核心功能
WebChat Voice Full Stack 是 OpenClaw 生态的元安装器，将「本地语音识别后端」与「WebChat 语音代理前端」串联为单条命令部署流程。用户无需分别配置两项服务，执行 deploy.sh 即可完成：
1. faster-whisper-local-service — 基于 CTranslate2 优化的 Whisper 推理服务，监听 HTTP 端口 18790，支持 tiny 至 large-v3 多规格模型，默认 medium 约 1.5 GB；
2. webchat-voice-proxy — 自签 HTTPS/WSS 代理，向 Control UI 注入麦克风按钮与 voice-input.js，实现浏览器录音流→后端转写→文本回填的闭环。
交互层面提供 Push-to-Talk（按住说话） 与 Toggle（切换开关） 两种模式，热键 Ctrl+Space 与 Ctrl+Shift+M 可盲操；实时 VU 表反馈录音电平。安装向导内置英/德/中三语言选择，i18n 覆盖完整。
显著优点
- 零订阅成本：模型下载后完全离线运行，无 OpenAI / Azure 等第三方计费；
- 隐私优先：语音数据不出本机，适合对合规敏感的场景；
- 低延迟：faster-whisper 的 CTranslate2 后端较原始 PyTorch 实现提速 3-4×；
- 热插拔架构：两项子技能可独立更新/卸载，元安装器仅负责编排顺序；
- 自签 TLS：首次运行时自动生成证书，无需公网域名即可实现浏览器录音（Secure Context 要求）。
局限性与风险
| 维度 | 说明 |
|------|------|
| **模型体积** | `medium` 模型 1.5 GB，对边缘设备或带宽受限环境不友好；可降级至 `small` 或 `tiny` 换取体积，但牺牲准确率。 |
| **首次启动延迟** | Hugging Face 下载可能因网络波动失败，需手动重试或换源。 |
| **浏览器权限** | 麦克风调用需用户手动授权，且自签证书触发安全警告（需手动信任）。 |
| **系统依赖** | 依赖 GStreamer (`gst-launch-1.0`)，Windows/WSL 需额外配置；macOS 未在文档中验证。 |
| **服务耦合** | 若 `openclaw-transcribe.service` 未就绪，`voice-input.js` 会持续报错，需 `status.sh` 排查。 |
适合人群
- 追求数据隐私的本地优先用户；
- 希望降本增效、替代云端 STT API 的开发者；
- 已熟悉 systemd 与 Python venv、能处理自签证书警告的技术型用户。
常规风险
- 证书信任：自签 HTTPS 证书若被恶意替换，存在中间人攻击可能；建议在内网或 VPN 隧道使用，或替换为机构 CA 签名证书。
- 模型来源：模型权重从 Hugging Face 拉取，需校验文件哈希（文档未明确提及校验机制）。
- 权限扩散：安装脚本向
~/.openclaw/hooks/写入启动钩子，若目录权限宽松，可能被其他进程篡改。 - 资源占用：Whisper 推理占用 GPU/CPU 显著，长时间后台运行可能影响主应用性能。