Whisper本地离线部署指南：QClaw语音转文字实操教程

想象一下这个场景：你刚刚开完一个长达一小时的头脑风暴会议，手机里录满了关键发言。你想把这些语音立刻转成文字存档，又不想把敏感文件传到任何云上，担心隐私泄露。这时候，QClaw和本地Whisper模型的组合，就是你的“终极解法”。它完全离线运行，无需配置复杂的环境变量，下载解压就能用。识别结果可以直接写入本地文件，甚至连保存路径都能用一句话指定。

安装 Whisper 技能并启用本地识别能力

这一步是整个流程的地基。没装好这个技能，后面你发给“龙虾”的任何指令，它都会回复你一句“抱歉，我不懂这个功能”。

打开你的浏览器，访问 SkillHub 的官方地址：https://skillhub.tencent.com/#featured。

在搜索框里输入“Openai Whisper”，找到那个官方标注了「本地离线语音转文本」的技能卡片，然后点一下「一键安装」。

安装过程走的是国内的高速镜像，通常十来秒就能完事，你不需要进行任何手动解压或者复制文件的操作。

【这里有个不容忽视的细节：安装完成后，一定要重启 QClaw 主程序】。不然的话，哪怕你的微信头像亮了，向“龙虾”发送的任何识别指令都不会被响应。

通过微信“龙虾”好友直发语音转文字

这个功能最适合处理60秒以内、语速清晰、背景安静的短语音。比如，你临时想到一个待办事项，或者快速记录一个灵感闪光点，都特别方便。

有两种玩法，你可以根据习惯选择：

方法一：语音+指令组合发送

第一步：在微信中打开与“龙虾”的聊天窗口，确认它的头像右下角亮着绿色的在线标识。

第二步：长按输入框右侧的麦克风图标，录制一段不超过60秒的语音，松手后立即发送。

第三步：紧接着，发送一条纯文字指令，格式是：转文字，存为D:QClaw今日速记.txt（路径可以自定义，但必须包含完整的盘符和.txt后缀）。

第四步：等待3到8秒，QClaw就会调用本地的Whisper引擎完成识别，文件即时生成。如果超过10秒没反应，你得回头检查一下是不是忘了重启主程序。

方法二：发语音后单独触发识别

这个方式比较灵活。你可以先发送语音，过两秒后再发送文字指令：识别上一条语音，输出到D:QClaw草稿临时记录.md。

需要注意的是，上一条消息必须是语音，不能是图片或文字，否则会收到“未检测到可识别语音”的报错。

上传音频文件后批量识别

如果你处理的语音超过60秒，或者背景有音乐、多人交谈、方言口音较重，这个模式就更合适了。它的精度更高，还能保留原始音频文件方便你后续核对。

用手机录音App录好后，建议导出为 .m4a（iOS）或 .wa v（Android推荐） 格式，尽量避免使用压缩率过高的.mp3。

然后，通过QQ浏览器的「跨屏穿越」功能，把文件一键发送到电脑的默认下载目录（通常是在D:Downloads）。

接着，在微信里给“龙虾”发送指令：识别D:Downloads会议_20260618.m4a，输出到D:QClaw整理正式纪要.txt。

QClaw会立刻校验文件是否存在、格式是否支持。如果路径不对或者文件被占用，它会返回一个明确的提示，比如“找不到该文件”或者“文件正在被其他程序使用，请关闭音频播放器后重试”。

开启语音收件箱实现自动归类转写

如果你每天都要处理很多段语音，又希望它们能按日期、主题自动归类，那么“语音收件箱”模式能帮你省去每次都要手动输入路径的麻烦。

你只需要给“龙虾”发送一条文字：开启语音收件箱。

收到指令后，QClaw会自动在本地创建一个名为“D:QClawVoiceInbox”的文件夹，并返回一个动态二维码。

用手机QQ浏览器扫描这个二维码，就能进入一个上传页面，选择语音文件提交就可以了。上传成功后，QClaw会在5秒内自动执行Whisper识别，并将结果存储到“D:QClawVoiceInbox20260618152347.txt”这个带有时间戳的文件里。

特别提醒一下：当你下次再发送“开启语音收件箱”指令时，旧的二维码会失效，新码会绑定一个新的路径。【旧的收件箱不会清空，但新上传的文件只会进入新的目录】。这点在设计工作流时值得留意。