核心功能
webchat-voice-proxy 为 OpenClaw WebChat 的 Control UI 添加完整的语音输入能力。通过浏览器 MediaRecorder 录制音频，经本地 faster-whisper 服务转录为文字，注入到聊天输入框。无需云端 API，完全本地运行，零持续成本。
显著优点
- 双模式录音：默认 Push-to-Talk（按住说话，松开发送），支持双击切换为 Toggle 模式（点击开始/停止）
- 键盘快捷键：
Ctrl+Space全局 Push-to-Talk，Ctrl+Shift+M连续录音切换，即使输入框聚焦也能使用 - 实时反馈：VU 表动态显示语音音量，按钮阴影/缩放随音量变化
- 多语言 UI：自动检测浏览器语言，内置英/德/中三语，支持自定义扩展
- 完整代理栈：HTTPS/WSS 反向代理、TLS 证书自签管理、WebSocket 透传至 gateway
- 更新安全：gateway 启动钩子确保更新后自动重新注入语音脚本
- 用户级权限：无需 root/sudo，systemd 用户服务持久化运行
潜在局限
- 硬性依赖：必须预先部署
faster-whisper-local-service（端口 18790），否则完全无法工作 - 自签证书：首次使用需手动信任自签 TLS 证书，部分浏览器环境可能受限
- 网络配置：需正确配置
VOICE_HOST和allowedOrigins，否则出现跨域或配对错误 - 单用户场景：设计为个人本地使用，未考虑多用户并发或网络隔离环境
适合人群
- 追求零订阅成本、隐私优先的 OpenClaw 深度用户
- 需要解放双手、快速语音输入命令的开发者/自动化场景
- 愿意维护本地 AI 推理栈的技术用户
常规风险
- 自签证书可能被浏览器标记为不安全，需手动例外处理
- 麦克风权限需浏览器授权，部分隐私模式可能阻断
- 转录质量完全取决于本地 faster-whisper 模型和硬件性能
- 错误配置
allowedOrigins会导致功能静默失效，需排查日志