Simple stt(sound-to-text) locally

Simple local Speech-To-Text using Whisper. One-command install with auto model download. Supports 99+ languages.

Simple Local STT (Whisper)

一键安装本地语音识别，支持 99+ 语言。
One-click local speech recognition supporting 99+ languages.

🚀 快速开始 / Quick Start

安装（首次使用）/ Installation (First Time)

# 自动安装虚拟环境 + 依赖 + 模型
# Auto-installs virtual env + dependencies + model
/root/.openclaw/workspace/skills/stt-simple/install.sh

使用 / Usage

# 命令行转换 / Command line conversion
/root/.openclaw/venv/stt-simple/bin/whisper audio.ogg --model small --language Chinese

# Python API
/root/.openclaw/venv/stt-simple/bin/python \
  /root/.openclaw/workspace/skills/stt-simple/stt_simple.py \
  audio.ogg small zh

📦 安装脚本详解 / Install Script Details

install.sh 自动完成 / automatically completes:

1. ✅ 创建虚拟环境 / Create virtual env: /root/.openclaw/venv/stt-simple/
2. ✅ 安装 / Install: openai-whisper + ffmpeg
3. ✅ 下载 Whisper small 模型（244MB）/ Download Whisper small model (244MB)
4. ✅ 创建输出目录 / Create output directory

🎯 模型选择 / Model Selection

模型 / Model	大小 / Size	速度 / Speed	精度 / Accuracy	场景 / Use Case
tiny	39MB	⚡⚡⚡	⭐⭐⭐	快速测试 / Quick testing
base	74MB	⚡⚡	⭐⭐⭐⭐	日常使用 / Daily use
small	244MB	⚡	⭐⭐⭐⭐⭐	推荐 / Recommended
medium	769MB	🐌	⭐⭐⭐⭐⭐	高精度 / High accuracy
large	1.5GB	🐌🐌	⭐⭐⭐⭐⭐+	最佳质量 / Best quality

🌍 语言代码 / Language Codes

• 中文 / Chinese：zh 或 Chinese
• 英文 / English：en 或 English
• 日文 / Japanese：ja 或 Japanese
• 自动检测 / Auto-detect：省略 --language / omit --language

📁 输出格式 / Output Formats

• .txt - 纯文本 / Plain text
• .json - 完整结果（含时间戳）/ Full results (with timestamps)
• .srt - 字幕格式 / Subtitle format
• .vtt - WebVTT

🔧 故障排查 / Troubleshooting

# 检查安装 / Check installation
/root/.openclaw/venv/stt-simple/bin/whisper --version

# 重新安装 / Reinstall
rm -rf /root/.openclaw/venv/stt-simple
/root/.openclaw/workspace/skills/stt-simple/install.sh