核心用法
Xeon ASR 是一款面向 OpenClaw 生态的本地语音转文字（STT）技能，采用双服务架构：Flask ASR 服务（5001 端口）负责加载 Qwen3-ASR-0.6B-INT8 模型并执行推理，ASR Skill 服务（9001 端口）接收 QQ/Feishu 语音消息并转发至推理服务。安装后自动配置 QQBot 和 Feishu Bot 的 STT 集成，无需手动修改配置文件。
显著优点
- 完全本地推理：基于 OpenVINO 优化，语音数据不出本地，隐私保护性强
- 零 API 成本：无需订阅第三方语音识别服务，长期运行成本低
- 自动集成：一键配置 OpenClaw 生态的 QQ、Feishu 双通道，安装即用
- 国内加速友好：setup_env.sh 自动使用 hf-mirror 镜像下载模型，解决网络问题
- 轻量化模型：0.6B 参数量级，INT8 量化后推理效率高，适合消费级硬件
潜在缺点与局限性
- 硬件依赖：需要 x86 服务器或支持 OpenVINO 的 Intel CPU/GPU 环境，ARM 架构不支持
- 模型能力边界：0.6B 轻量模型在长音频、方言、专业术语场景下识别准确率可能低于云端大模型
- 运维复杂度：双服务架构需维护 5001/9001 双端口健康，对新手有一定门槛
- 中文优化为主：Qwen3-ASR 针对中文训练，多语言混合场景表现一般
适合人群
- 部署 OpenClaw/QQBot/Feishu Bot 的私有服务器用户
- 对语音数据隐私敏感、拒绝云服务的合规场景
- 希望消除 STT API 调用成本的长期运营者
- 具备基础 Linux 运维能力的开发者
常规风险
- 端口冲突：5001/9001 被占用会导致服务启动失败
- 模型文件缺失：chat_template.json 等文件缺失需手动补全
- Python 环境污染：setup_env.sh 会操作 Python 3.10 环境，建议隔离运行
- 服务中断：本地推理依赖单一节点，无高可用设计，故障时需手动重启