核心功能
webchat-voice-proxy 是一个专为 OpenClaw WebChat 设计的语音输入增强技能，通过在浏览器端集成麦克风按钮，实现完全本地的语音转文字功能。该技能采用 HTTPS/WSS 反向代理架构，将浏览器 MediaRecorder 捕获的音频流代理至本地 faster-whisper 服务（端口 18790）进行转录，无需调用任何云端 API，彻底消除 API 成本与隐私泄露风险。
显著优点
1. 完全本地化：依赖 faster-whisper 实现离线转录，音频数据不出本机，适合隐私敏感场景
2. 零持续成本：一次部署后无 API 调用费用，适合高频使用
3. 专业交互设计：支持 Push-to-Talk（按住说话）与 Toggle（点击开关）双模式，双击切换；配备实时 VU 表（音量可视化）与键盘快捷键（Ctrl+Space PTT、Ctrl+Shift+M 连续录制）
4. 多语言 UI 内置：自动检测浏览器语言，支持英/德/中三语，可通过 localStorage 强制指定或扩展自定义语言
5. 持久化安全部署：通过 systemd 用户服务实现开机自启，配合网关 hook 机制确保更新后自动重新注入
潜在局限与风险
| 类别 | 说明 |
|------|------|
| **依赖链复杂** | 必须预先部署 `faster-whisper-local-service`，需 Python 3.9+ 及 CUDA/CPU 推理环境，GPU 加速配置门槛较高 |
| **证书信任问题** | 自签名 TLS 证书导致浏览器首次访问必现安全警告，需手动例外处理 |
| **网络暴露风险** | 默认绑定 127.0.0.1，若通过 `VOICE_HOST` 暴露至 LAN，则网关 WebSocket 与转录端点同时对全网开放 |
| **系统修改深度** | 需修改 npm 全局安装的 Control UI 文件、注入 systemd 服务、修改网关配置，卸载不彻底可能残留 hook |
| **实时性限制** | faster-whisper 为分段转录，非流式实时输出，Ctrl+Shift+B「实时转录」仍为 beta 功能 |
适合人群
- 高频使用 OpenClaw WebChat 且偏好语音输入的开发者/高级用户
- 对数据隐私有严格要求、拒绝云端 STT 服务的用户
- 具备 Linux 系统管理基础、能独立排查 systemd/Python 依赖问题的技术用户
- 已在运行 faster-whisper 或愿意配置本地 GPU 推理环境的用户
常规风险
- 配置漂移：网关
allowedOrigins与 HTTPS 代理VOICE_HOST不匹配将导致 CORS/origin 错误 - 服务耦合故障：faster-whisper 服务异常会直接阻断语音功能，需掌握
systemctl --user status openclaw-transcribe.service诊断 - 浏览器权限：首次使用需授权麦克风，部分安全环境下可能受限