车公庙北街

本文介绍了为OpenClaw增加语音识别功能的实现过程。作者通过部署FunASR语音识别服务，将飞书接收的ogg音频转换为wav格式后发送给FunASR进行识别。详细记录了环境搭建步骤，包括创建conda环境、安装依赖库、启动FunASR服务器等。同时开发了OpenClaw的语音处理技能和中间件脚本，实现了从接收语音消息到文本转换的完整流程。最终测试显示该功能在GLM-5和本地Ollama运行的qwen3.5:9b模型上都能正常工作，成功将语音消息转换为可处理的文本内容。

第一次使用FunASR，对于它的原理、用法还不熟，借用AI，只是提高效率，对于我不熟、AI也不熟的地方，实在没有好的方法，只能一步一个脚印、走一步踩一坑地走下去。维度WebSocket服务器本地直接调用正确率大部分一样，最后一段差优加载速度优，免加载差，耗时识别速度同同性能消耗差，不用也会消耗优，按需调用内存占用差，持续占用内存优，按需调用由于我是要在OpenClaw中使用飞书调用FunASR识别我发的语音，两种方案都差不多。我就暂时先按照WebSocket服务器来用。

由于之前的没有截图，只凭记忆，PRO套餐每5小时有600次左右的prompt，且没有周的限制。这次更新套餐计划后，增加了周prompt次数限制。在使用上体验就觉得变差了，经常遇到模型限制、API速率限制。我是GLM Coding Plan PRO套餐，26年1月底购买的，刚好用上了跨年优惠，觉得还挺实惠的。网上有人说智谱卖太多了，一核算发现要亏钱，赶紧偷偷改套餐，想挽回点损失。虽然也收到了退款的通知，但是考虑到性价比还可以，暂时还不计划退款。在马年之前，智谱更新了GLM-5，同时也更新了套餐计划。

上一篇只是将FunASR在本地环境调试好，解决了基本问题，并验证可行性。本文将实现在本地启动一个实时处理语音识别的服务。

本文记录了在本地部署通义实验室Fun-ASR语音识别服务的完整过程。使用Anaconda创建Python 3.12环境，从源码安装FunASR，并下载Fun-ASR-Nano模型。通过示例代码验证了中文语音识别功能，支持31种语言识别。部署过程中遇到官方文档不够详细的问题，作者详细记录了每个步骤供后续参考。最后反思了技术实践的重要性，认为亲自部署虽然困难但能加深理解，如同取经之路需要亲身经历才能真正掌握工具使用。整个部署涉及环境配置、模型下载和功能验证三个主要环节。