本地 STT（MLX-Whisper）
语音识别完全在你的 Apple Silicon Mac 上通过 MLX-Whisper large-v3-mlx-4bit 运行。无云端 API，无使用费，音频不离开你的机器。
插件 OpenClaw 生态
Voice Control
随时随地与 AI 助手自然对话——零付费语音 API
概览
Voice Control 将你的 OpenClaw 变成免提 AI 助手。基于 WebRTC，完全自托管——MLX-Whisper 本地语音识别、Edge-TTS 免费文字转语音、LiveKit 实时音频。生成一次性链接，在手机上打开，开口说话即可。
0
付费 STT/TTS API
1h
链接有效期
Apple Silicon
优化平台
WebRTC
音频传输
能力
核心功能
所有组件本地运行或使用免费服务——语音功能零持续 API 成本。
免费 TTS（Edge-TTS）
文字转语音由微软免费的 Edge-TTS 服务驱动——高质量自然声音，无订阅或按字计费。
WebRTC（LiveKit）
通过 WebRTC 实时音频流，使用 LiveKit 自托管。低延迟双工音频，可在任何浏览器或 iOS Safari 中可靠使用。
支持 iPhone
随时随地用 iPhone 呼叫你的 AI。Tailscale 提供受信任的 HTTPS 端点，iOS Safari 连接无证书警告。
语音触发工具调用
通过对话自然触发：让 Claude 读取文件、运行 Shell 命令、搜索记忆库或列出活动会话。
Tailscale 远程访问
在你的 Tailscale 网络中随处可访问。一次性通话链接 1 小时后过期，每次会话从新开始，保持安全。
架构
工作原理
完全自托管的音频流水线——从你的麦克风到 Claude 的声音，没有任何内容离开你的网络。
每次通话经过确定性的六步流水线。语音由 Silero VAD 检测，由 MLX-Whisper 在设备上本地转录，由 Claude 处理，然后由 Edge-TTS 转换回音频——整个过程通过 WebRTC 实时完成。
1
麦克风 / iPhone 通过 WebRTC 捕获音频
2
VAD Silero 检测语音边界
3
STT MLX-Whisper 本地转录
4
Claude LLM 生成回复和工具调用
5
Edge-TTS 将回复合成为音频
6
扬声器 通过 LiveKit 回传音频
一次性链接流程
①
运行 ./call.sh——生成签名 JWT + 唯一房间
②
链接通过 Tailscale DNS 投递（受信任的 Let's Encrypt 证书）
③
在 iPhone 或浏览器打开——通过 token server 完成 WebRTC 握手
④
音频通过 LiveKit 流向语音 Agent
⑤
链接 1 小时后过期——下次通话，新链接
STT
MLX-Whisper
本地，Apple Silicon
TTS
Edge-TTS
微软免费
Transport
LiveKit
自托管 WebRTC
Access
Tailscale
零配置 VPN
覆盖范围
语音能做什么
语音 Agent 拥有 OpenClaw 工具的完整访问权——你能打字的，现在都能说。
提问
与 Claude 自然对话——随手提问、头脑风暴，或免手动获取快速答案。
运行命令
通过语音在 Mac mini 上执行 Shell 命令——无需键盘。
搜索记忆
大声查询你的 OpenClaw 记忆库，立即获得语音答复。
读取文件
让 Claude 读取系统上的任意文件并朗读摘要或解释。
列出会话
了解哪些 Agent 在活动、哪些任务在运行，或有哪些会话存在——直接问就行。
控制 Agent
引导子 Agent、检查任务状态，在任何地方通过语音编排你的 OpenClaw 环境。
即将上线
加入候补名单
第一时间获知此插件上线。