基于Qwen3-ASR-0.6B的语音转文字Skill，支持22种中文方言和多语言识别，让你可以用方言和OpenClaw交流。
基于通义千问Qwen3-ASR-0.6B模型的语音转文字服务，支持22种中文方言和30种语言识别，让用户可以用方言直接和OpenClaw交流。
安徽话、东北话、福建话、甘肃话、贵州话、河北话、河南话、湖北话、湖南话、江西话、宁夏话、山东话、陕西话、山西话、四川话、天津话、云南话、浙江话、粤语（香港口音）、粤语（广东口音）、吴语、闽南语。
在OpenClaw中搜索「Qwen方言语音识别」，点击一键安装即可。
# 克隆项目
git clone <repository-url>
cd qwen-asr-skill
# 安装依赖
npm install
pip install -r requirements.txt
# 启动服务
npm start
| 变量名 | 默认值 | 说明 |
|---|---|---|
| PORT | 3000 | 服务端口 |
| HOST | 0.0.0.0 | 监听地址 |
| MODEL_NAME | Qwen/Qwen3-ASR-0.6B | ASR模型名称 |
| DEVICE | cpu | 运行设备（cpu/cuda） |
| DTYPE | float32 | 数据类型 |
| BATCH_SIZE | 4 | 批量处理大小 |
安装并启用后，直接在OpenClaw中发送语音消息即可，系统会自动：
你可以直接说方言，系统会自动识别，无需手动切换语言。
音频转文字接口
请求参数：
audio：音频文件或base64编码的音频数据（必需）language：指定语言/方言（可选，如："四川话"、"粤语"等）timestamps：是否返回时间戳（可选，默认false）响应示例：
{
"success": true,
"data": {
"text": "你好，我是四川人，今天吃火锅。",
"language": "Sichuan",
"confidence": 0.98,
"duration": 1.23
}
}
欢迎提交Issue和Pull Request来改进这个Skill！
Apache-2.0 License
ZIP package — ready to use