Подскажите пожалуйста как научить голосовые распознавать лобстера?
у меня сначала работало, а теперь фигня какая-то. игнорит мои сообщения.
Просто попроси его об этом, он локально развернет модель виспера и будет делать это бесплатно ( но доовольно медленно)
Я сделал apikey groq
Он бесплатно большой лимит даёт
Попытался добавить нативно в OpenClaw
То есть, голосовое сначала приходит в GateWay, потом передаётся расшифровка в модель
Но там какая-то бага, видимо — у меня не работает
Codex потыкался, но тоже не смог починить
В итоге, оформили отдельный скилл, чтобы он каждый раз не паниковал
У меня это отдельный файл, который упоминается в TOOLS.MD
Умные модельки (codex, claude) и без него могли догадаться что делать, а попроще (gemini-3.1-flash-lite-preview) иной раз переводили байты голосового в символы и охреневал
У меня в ТГ включен вывод того, какие действия делает бот, поэтому я охреневал вместе с ним
title: “Транскрипция голосовых сообщений (Groq Whisper)”
summary: “Транскрипция голосовых сообщений с помощью API Groq”
read_when:
- Когда ты хочешь получить транскрипцию из аудиосообщения от пользователя
Транскрипция голосовых сообщений (Groq Whisper)
Автотранскрипция через openclaw НЕ работает. Выполнять вручную для каждого аудиосообщения:
- Файл — поступает в
/home/claw/.openclaw/media/inbound/<filename>.ogg - Токен — переменная окружения
$GROQ_API_KEY(уже прописана в openclaw.json) - Запрос:
curl -s -X POST “https://api.groq.com/openai/v1/audio/transcriptions”
-H “Authorization: Bearer $GROQ_API_KEY”
-F “file=@/home/claw/.openclaw/media/inbound/.ogg”
-F “model=whisper-large-v3-turbo”
-F “language=ru”
- Ответ — JSON с полем
text, содержащим расшифровку - Модель —
whisper-large-v3-turbo(быстрая, хорошо понимает русский язык)
закопался он что-то…
4 часа общения и все заработало.
спасибо добрым людям что поддсказали немного
А у кого-то сейчас работает распознавание голосовых не стандартным open ai api? Только не через скилл или скрипт, а нормально через плагин?
До недавнего обновления у меня отлично работал Groq с написанным самим агентом плагином. Но потом все сломалось и он так и не мог автоматически ловить голосовухи.
я вчера на 4.10 тестил, skill whisper локальный работал. Может посмотреть как он внутри утроен и скопировать, то что нужно для ловли голосовых
Влад, а что в омнироуте потыкать надо, чтоб он мог генерацию картинок делать черег гпт кодекс ? это не оно ? если оно как верно использовать
честно не знаю, вроде бы вообще нельзя через codex картинки генерить
Я не пойму, ты хочешь, чтобы у тебя лобстер распознавал голосовые? Ну вот, поставь себе Eleven Labs, и будет он распознавать. Он вообще должен из коробки стоять, тебе только API добавить, и всё
Достаточно Whisper.cpp с моделью ggml-small.bin
Не делай голову челу
Я бы себе поставил елевенлабс, но только если бы мне нужно было чтоб он ещё голосовухами и отвечал. А для транскриба, который тому челу нужен, есть более простые вещи, чем внешние завистмости
По такой логике можно дойти и до того, что зачем тогда вообще крабом заниматься, когда проще за деньги попросить
ну у тебя и логика… смотри завтра он захочет чтоб он ему в чат отвечал голосом, а потом создаст агента с голосом своей подруги например, через день ему краб звонить будет, и звонить от его имени пицу заказьівать..вот где “заниматься”, а тьі сиди с ggml-small.bin
