Transcrição local de voz para texto para OpenClaw usando Parakeet TDT 0.6b v3

Configuração local de transcrição para OpenClaw

Um desenvolvedor da comunidade adaptou o modelo Parakeet TDT 0.6b v3 da NVIDIA para transcrição local de voz para texto dentro do OpenClaw. O modelo roda via inferência ONNX em CPU, eliminando custos de API e suportando 25 idiomas europeus.

Implementação técnica

A solução usa um repositório GitHub (groxaxo/parakeet-tdt-0.6b-v3-fastapi-openai) que fornece um contêiner Docker para implantação em CPU. O contêiner expõe um endpoint de API compatível com OpenAI em http://127.0.0.1:5092/v1.

Os idiomas suportados incluem: Búlgaro (bg), Croata (hr), Tcheco (cs), Dinamarquês (da), Holandês (nl), Inglês (en), Estoniano (et), Finlandês (fi), Francês (fr), Alemão (de), Grego (el), Húngaro (hu), Italiano (it), Letão (lv), Lituano (lt), Maltês (mt), Polonês (pl), Português (pt), Romeno (ro), Eslovaco (sk), Esloveno (sl), Espanhol (es), Sueco (sv), Russo (ru) e Ucraniano (uk).

Integração com OpenClaw

O desenvolvedor fornece um script Python para transcrição:

#!/home/openclaw/.local/share/pipx/venvs/openai/bin/python
import sys
from openai import OpenAI

client = OpenAI(
    base_url="http://127.0.0.1:5092/v1",
    api_key="sk-no-key-required"
)
audio_file = open(sys.argv[1], "rb")
transcript = client.audio.transcriptions.create(
    model="parakeet-tdt-0.6b-v3",
    file=audio_file,
    response_format="text"
)
print(transcript)

Este script pode ser configurado no arquivo openclaw.json do OpenClaw:

"tools": {
    "media": {
        "audio": {
            "enabled": true,
            "models": [
                {
                    "type": "cli",
                    "command": "/home/openclaw/.local/bin/transcribe",
                    "args": ["{{MediaPath}}"],
                    "timeoutSeconds": 60
                }
            ]
        }
    }
}

Alternativamente, o OpenClaw pode ser configurado para usar diretamente o endpoint de API compatível com OpenAI com o nome do modelo e a chave de API fictícia do script.

Notas de implantação

O desenvolvedor testou isso em uma VM Ubuntu ARM64 em um Mac Mini com M4 Pro, observando que deve rodar razoavelmente rápido em qualquer CPU Intel compatível decente. O contêiner Docker é construído seguindo as instruções do README no repositório GitHub.