
              "transcribe",
              "--format", "text",
              "--hotwords", "OpenClaw,octoasr,MLX",
              "{{MediaPath}}"
            ],
            "timeoutSeconds": 120
          }
        ]
      }
    }
  }
}

混合配置（本地优先 + 云端兜底）

如果你同时配置了云端 provider（如 OpenAI），可以让 OctoASR 优先，失败时回退到云端：

{
  "tools": {
    "media": {
      "audio": {
        "enabled": true,
        "models": [
          {
            "type": "cli",
            "command": "octoasr",
            "args": ["transcribe", "--format", "text", "{{MediaPath}}"],
            "timeoutSeconds": 120
          },
          {
            "provider": "openai",
            "model": "gpt-4o-mini-transcribe"
          }
        ]
      }
    }
  }
}

OpenClaw 按顺序尝试 models 数组中的条目，第一个成功的就返回结果。

配置字段说明

重启 & 验证

重启 OpenClaw Gateway

openclaw gateway restart

确认配置已加载

openclaw config get tools.media.audio

发送语音测试

通过任意已接入的渠道（企业微信、Telegram、WebChat 等）给 OpenClaw 发送一条语音消息。如果一切正常，AI 助手会基于转写后的文字内容进行回复。

工作原理

┌─────────────┐    ┌──────────────┐    ┌───────────────────┐    ┌──────────────┐
│  用户发送   │    │   OpenClaw   │    │    OctoASR       │    │   AI 模型    │
│  语音消息   │───▶│  接收音频文件 │───▶│  本地 MLX 转写    │───▶│   处理文本   │
└─────────────┘    └──────────────┘    └───────────────────┘    └──────────────┘
                                                │
                                                ▼
                                         纯文本 transcript
                                        注入 {{Transcript}}

详细流程：

1. 用户通过渠道发送语音/音频消息
2. OpenClaw Gateway 接收并下载音频文件到本地临时目录
3. 检查文件大小是否超过 maxBytes 限制
4. 按 models 数组顺序调用第一个可用的转写引擎
5. 执行 octoasr transcribe --format text <音频路径>
6. OctoASR 在本地通过 MLX 完成推理，输出纯文本到 stdout
7. OpenClaw 捕获输出，设置 {{Transcript}} 模板变量
8. 将转写文本作为消息内容传递给 AI 模型处理
9. AI 模型基于文字内容生成回复

模型管理

查看可用模型

octoasr model list

  Available Models
  ───────────────────────────────────
  Engine: qwen3-asr

  ASR Models:
    * OctoASR-0.8B-Instruct-1.0-MLX-8bit (active)
      Fun-ASR-Nano-2512-8bit
  ───────────────────────────────────

切换模型

octoasr model use Fun-ASR-Nano-2512-8bit
octoasr restart

查看当前配置

octoasr config show

服务管理

注意： OpenClaw 使用的是 CLI 模式 (octoasr transcribe)。即使后台服务未运行，CLI 也能工作（会临时加载模型）。但保持服务运行可以显著加速转写，因为模型已预加载在内存中。

高级配置

仅在私聊中启用（群聊禁用）

{
  "tools": {
    "media": {
      "audio": {
        "enabled": true,
        "scope": {
          "default": "allow",
          "rules": [
            { "action": "deny", "match": { "chatType": "group" } }
          ]
        },
        "models": [
          {
            "type": "cli",
            "command": "octoasr",
            "args": ["transcribe", "--format", "text", "{{MediaPath}}"],
            "timeoutSeconds": 120
          }
        ]
      }
    }
  }
}

指定 OctoASR 完整路径（PATH 找不到时）

{
  "type": "cli",
  "command": "/opt/homebrew/bin/octoasr",
  "args": ["transcribe", "--format", "text", "{{MediaPath}}"],
  "timeoutSeconds": 120
}

调整文件大小限制

{
  "tools": {
    "media": {
      "audio": {
        "enabled": true,
        "maxBytes": 52428800,
        "models": [...]
      }
    }
  }
}

上例将限制设为 50MB。

故障排除

问题：语音消息没有被转写

检查清单：

# 1. 确认 OctoASR 可用
octoasr --version

# 2. 确认环境正常
octoasr doctor

# 3. 确认 OpenClaw 配置
openclaw config get tools.media.audio

# 4. 手动测试转写
octoasr transcribe --format text /path/to/audio.wav

# 5. 查看 OpenClaw 日志（verbose 模式会显示转写调用）
openclaw gateway restart --verbose

问题：转写超时

• 增大 timeoutSeconds（默认 60，建议设为 120）
• 确保 octoasr 服务在运行（预加载模型更快）：octoasr start
• 检查音频时长是否过长（默认最大 660 秒）

问题：转写结果为空或乱码

• 确认音频文件格式正确（支持 wav/mp3/ogg/webm/m4a/flac）
• 确认 ffmpeg 已安装：ffmpeg -version
• 尝试切换模型：octoasr model use OctoASR-0.8B-Instruct-1.0-MLX-8bit

问题：找不到 OctoASR 命令

# 确认安装位置
which octoasr
# 通常为 /opt/homebrew/bin/octoasr

# 如果不在 PATH 中，在配置里使用完整路径
# "command": "/opt/homebrew/bin/octoasr"

更新与卸载

更新 OctoASR

brew upgrade octoasr
octoasr restart  # 如果服务在运行