核心用法
sergei-mikhailov-stt 是 OpenClaw 框架下的语音转文字（STT）技能，核心功能是将用户发送的语音消息自动转换为可编辑文本。技能采用可扩展架构，当前默认集成 Yandex SpeechKit，开发者可按规范接入其他 STT 服务商。
显著优点
1. 架构灵活：基于 Python 抽象基类设计，新增提供商仅需实现 recognize()、validate_config() 等 3 个方法即可接入
2. 格式兼容性强：通过 FFmpeg 预处理，原生支持 OGG、WAV、MP3、M4A、FLAC、AAC 等常见格式
3. 配置管理规范：支持 OpenClaw 全局配置（openclaw.json）、环境变量（.env）、JSON 配置文件三级配置，便于多环境部署
4. 错误处理人性化：将技术错误映射为用户友好话术（如 HTTP 401 → "API key 有问题"），降低运营摩擦
潜在缺点与局限性
- 硬性容量限制：Yandex SpeechKit v1 同步 API 仅支持 1MB 音频（约 30 秒语音），长语音需人工分段或等待 v2 API 支持
- 依赖链较重：需同时维护 Python 3.8+、FFmpeg、虚拟环境及 API 密钥，对非技术用户部署门槛较高
- 语言覆盖有限：当前仅验证俄语（ru-RU）和英语（en-US），小语种需自行测试
- 云服务商锁定：默认提供商为俄罗斯 Yandex Cloud，地缘政治因素可能影响服务连续性
适合人群
- OpenClaw 生态用户：已在运行 OpenClaw 网关的 Telegram/Discord 等机器人运营者
- 俄语区开发者：Yandex SpeechKit 对俄语识别优化较好，适合俄语文档转录、客服场景
- 有自托管需求的技术团队：可接受本地 FFmpeg+Python 栈，不愿使用 SaaS 化语音 API
常规风险
| 风险类别 | 具体表现 | 缓解建议 |
|---------|---------|---------|
| 密钥泄露 | API key 明文存储于 JSON 配置文件 | 使用 OpenClaw 的密钥注入机制，避免提交至 Git |
| 成本失控 | Yandex SpeechKit 按调用量计费 | 启用网关级速率限制，监控异常高频调用 |
| 隐私合规 | 语音数据上传至 Yandex 云端 | 评估数据本地化要求，敏感场景改用本地 Whisper 模型 |
| 服务中断 | FFmpeg 或 Python 环境损坏 | 容器化部署，固定依赖版本 |
---
总结：该技能适合作为 OpenClaw 机器人的"耳朵"处理短语音指令，技术团队可基于其扩展架构接入 Whisper、Azure Speech 等替代方案以突破 30 秒限制。