Como configurar faster-whisper para transcrição de áudios local e gratuita

Copie e cole este prompt para que o próprio openclaw ou algum agente que tenha acesso root à sua máquina instale o faster-whisper e configure o Open Claw para usá-lo para as transcrições de áudio.

Tarefa: Configurar o Speech-to-Text (STT) local no OpenClaw rodando em Ubuntu

Objetivo: Substituir o Whisper via API pela ferramenta otimizada faster-whisper local.

Instruções de Execução:

1. Dependências do Sistema

Instale o FFmpeg e as ferramentas de Python no Ubuntu:

shell

sudo apt update && sudo apt install -y ffmpeg python3-pip python3-venv

1. Ambiente Virtual

Crie uma pasta dedicada para o STT e um ambiente virtual:

shell

mkdir -p ~/.openclaw/stt
python3 -m venv ~/.openclaw/stt/.venv
source ~/.openclaw/stt/.venv/bin/activate
pip install faster-whisper

1. Script de Transcrição

Crie o arquivo ~/.openclaw/stt/transcribe.py com o seguinte conteúdo otimizado:

Python

import sys
from faster_whisper import WhisperModel

# Configuração para CPU (melhor equilíbrio qualidade/performance)
model = WhisperModel("small", device="cpu", compute_type="int8")

def transcribe(audio_path):
    segments, _ = model.transcribe(audio_path, beam_size=5)
    return " ".join([segment.text for segment in segments]).strip()

if __name__ == "__main__":
    if len(sys.argv) < 2:
        sys.exit(1)

    print("---TRANSCRIPTION_START---")
    print(transcribe(sys.argv[1]))
    print("---TRANSCRIPTION_END---")

1. Configuração do OpenClaw

Use a ferramenta de configuração para aplicar o patch no objeto audio.transcription:

shell

openclaw config.patch '{"audio": {"transcription": {"command": ["/root/.openclaw/stt/.venv/bin/python3", "/root/.openclaw/stt/transcribe.py"]}}}'

1. Verificação

Reinicie o gateway do OpenClaw para aplicar as mudanças:

openclaw gateway restart

Teste enviando um áudio para verificar se a transcrição local funciona corretamente.