本地语音转文字

技能简介

基于MLX框架在Apple Silicon设备上本地运行的语音识别工具，使用GLM-ASR-Nano-2512开源模型将音频转换为文字，无需联网或API密钥。

能做什么

• 将音频文件转为文字
• 支持多种音频格式（通过ffmpeg自动转换）
• 完全本地运行，保护隐私
• 首次使用后无需重复下载模型

使用说明

安装步骤：

1. 确保系统为macOS且搭载Apple Silicon芯片
2. 确认已安装Homebrew
3. 执行安装脚本：bash ${baseDir}/install.sh

该脚本会自动通过brew安装依赖：ffmpeg（音频格式转换）、uv（Python包管理）、mlx_audio（核心推理库）。

使用方法：

bash ${baseDir}/mlx-stt.sh <audio_file_path>

首次运行会下载模型，速度较慢；识别结果直接输出到终端。

输入与输出

见下方输入与输出表格。

风险提示

• 仅支持Apple Silicon Mac，Intel机型无法运行
• 首次启动需下载模型，耗时较长
• 长音频文件处理时间随时长增加
• 识别准确率受音频质量影响

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/guoqiao/mlx-stt/SKILL.md
来源类型：GitHub仓库