Apple Silicon 本地运行 MLX Whisper 语音转文字，零成本、全隐私保护，无需 API 密钥，支持 Telegram/WhatsApp 语音消息转录。
说明：
## 核心用法
Local Whisper 是一款基于 Apple MLX 框架的本地语音识别技能，专为 OpenClaw 生态设计。核心功能是将 Telegram、WhatsApp 等应用的语音消息免费转录为文字，替代付费的云端 API 服务。
**使用流程**：
1. 通过 `pip3 install` 安装依赖（whisper-mlx 等）
2. 启动守护进程 `python3 scripts/daemon.py`，首次运行自动下载约 1.5GB 的 Whisper 模型
3. 在 OpenClaw 配置中将 `tools.media.audio` 指向本地转录脚本
4. 重启网关后，所有语音消息自动本地处理
守护进程提供 HTTP API（`localhost:8787/transcribe`），支持标准音频格式，可选 `–translate` 参数实现任意语言→英语翻译。
## 显著优点
– **零成本**：彻底消除按分钟计费的 API 支出，高频使用者收益显著
– **隐私优先**：音频数据永不离开本机，满足敏感场景需求
– **离线可用**：无需网络连接，纯本地推理
– **Apple Silicon 优化**：基于 MLX 框架，M1/M2/M3/M4 芯片上推理速度快（约 1 秒/条消息）
– **生态整合**：与 OpenClaw 工具链深度集成，配置即插即用
## 潜在缺点与局限性
– **硬件锁死**：仅支持 Apple Silicon（arm64），Intel Mac 完全无法运行
– **首次成本**：1.5GB 模型下载 + 10-30 秒冷启动时间，对磁盘空间和耐心有要求
– **维护负担**：需手动管理 Python 环境、依赖版本，守护进程需自行配置开机自启（提供 LaunchAgent 模板）
– **功能边界**：仅提供基础转录/翻译，无说话人分离、时间戳、置信度等高级功能
– **模型固定**：未暴露模型选择接口，无法切换 large-v3 等不同规格模型
## 适合人群
– 高频接收语音消息的 Telegram/WhatsApp 重度用户
– 对隐私敏感、拒绝云端处理的个人/小型团队
– 已拥有 Apple Silicon Mac 且愿意承担技术维护成本的开发者
– 网络环境不稳定、需要离线工作能力的场景
## 常规风险
– **配置错误风险**：JSON 配置语法错误可能导致 OpenClaw 网关启动失败
– **资源占用**：常驻守护进程约占用 1.5GB+ 内存，对 8GB 内存机型压力明显
– **模型失效**：MLX Whisper 版本更新可能引入 breaking change，需跟踪上游兼容性
– **无服务监控**：守护进程崩溃无自动恢复机制，需依赖 launchd 或手动检查
– **安全盲区**：本报告为系统占位生成，未执行实际代码审计，依赖社区信任
