Free Claude Code 的语音笔记功能让你在 Discord 或 Telegram 中发送语音消息，代理自动用 Whisper 转写为文字，再作为编程指令交给 Claude Code 执行。支持本地 CPU/GPU 和 NVIDIA NIM 云端两种转写后端。

Free Claude Code 语音笔记转写：Discord/Telegram 语音消息自动处理

工作流程

你发送语音消息 (Discord/Telegram)
        ↓
Free Claude Code 接收音频文件
        ↓
Whisper 转写为文字（本地或 NVIDIA NIM）
        ↓
转写文字作为编程指令交给 Claude Code CLI
        ↓
执行结果回传到聊天窗口

启用语音功能

安装依赖

根据你选择的转写后端安装对应依赖：

# 本地 Whisper（CPU/CUDA，免费）
uv sync --extra voice_local

# NVIDIA NIM 云端转写
uv sync --extra voice

# 两者都装
uv sync --extra voice --extra voice_local

配置 .env

VOICE_NOTE_ENABLED=true

转写后端选择

本地 Whisper（voice_local）

适合有 GPU 的机器，完全离线：

WHISPER_DEVICE="cpu"      # 或 "cuda"（有 NVIDIA GPU 时）
WHISPER_MODEL="base"      # tiny / base / small / medium / large-v2 / large-v3
HF_TOKEN=""               # Hugging Face Token（可选，用于下载模型）

模型	大小	速度	准确度
tiny	~75MB	最快	低
base	~150MB	快	中
small	~500MB	中	较高
medium	~1.5GB	慢	高
large-v2/v3	~3GB	最慢	最高

推荐：日常用 base，需要高准确度时用 medium。

NVIDIA NIM 云端转写

利用 NVIDIA 的 Whisper 托管服务，不消耗本地资源：

WHISPER_DEVICE="nvidia_nim"
WHISPER_MODEL="openai/whisper-large-v3"  # 或 nvidia/parakeet-ctc-1.1b-asr

需要同时配置 NVIDIA_NIM_API_KEY。这里的语音转写和聊天模型（MODEL）是独立的——你可以用 NVIDIA NIM 做语音转写，同时用 DeepSeek 做聊天。

混合配置

如果 WHISPER_DEVICE="cpu" 或 "cuda"，使用 Hugging Face 的 transformers Whisper，不依赖 NVIDIA API。

如果 WHISPER_DEVICE="nvidia_nim"，走 NVIDIA NIM 的 Riva gRPC 服务。

验证

1. 确保代理已启动且消息平台（Discord/Telegram）已配置
2. 在聊天窗口发送一段语音消息
3. 观察 Bot 是否回复转写结果并开始执行任务

FAQ

Q: 语音转写的语言支持哪些？ A: Whisper 支持 100+ 语言，中英文都能用。NVIDIA NIM 的 Whisper 也支持多语言。中文转写建议用 base 以上模型，tiny 中文准确度较低。

Q: 本地 Whisper 太慢怎么办？ A: 用 CUDA（需要 NVIDIA GPU）或换 NVIDIA NIM 云端转写。CPU 上 base 模型通常几秒内完成，large-v3 可能需要十几秒。

Q: 可以只用语音功能不配消息平台吗？ A: 不可以。语音功能依赖 Discord 或 Telegram 的消息通道来接收和回传消息。必须先配置好消息平台。