🎤 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¶
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）：
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：
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¶
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
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。