mano-asr × OpenClaw 本地语音转写集成指南#

在 Apple Silicon Mac 上，用 mano-asr 为 OpenClaw 提供完全离线、零成本的语音转文字能力。无需任何云端 API Key。

---

概述#

项目说明功能将语音/音频消息自动转写为文字，注入 OpenClaw 对话上下文引擎Qwen3-ASR (1.7B-8bit) 或 Fun-ASR-Nano，基于 MLX 在 Apple Silicon 本地推理隐私音频不离开本机，完全离线处理支持格式.wav .mp3 .ogg .webm .m4a .flac支持语言中文、英文（取决于所选模型）适用渠道企业微信、Telegram、Discord、Signal、WebChat 等所有 OpenClaw 接入渠道

---

环境要求#

• 硬件: Apple Silicon Mac（M1/M2/M3/M4 系列）

• 系统: macOS Monterey (12.0) 或更高

• 软件:

  • Homebrew 已安装
  • OpenClaw 已安装且 Gateway 正在运行
  • ffmpeg （mano-asr 依赖，brew 会自动安装）

验证 OpenClaw 状态：

bash

openclaw status

确认 Gateway 显示 running。

---

安装步骤#

1. 添加 Tap 并安装 mano-asr#

bash

brew tap Mininglamp-AI/tap
brew install mano-asr

验证安装成功：

bash

mano-asr --version
# 输出: mano-asr 0.1.4

2. 环境检查#

bash

mano-asr doctor

正常输出示例：

text

  Environment Check
  ───────────────────────────────────
  ✓ Python 3.13.x
  ✓ ffmpeg 7.x
  ✓ ffprobe (installed)
  ✓ MLX unknown
  ✓ Config file exists
  ✓ ASR model: Mano-ASR-0.8B-Instruct-1.0-MLX-8bit
  ───────────────────────────────────

3. 首次启动（自动下载模型）#

bash

mano-asr start

⏳ 首次启动会自动下载 ASR 模型（约 1 GB），请确保网络通畅。 模型存储路径： ~/.mano-asr/models/

等待启动完成后确认状态：

bash

mano-asr status

text

  mano-asr Service Status
  ───────────────────────────────────
  Status: running
  PID: xxxxx
  Port: 8787
  Uptime: 0h 1m
  ───────────────────────────────────
  Engine: qwen3-asr (Qwen3-ASR)
  ASR Model: Mano-ASR-0.8B-Instruct-1.0-MLX-8bit
  ───────────────────────────────────

4. 验证转写能力（可选）#

用任意音频文件测试：

bash

mano-asr transcribe --format text /path/to/test.wav
# 输出转写文本

---

配置 OpenClaw#

编辑配置文件#

打开 ~/.openclaw/openclaw.json（或 openclaw.json5），找到 "tools" 字段，添加 media.audio 配置块：

最简配置（推荐）#

json

{
  "tools": {
    "media": {
      "audio": {
        "enabled": true,
        "models": [
          {
            "type": "cli",
            "command": "mano-asr",
            "args": ["transcribe", "--format", "text", "{{MediaPath}}"],
            "timeoutSeconds": 120
          }
        ]
      }
    }
  }
}

带热词和转写回显的完整配置#

json

{
  "tools": {
    "media": {
      "audio": {
        "enabled": true,
        "maxBytes": 31457280,
        "echoTranscript": true,
        "echoFormat": "📝 \"{transcript}\"",
        "models": [
          {
            "type": "cli",
            "command": "mano-asr",
            "args": [
              "transcribe",
              "--format", "text",
              "--hotwords", "OpenClaw,mano-asr,MLX",
              "{{MediaPath}}"
            ],
            "timeoutSeconds": 120
          }
        ]
      }
    }
  }
}

混合配置（本地优先 + 云端兜底）#

如果你同时配置了云端 provider（如 OpenAI），可以让 mano-asr 优先，失败时回退到云端：

json

{
  "tools": {
    "media": {
      "audio": {
        "enabled": true,
        "models": [
          {
            "type": "cli",
            "command": "mano-asr",
            "args": ["transcribe", "--format", "text", "{{MediaPath}}"],
            "timeoutSeconds": 120
          },
          {
            "provider": "openai",
            "model": "gpt-4o-mini-transcribe"
          }
        ]
      }
    }
  }
}

OpenClaw 按顺序尝试 models 数组中的条目，第一个成功的就返回结果。

配置字段说明#

字段类型说明enabledboolean是否启用音频转写maxBytesnumber最大文件大小（默认 20MB = 20971520）echoTranscriptboolean转写后是否先将文本回显给用户确认（默认 false）echoFormatstring回显格式， {transcript} 为占位符models[].typestring"cli" 表示本地命令行工具models[].commandstring可执行文件名或完整路径models[].argsstring[]命令参数， {{MediaPath}} 由 OpenClaw 替换为实际音频路径models[].timeoutSecondsnumber超时秒数（默认 60，长音频建议 120）--hotwords—mano-asr 的热词参数，提升专有名词识别准确率

---

重启 & 验证#

重启 OpenClaw Gateway#

bash

openclaw gateway restart

确认配置已加载#

bash

openclaw config get tools.media.audio

发送语音测试#

通过任意已接入的渠道（企业微信、Telegram、WebChat 等）给 OpenClaw 发送一条语音消息。如果一切正常，AI 助手会基于转写后的文字内容进行回复。

---

工作原理#

text

┌─────────────┐    ┌──────────────┐    ┌───────────────────┐    ┌──────────────┐
│  用户发送   │    │   OpenClaw   │    │    mano-asr       │    │   AI 模型    │
│  语音消息   │───▶│  接收音频文件 │───▶│  本地 MLX 转写    │───▶│   处理文本   │
└─────────────┘    └──────────────┘    └───────────────────┘    └──────────────┘
                                                │
                                                ▼
                                         纯文本 transcript
                                        注入 {{Transcript}}

详细流程：

1. 用户通过渠道发送语音/音频消息
2. OpenClaw Gateway 接收并下载音频文件到本地临时目录
3. 检查文件大小是否超过 maxBytes 限制
4. 按 models 数组顺序调用第一个可用的转写引擎
5. 执行 mano-asr transcribe --format text <音频路径>
6. mano-asr 在本地通过 MLX 完成推理，输出纯文本到 stdout
7. OpenClaw 捕获输出，设置 {{Transcript}} 模板变量
8. 将转写文本作为消息内容传递给 AI 模型处理
9. AI 模型基于文字内容生成回复

---

模型管理#

查看可用模型#

bash

mano-asr model list

text

  Available Models
  ───────────────────────────────────
  Engine: qwen3-asr

  ASR Models:
    * Mano-ASR-0.8B-Instruct-1.0-MLX-8bit (active)
      Fun-ASR-Nano-2512-8bit
  ───────────────────────────────────

切换模型#

bash

mano-asr model use Fun-ASR-Nano-2512-8bit
mano-asr restart

模型大小特点Mano-ASR-0.8B-Instruct-1.0-MLX-8bit1GB默认启动模型，兼顾速度和精度Fun-ASR-Nano-2512-8bit500MB更轻量，速度更快

查看当前配置#

bash

mano-asr config show

---

服务管理#

命令说明mano-asr start启动服务（首次自动下载模型）mano-asr stop停止服务mano-asr restart重启服务mano-asr status查看服务状态mano-asr logs查看服务日志mano-asr doctor环境检查

注意： OpenClaw 使用的是 CLI 模式 ( mano-asr transcribe)。即使后台服务未运行，CLI 也能工作（会临时加载模型）。但保持服务运行可以显著加速转写，因为模型已预加载在内存中。

---

高级配置#

仅在私聊中启用（群聊禁用）#

json

{
  "tools": {
    "media": {
      "audio": {
        "enabled": true,
        "scope": {
          "default": "allow",
          "rules": [
            { "action": "deny", "match": { "chatType": "group" } }
          ]
        },
        "models": [
          {
            "type": "cli",
            "command": "mano-asr",
            "args": ["transcribe", "--format", "text", "{{MediaPath}}"],
            "timeoutSeconds": 120
          }
        ]
      }
    }
  }
}

指定 mano-asr 完整路径（PATH 找不到时）#

json

{
  "type": "cli",
  "command": "/opt/homebrew/bin/mano-asr",
  "args": ["transcribe", "--format", "text", "{{MediaPath}}"],
  "timeoutSeconds": 120
}

调整文件大小限制#

json

{
  "tools": {
    "media": {
      "audio": {
        "enabled": true,
        "maxBytes": 52428800,
        "models": [...]
      }
    }
  }
}

上例将限制设为 50MB。

---

故障排除#

问题：语音消息没有被转写#

检查清单：

bash

# 1. 确认 mano-asr 可用
mano-asr --version

# 2. 确认环境正常
mano-asr doctor

# 3. 确认 OpenClaw 配置
openclaw config get tools.media.audio

# 4. 手动测试转写
mano-asr transcribe --format text /path/to/audio.wav

# 5. 查看 OpenClaw 日志（verbose 模式会显示转写调用）
openclaw gateway restart --verbose

问题：转写超时#

• 增大 timeoutSeconds（默认 60，建议设为 120）
• 确保 mano-asr 服务在运行（预加载模型更快）： mano-asr start
• 检查音频时长是否过长（默认最大 660 秒）

问题：转写结果为空或乱码#

• 确认音频文件格式正确（支持 wav/mp3/ogg/webm/m4a/flac）
• 确认 ffmpeg 已安装： ffmpeg -version
• 尝试切换模型： mano-asr model use Mano-ASR-0.8B-Instruct-1.0-MLX-8bit

问题：找不到 mano-asr 命令#

bash

# 确认安装位置
which mano-asr
# 通常为 /opt/homebrew/bin/mano-asr

# 如果不在 PATH 中，在配置里使用完整路径
# "command": "/opt/homebrew/bin/mano-asr"

---

更新与卸载#

更新 mano-asr#

bash

brew upgrade mano-asr
mano-asr restart  # 如果服务在运行