核心用法
Speech is Cheap (SIC) 是一款面向自动化工作流设计的语音转文本服务，通过 openclaw run asr 命令提供快速转录能力。支持两种主要输入方式：URL直链转录（无需下载）和本地文件上传。核心功能包括说话人分离（diarization）、词级时间戳、音频标签分类、多格式输出（JSON/SRT/VTT）及Webhook回调。隐私模式（--private）可确保音频不留存。
显著优点
- 成本颠覆性：$0.06-$0.12/小时，较Deepgram/OpenAI便宜2-15倍
- 极速处理：100分钟音频约1分钟完成，适合高吞吐量场景
- 多语言原生：100种语言自动检测，无需预处理语言设置
- Agent友好：纯JSON输出、环境变量认证、清晰错误指引，便于自动化集成
潜在局限
- 供应商锁定风险：小众服务商，长期稳定性存疑
- 功能深度待验证：对比成熟厂商（如AWS/Google），方言/噪声鲁棒性未披露
- 合规透明度：隐私模式依赖服务商承诺，无第三方审计背书
- 生态成熟度：缺少预训练模型微调、领域自适应等高级功能
适合人群
- 成本敏感的批量转录需求（播客、会议记录、客服质检）
- 构建语音Agent/工作流的开发者
- 多语言内容处理的小型团队
常规风险
- API密钥泄露：需妥善保管
SIC_API_KEY环境变量 - 数据出境：服务商未披露数据中心位置，跨境合规需确认
- 服务中断：新兴服务商SLA保障未知，关键业务建议fallback方案