mcpField
E
ez-stt

ez-stt

github.com/araa47创意与媒体145 次安装16 周前更新
代码仓库

关于 ez-stt

ez-stt 是一款本地语音转文字技能，使用带 int8 量化的 ONNX Runtime。它提供面向英语或多语言转写的 Parakeet 模型，以及支持多语言的 Whisper；运行需要 ffmpeg。

主要功能

  1. 01本地 ONNX Runtime 转写
  2. 02Parakeet 和 Whisper 后端
  3. 03Parakeet v2 与 v3 模型选项
  4. 04支持 99 种语言的 Whisper Base
  5. 05静默模式与 Matrix 房间选项

适用场景

  1. 01转写本地音频文件
  2. 02使用 Parakeet v2 转写英语
  3. 03使用 Parakeet v3 或 Whisper 进行多语言转写
  4. 04将转写发送到 Matrix 房间

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/araa47/ez-voice --skill ez-stt

安装后在 Claude Code 中输入/ez-stt确认已加载。

附带文件references/OPENCLAW.mdscripts/stt.py

详细介绍

ez-stt - 本地语音转文字

使用 int8 量化，通过 ONNX Runtime 实现统一的本地语音转文字。选择你的后端：

  • Parakeet（默认）：英语准确率最高，能够正确识别姓名和语气词
  • Whisper：推理速度最快，支持 99 种语言

需要安装 ffmpeg。

用法

# Default: Parakeet v2 (best English accuracy)
scripts/stt.py audio.ogg

# Explicit backend selection
scripts/stt.py audio.ogg -b whisper
scripts/stt.py audio.ogg -b parakeet -m v3

# Quiet mode (suppress progress)
scripts/stt.py audio.ogg --quiet

选项

  • -b/--backend：parakeet（默认）、whisper
  • -m/--model：模型变体（见下文）
  • --no-int8：禁用 int8 量化
  • -q/--quiet：隐藏进度信息
  • --room-id：用于私信的 Matrix 房间 ID

模型

Parakeet（默认后端）
模型描述
v2（默认）仅支持英语，准确率最高
v3多语言
Whisper
模型描述
base（默认）多语言，速度快（onnx-asr 中唯一的 Whisper 变体）

基准测试（24 秒音频）

后端/模型时间RTF备注
Whisper Base int80.43 秒0.018x速度最快
Parakeet v2 int80.60 秒0.025x准确率最高
Parakeet v3 int80.63 秒0.026x多语言

OpenClaw

OpenClaw 专用设置和 openclaw.json 配置请参见 OPENCLAW.md。

评论

支持 Markdown