核心功能
webchat-voice-proxy 是一套完整的语音输入增强方案，专为 OpenClaw WebChat 的 Control UI 设计。它在浏览器端注入麦克风按钮 UI，利用 MediaRecorder API 录制音频，通过本地 HTTPS/WSS 代理转发至 faster-whisper 服务完成转录，最终将识别文本自动填入对话输入框。整个流程完全本地化，无需调用第三方语音识别 API，从根本上消除云服务依赖与持续费用。
显著优点
零成本本地化架构：依赖开源 faster-whisper 模型（支持 CUDA/CPU），一次性部署后永久免费使用，隐私敏感场景下音频数据不出本机。
系统级持久化：通过 systemd 用户服务 (openclaw-voice-https.service) 与 gateway hook 机制，确保系统重启、OpenClaw 自动更新后语音功能自动恢复，无需手动干预。
工程完整性：提供自签名 TLS 证书自动管理、WebSocket 透传、SPA 路由回退、CORS 白名单自动配置等生产级细节，非简单的脚本拼凑。
潜在局限与风险
强依赖前置条件：必须预先部署并运行 faster-whisper-local-service（默认端口 18790），且需约 1-3GB 模型文件与相应 GPU/CPU 资源，低配设备可能延迟明显。
自签名证书信任成本：首次使用需在浏览器手动信任自签 HTTPS 证书，团队部署时需额外分发根证书或替换为机构证书。
浏览器兼容性：MediaRecorder 编码格式（通常 WebM/Opus）需与 faster-whisper 输入格式匹配，特定浏览器或版本可能存在转码失败风险。
系统修改范围较广：涉及 npm 全局目录文件注入、systemd 服务、hook 目录、用户配置 JSON 修改，虽提供完整卸载脚本，但仍有误操作或残留状态风险。
适合人群
- 追求完全本地化、隐私优先的 OpenClaw 高级用户
- 有 Linux 运维能力、能独立排查 systemd/网络问题的开发者
- 已部署或愿意部署
faster-whisper服务的技术团队
常规风险提示
- 卸载时默认保留工作目录与 TLS 证书，彻底清理需手动执行
rm -rf - 转录服务端未运行时，语音按钮将静默失败或超时，需前置健康检查
- 多设备场景下需注意
gateway.controlUi.allowedOrigins的 origin 白名单管理，避免跨域拦截