核心用法
webchat-voice-full-stack 是一个元安装器（meta-installer），用于一键部署完整的本地化语音输入解决方案。它按正确顺序编排两个独立技能：
1. faster-whisper-local-service：在本地 127.0.0.1:18790 运行 HTTP 语音转文字后端，基于 OpenAI Whisper 优化版本，支持多语言自动识别
2. webchat-voice-proxy：提供 HTTPS/WSS 代理服务，向 WebChat Control UI 注入麦克风按钮，实现浏览器端语音采集
部署流程极为简洁：先安装两个前置技能，执行 bash scripts/deploy.sh 即可完成环境配置、服务注册、模型下载（首次约 1.5GB）和 TLS 证书生成。支持通过环境变量自定义端口、主机地址和语言设置。
显著优点
- 零 recurring 成本：本地运行，无需调用云端 STT API，彻底消除按量计费
- 隐私优先：语音数据全程本地处理，不上传至第三方服务器
- 无缝集成：自动向 OpenClaw WebChat 注入语音按钮，用户零配置即可使用
- 生产级部署：systemd 用户服务管理，支持开机自启和服务状态监控
- 灵活扩展：支持
tiny/base/small/medium/large等多档模型权衡精度与速度
潜在局限
- 硬件门槛：需 Python 3.10+、GStreamer 依赖，首次模型下载需充足存储空间和带宽
- 首次启动延迟：模型缓存前需等待 Hugging Face 下载（国内用户可能需镜像加速）
- 自签名证书：默认生成自签名 TLS，浏览器端首次访问需手动信任证书
- 非开箱即用：依赖两个前置技能预先安装，流程对新手存在认知负担
- 语音识别局限：Whisper 对特定口音、专业术语、噪声环境的识别准确率有限
适合人群
- 注重数据隐私、需完全离线语音交互的个人开发者与企业用户
- 已部署 OpenClaw WebChat 并希望快速扩展语音输入能力的现有用户
- 对 API 调用成本敏感、需高频语音转录的自动化场景
常规风险
- 模型完整性风险：从 Hugging Face 下载的模型文件可能被篡改（建议校验 SHA256）
- 本地服务暴露：虽然默认绑定 localhost，但配置不当可能导致端口暴露
- 自签名证书风险：TLS 证书缺乏 CA 信任链，存在中间人攻击理论可能
- 资源占用：Whisper medium 模型运行时显存/内存占用显著，低配设备可能卡顿
- 服务依赖：systemd 服务故障或 Python 环境损坏将导致语音功能完全失效