核心用法
Aliyun ASR 是专为 OpenClaw 设计的轻量级语音识别技能，仅做语音到文本的转换，不做语音合成。用户向飞书、Telegram、WhatsApp 等通道发送语音消息后，OpenClaw 自动调用该技能识别内容，并将识别后的文本作为用户消息传递给 AI，AI 仅返回纯文本回复。
显著优点
- 精准识别：依托阿里云 NLS 服务，中文语音识别准确率高
- 轻量专注：纯 ASR 设计，无冗余功能，资源占用低
- 多通道兼容：无缝支持飞书、Telegram、WhatsApp 等 OpenClaw 全量语音通道
- 安全合规：密钥与代码分离，使用 RAM 子账号最小权限，语音数据不落盘
- 格式广泛：支持 MP3、WAV、OGG、FLAC、AMR、OPUS 等主流音频格式
潜在缺点与局限性
- 仅限中文/阿里云生态：识别效果依赖阿里云 NLS 服务，对非中文语种或方言支持有限
- 网络依赖：需稳定访问阿里云 cn-shanghai 区域，离线环境不可用
- 无本地模型：不支持私有化部署，企业敏感语音数据需上传至阿里云
- 纯文本输出：AI 仅能文字回复，无法生成语音互动，适合文字优先场景
适合人群
- 飞书/Lark 企业用户，需将语音消息转为文本存档或处理
- 客服、销售团队，希望快速浏览语音消息内容而不必逐条收听
- OpenClaw 用户，追求极简配置、开箱即用的语音转文字能力
- 对数据合规有基础要求，但不涉及绝密级语音数据的中小团队
常规风险
- 密钥泄露风险：access_key_id/secret 若配置不当可能被窃取，需严格设置 600 权限
- API 限流与计费：阿里云 NLS 按调用量计费，高频使用需关注配额与费用
- 隐私合规：语音数据上传至阿里云，需确认符合企业数据出境及存储政策
- 识别误差：嘈杂环境、口音或专业术语可能导致识别偏差，关键场景建议人工复核