本地语音服务

技能简介

mlx-audio-server 是基于 Apple MLX 框架的本地语音处理服务，在 Mac 上提供 OpenAI 兼容格式的 STT（语音转文字）与 TTS（文字转语音）API。通过 Homebrew 安装并作为系统服务常驻运行，无需联网即可调用。

能做什么

• 将音频或视频文件转为文字（支持自动格式转换）
• 将文字合成为自然语音并保存为音频文件
• 提供与 OpenAI API 格式一致的本地端点
• 24×7 后台服务，随时响应请求

使用说明

安装步骤：

1. 执行安装脚本：bash ${baseDir}/install.sh
2. 脚本会自动完成以下操作：
   • 通过 brew 安装 ffmpeg、jq（如缺失）
   • 从 guoqiao/tap 安装 mlx-audio-server 公式
   • 启动 brew service 作为后台服务

使用方法：

STT（语音转文字）：
bash ${baseDir}/run_stt.sh <audio_or_video_path>
输入支持任意音视频格式，自动转为 wav 后识别，输出纯文本。

TTS（文字转语音）：
bash ${baseDir}/run_tts.sh "Hello, Human!"
或指定输出目录：
bash ${baseDir}/run_tts.sh "Hello, Human!" ./output
默认保存为 speech.wav，输出音频文件路径。

输入与输出

见下方输入与输出表格。

风险提示

• 仅支持 macOS + Apple Silicon 设备
• 依赖 Homebrew，需提前安装
• 首次运行需下载模型文件，占用磁盘空间
• 服务端口冲突时需手动调整配置

来源信息

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