ez-stt

Compare original and translation side by side

🇺🇸

Original

English

🇨🇳

Translation

Chinese

ez-stt - Local Speech-to-Text

ez-stt - 本地语音转文本

Unified local speech-to-text using ONNX Runtime with int8 quantization. Choose your backend:

Parakeet (default): Best accuracy for English, correctly captures names and filler words
Whisper: Fastest inference, supports 99 languages

Requires

ffmpeg

installed.

基于ONNX Runtime并采用int8量化的统一本地语音转文本工具。您可以选择以下后端：

Parakeet（默认）：英文识别准确率最高，能准确捕捉姓名和填充词
Whisper：推理速度最快，支持99种语言

需要预先安装

ffmpeg

。

Usage

使用方法

bash

undefined

bash

undefined

Default: Parakeet v2 (best English accuracy)

默认：Parakeet v2（英文识别准确率最高）

scripts/stt.py audio.ogg

Explicit backend selection

显式选择后端

scripts/stt.py audio.ogg -b whisper scripts/stt.py audio.ogg -b parakeet -m v3

Quiet mode (suppress progress)

静默模式（隐藏进度）

scripts/stt.py audio.ogg --quiet

undefined

scripts/stt.py audio.ogg --quiet

undefined

Options

选项

```
-b/--backend
```
:
```
parakeet
```
(default),
```
whisper
```
```
-m/--model
```
: Model variant (see below)
```
--no-int8
```
: Disable int8 quantization
```
-q/--quiet
```
: Suppress progress
```
--room-id
```
: Matrix room ID for direct message

```
-b/--backend
```
:
```
parakeet
```
（默认）、
```
whisper
```
```
-m/--model
```
: 模型变体（详见下文）
```
--no-int8
```
: 禁用int8量化
```
-q/--quiet
```
: 隐藏进度
```
--room-id
```
: 用于直接消息的Matrix房间ID

Models

模型

Parakeet (default backend)

Parakeet（默认后端）

Model	Description
v2 (default)	English only, best accuracy
v3	Multilingual

模型	描述
v2（默认）	仅支持英文，准确率最高
v3	支持多语言

Whisper

Model	Description
tiny	Fastest, lower accuracy
base (default)	Good balance
small	Better accuracy
large-v3-turbo	Best quality, slower

模型	描述
tiny	速度最快，准确率较低
base（默认）	平衡性能与准确率
small	准确率更高
large-v3-turbo	质量最佳，速度较慢

Benchmark (24s audio)

基准测试（24秒音频）

Backend/Model	Time	RTF	Notes
Whisper Base int8	0.43s	0.018x	Fastest
Parakeet v2 int8	0.60s	0.025x	Best accuracy
Parakeet v3 int8	0.63s	0.026x	Multilingual

后端/模型	耗时	RTF	说明
Whisper Base int8	0.43秒	0.018x	速度最快
Parakeet v2 int8	0.60秒	0.025x	准确率最高
Parakeet v3 int8	0.63秒	0.026x	支持多语言

OpenClaw

See OPENCLAW.md for OpenClaw-specific setup and

openclaw.json

configuration.

请查看OPENCLAW.md了解OpenClaw专属设置和

openclaw.json

配置方法。