在 Ubuntu/Linux 和 macOS（Intel/Apple Silicon）上安装并运行适用于 OpenClaw 的本地 NVIDIA Parakeet ASR，配备与 OpenAI 兼容的语音转文本 API。适用于用户需要私有本地语音转文本、语音转录设置、ASR 故障排除，或使用 Parakeet 配置 OpenClaw 语音栈（可选 Whisper 作为备用）的场景。

适用于 ElevenLabs API 的 OpenClaw 技能：文本转语音、语音转语音、实时语音转文本、语音/模型以及对话工作流

使用 Soniox 实时语音识别技术为 OpenClaw 提供后台语音日记功能。需要配置 SONIOX_API_KEY，请前往 https://soniox.com/speech-to-text 获取或创建您的 Soniox API 密钥。当用户请求启动或停止被动语音记录（例如“开始语音日记”“开始语音日志”“结束语音日记”）或要求总结/转录最近 N 分钟的对话内容时使用此功能。

安装并使用 speechall 命令行工具进行语音转文本转录。适用于用户需要：（1）将音频或视频文件转录为文本，（2）在 macOS 或 Linux 上安装 speechall，（3）列出可用的语音识别模型及其功能，（4）通过终端使用说话人分离、字幕或其他转录功能。当提及 speechall、音频转录命令行工具或命令行语音转文本时触发。

使用 fal.ai 音频模型实现文本转语音和语音转文本

使用 Telnyx 语音转文本 API 将音频文件转录为文本。适用于需要将音频录音、语音消息或口语内容转换为文本的场景。

ElevenLabs AI 音频平台的命令行工具，支持文本转语音、语音转文本、声音克隆等功能

在 macOS 上使用原生苹果功能实现本地语音识别和语音合成。语音转文字通过 yap（Apple Speech.framework）实现，文字转语音通过 say 加 ffmpeg 实现。完全离线运行，无需 API 密钥。内置语音质量检测与智能语音选择功能。

使用 MLX（Apple 芯片）和开源模型（默认为 GLM-ASR-Nano-2512）本地实现语音转文本