xeon_asr

核心用法

Xeon ASR 是一个专为 OpenClaw 渠道插件设计的本地语音转文字（STT）解决方案，采用双服务架构运行：Flask ASR 服务（端口 5001）负责加载 Qwen3-ASR-0.6B-INT8_ASYM-OpenVINO 模型并执行本地推理，Node STT Gateway（端口 9001）提供 OpenAI 兼容的 /audio/transcriptions 接口。安装后，QQ、飞书等渠道收到语音消息时将自动触发本地转写，无需调用云端 API。

安装流程标准化：通过 clawhub install xeonasr 一键部署，执行 install.sh 自动完成环境检测、Miniconda/Python 3.10 安装、模型下载（支持 hf-mirror 加速）、配置文件生成、OpenClaw 集成配置及 Feishu 插件补丁。self_check.sh 提供安装后健康检查，验证双服务状态与配置完整性。

显著优点

• 完全本地化：基于 OpenVINO 优化，模型运行于本地，语音数据不出机，隐私保护极强
• 零 API 成本：无需 OpenAI/阿里云等商业 ASR 服务，长期使用无费用
• 生态深度集成：自动修改 $HOME/.openclaw/openclaw.json，修补 Feishu 插件依赖树，兼容 QQBOT 等多渠道场景
• 路径灵活：不硬编码 /root，以 $HOME 为基准，支持 Docker 及多用户环境
• 国内友好：自动检测并切换 hf-mirror 下载模型，规避 HuggingFace 访问问题

潜在缺点与局限性

• 硬件门槛：INT8 量化模型仍需一定 CPU 算力，低配置机器推理延迟较高
• 模型体积：0.6B 参数量模型需约 600MB 存储，首次下载耗时
• 渠道补丁依赖：飞书渠道需特殊补丁处理，若 OpenClaw 版本升级可能需跟进适配
• 单语言局限：基于 Qwen3-ASR，主要优化中文场景，多语言混合识别效果未明确
• 运维复杂度：双服务架构需同时维护 5001/9001 端口，故障排查较云端方案繁琐

适合人群

• 对语音隐私敏感、需完全离线处理的个人/企业用户
• OpenClaw 生态深度使用者，尤其 QQ/飞书双渠道运营者
• 希望消除 ASR API 调用成本的高频语音处理场景
• 具备基础 Linux/Node.js 运维能力的技术用户

常规风险

• 服务稳定性：本地服务可能因内存不足、模型加载失败导致 STT 超时，需监控 9001 健康端点
• 配置冲突：重复安装 Feishu 插件或手动修改 openclaw.json 可能导致 duplicate plugin id 错误
• 模型更新滞后：开源模型迭代快，若长期不更新可能出现识别准确率下降
• 安全边界：虽为本地运行，但 install.sh 涉及系统级操作（Miniconda 安装、全局配置修改），建议审查脚本内容后再执行

核心用法

Xeon ASR 是一款专为 OpenClaw 生态设计的本地语音转文字技能，采用双服务架构实现完全离线的语音识别能力。用户通过 clawhub install xeonasr 安装后，执行 install.sh 即可完成全自动部署：检测系统依赖、安装 Miniconda Python 3.10 环境、创建虚拟环境、下载 Qwen3-ASR-0.6B-INT8_ASYM-OpenVINO 模型、生成配置文件，并自动修改 OpenClaw 的 openclaw.json 以集成音频处理能力。安装完成后，Flask ASR 服务（5001 端口）负责模型推理，Node STT Gateway（9001 端口）提供 OpenAI 兼容的 /audio/transcriptions 接口，QQ、Feishu 等渠道收到的语音消息将自动触发本地转写。

显著优点

完全本地化：所有语音处理在本地完成，音频数据不上传云端，有效保护用户隐私，适合对数据安全敏感的场景。自动化的复杂部署：尽管涉及 Python/Node 双栈、模型下载、配置文件修改等复杂操作，脚本提供了高度自动化的安装流程，大幅降低本地 AI 部署门槛。OpenAI 兼容接口：9001 端口提供标准 REST API，便于与其他系统集成。多渠道支持：通过配置 OpenClaw 全局音频工具并修补 Feishu 插件，实现 QQ、飞书等多平台的统一语音处理能力。智能路径处理：不假设固定用户目录，使用 $HOME 动态推导，支持 Docker 环境，避免硬编码路径带来的移植性问题。

潜在缺点与局限性

系统资源占用：Qwen3-ASR 模型虽经 INT8 量化，但仍需一定 GPU/CPU 资源，低配置设备可能推理延迟较高。部署复杂度：尽管脚本自动化程度高，但仍需 Node.js 18+、Python 3.10 等前置依赖，Windows 用户可能需要额外适配。侵入式配置修改：自动修改 ~/.openclaw/openclaw.json 和 Feishu 插件源码，虽提供备份但可能影响后续 OpenClaw 升级。模型下载依赖：首次安装需从 hf-mirror.com 下载约数百 MB 模型，网络受限环境可能失败。维护者风险：T3 级个人开发者项目，缺乏组织背书，长期维护稳定性存疑。服务持久化：安装后注册 systemd 用户服务持续运行，资源占用不可逆需手动管理。

适合的目标群体

隐私敏感型用户：企业内网、政务系统、医疗场景等对语音数据出境严格限制的环境。OpenClaw 生态用户：已使用 OpenClaw 框架运营 QQ 机器人、飞书应用的技术团队。离线场景需求者：网络不稳定或无法连接公有云 API 的边缘计算场景。AI 本地化探索者：希望体验本地部署大模型能力、降低 API 调用的开发者。多平台统一需求方：需要在 IM 多渠道间实现一致语音处理能力的运营团队。

常规使用风险

性能风险：本地推理速度受硬件制约，高并发场景可能出现队列积压，建议压测后生产部署。依赖冲突：自动安装的 Miniconda 与系统 Python 环境可能存在版本冲突，建议隔离测试。配置持久化风险：修改后的 OpenClaw 配置和 Feishu 补丁在框架更新时可能失效，需关注版本兼容性。服务可用性：5001/9001 双服务任一崩溃都会导致语音功能中断，建议配置健康监控与自动重启。模型更新滞后：本地模型版本固定，新语言支持或精度优化需手动重新下载部署。安全执行风险：脚本使用 exec/execFile 执行系统命令，虽参数可控但仍建议在容器或虚拟机中运行以隔离潜在影响。