據 AlphaMoat 統計,截至 2026-09,TG Voice Whisper Transcriber 累計下載 4,919 次、獲 1 個星標,在全部 5,078 個 AI 技能中排名第 1,880 位,在「AI 智慧體」分類(969 個)中排名第 350 位。

累計安裝

158

累計下載

4919

星標

全站排名

#1,880

全站前 38% · 「AI 智慧體」前 37%

平台	累計安裝	累計下載	星標	評論
ClawHub ↗	158	4522	1	-
SkillHub ↗	157	4919	1	—

各平台的計數口徑不同,統計時間不一致。

這個技能是做什麼的

此技能針對 .ogg Opus 檔案，利用 Whisper tiny 模型生成文字；示例流程會刪除處理後的音訊和臨時轉錄檔案。常駐監控可能存取私人語音，且萬用字元刪除可能誤刪檔案，應限制執行時段和目錄並逐檔案校驗。需要 whisper、ffmpeg 與經審核的隔離安裝；後續轉錄雖在本機，安裝與模型下載仍需連網。確認目標語言，部署前把萬用字元處理修正為經驗證的逐一檔案操作；監控與向 Telegram 傳送回覆須單獨審核。

資料釋出於 2026-10-27

可以用來做什麼

將 Telegram 語音訊息轉成文字
在本地處理獲准的語音檔案

什麼時候用

明確授權存取該音訊目錄並確認檔案清理範圍時

示例提示詞

以下是根據技能文件生成的示例,不代表實際執行結果。

設計一次性轉錄流程，處理單個指定音訊並保留原檔案。

指出啟用常駐監控或刪除檔案前需要確認的事項。

月度資料趨勢

累計下載4919

星標1

2026-09 起統計方法調整:同名技能按作者分別統計,並覆蓋全部技能。圖中虛線為調整前的月份,與之後的資料不直接比較,也不計算跨越調整的增長。

月份	累計下載	環比	星標
2026-09	4919	—	1
2026-08	4580	+2.9%	1
2026-07	4449	+6.1%	1
2026-06	4194	+3.4%	1
2026-05	4055	—	1
2026-03	3401	—	1

SKILL.md 原文

以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 2026-10-23。

1.6 KB · ClawHub v1.0.0

---
name: tg-voice-whisper
description: Auto-transcribe Telegram voice messages (.ogg Opus) to text using local OpenAI Whisper (tiny model). Reply with transcription + auto-delete file for privacy. No API keys, fully offline after install.
emoji: 🎙️🔊

requires:
  bins: [whisper, ffmpeg]

install:
  - kind: apt

展開全部(共 43 行)

    packages: [ffmpeg]
  - kind: pip
    packages: [openai-whisper]
    flags: [--break-system-packages]

min-server: 4GB RAM recommended for fast/stable work (cached model <1s transcribe on 1vCPU).

**Safe:** Local-only, auto-rm files, no external APIs/credentials stored.

**Usage (agent):**
When voice .ogg arrives in /root/.openclaw/media/inbound/:
```
exec 'whisper PATH --model tiny --language ru --output_format txt --output_dir /tmp/whisper; text=$(cat /tmp/whisper/*.txt); message action=send message="🔊 [text]" reply_to_current; rm PATH /tmp/whisper/*'
```

**Auto-setup (non-block):**
Spawn sub-agent or cron every 5s:
```
sessions_spawn task="LOOP: find /root/.openclaw/media/inbound/*.ogg -mmin -1 → background whisper ru tiny → message reply text → rm" label="voice-auto" cleanup="keep"
```
Or cron:
```
cron add job={"name":"voice-auto","schedule":{"kind":"every","everyMs":5000},"payload":{"kind":"systemEvent","text":"🔊 VOICE_CHECK"},"sessionTarget":"main"}
```

**Test:**
whisper /path.ogg --model tiny --language ru

**Notes:**
- First run: ~15s model download (72MB ~/.cache/whisper/tiny.bin).
- Cached: <1s on 1vCPU/4GB.
- Languages: ru/en best; --language detect auto.
- Accuracy: tiny 85-95% ru speech; upgrade to base/small for better.