WhatsApp Voice — ユースケーススキル

これはユースケーススキルであり、スタンドアロン統合ではありません。以下を組み合わせています:

• openai-whisper CLI — 文字起こし
• personal-crm — 人物が言及された場合、コンタクトの Last Topic を更新
• monday / task tracker — 必要に応じてタスクを保存

---

文字起こし戦略（期間に応じた自動選択）

オーディオの長さに基づいてモデルを選択します:

ティア	モデル	使用場面	推定時間
1 — 高速	tiny (ローカル)	≤ 15 秒	5-15秒
2 — バランス型	small (ローカル)	15-60 秒	30-90秒
3 — 高精度	OpenAI Whisper API	> 60 秒	2-5秒

自動選択スクリプト

#!/bin/bash
FILE="$1"

# Get duration
DURATION=$(ffprobe -v quiet -show_entries format=duration -of csv=p=0 "$FILE" 2>/dev/null | cut -d. -f1)
DURATION=${DURATION:-0}

if [ "$DURATION" -le 15 ]; then
  MODEL="tiny"; TIMEOUT=30
elif [ "$DURATION" -le 60 ]; then
  MODEL="small"; TIMEOUT=120
else
  USE_API=true
fi

if [ "${USE_API:-false}" = true ]; then
  RESULT=$(curl -s https://api.openai.com/v1/audio/transcriptions \
    -H "Authorization: Bearer $OPENAI_API_KEY" \
    -F file="@$FILE" \
    -F model="whisper-1" \
    -F language="he" \
    | jq -r '.text')
else
  OUTDIR="/tmp/whisper-$$"
  mkdir -p "$OUTDIR"
  whisper "$FILE" --model "$MODEL" --language he --output_format txt --output_dir "$OUTDIR" 2>/dev/null
  RESULT=$(cat "$OUTDIR/"*.txt 2>/dev/null)

  # If tiny returned too few words, retry with small
  WORD_COUNT=$(echo "$RESULT" | wc -w)
  if [ "$MODEL" = "tiny" ] && [ "$WORD_COUNT" -le 1 ]; then
    whisper "$FILE" --model small --language he --output_format txt --output_dir "$OUTDIR" 2>/dev/null
    RESULT=$(cat "$OUTDIR/"*.txt 2>/dev/null)
  fi
fi

echo "$RESULT"

---

インストール

# Whisper CLI のインストール (ローカル)
pip install openai-whisper

# 期間検出用の ffprobe
apt install ffmpeg   # Linux
brew install ffmpeg  # macOS

モデルは初回実行時に自動的に ~/.cache/whisper/ にダウンロードされます。

---

完全なユースケースフロー: 音声 → CRM → monday

オーナーが音声メッセージを送信した場合:

1. 文字起こし (Whisper) — OGG をテキストに変換
2. 意図の識別 — テキストを読み、何が必要かを理解
3. 人物が言及された場合 (personal-crm) — CRM ボードを検索し、Last Topic を更新
4. タスクが必要な場合 — monday タスク トラッカーでアイテムを作成
5. 実行 — 要求されたことを実行

音声 OGG → [Whisper] → テキスト → [意図] → [CRM 更新] + [monday タスク] + [実行]

---

ヘブライ語固有の注意事項

• 常に --language he を渡します — 自動検出は英語をデフォルトとすることが多いです
• 名前と技術用語は音韻的に文字起こしされることがあります
• small モデルは自然なヘブライ語音声をよく処理します

---

既知の問題

• CPU での FP16 警告 = 予想通り、エラーではありません
• 2 秒未満のクリップは幻覚を起こす可能性があります — 再録音を依頼してください
• GPU なし = 遅い。OpenAI API は長いクリップの高速パスです (~$0.006/分)

---

ファイルの場所 (OpenClaw)

WhatsApp インバウンドメディア:

/path/to/openclaw/media/inbound/<uuid>.ogg

ファイルパスは各インバウンドメディア添付ファイルのシステムメタデータに含まれています。