qclaw语音指令识别不准的主因是微信asr链路干扰，而非模型缺陷；需规范语音操作（等提示音、停顿0.5秒、避开低信噪比环境），使用结构化短句，并在windows启用本地whisper.cpp识别提升准确率。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
手机端语音指令识别准确率低，导致QClaw反复追问、执行错任务或直接跳过关键动作，根本原因常不是模型能力不足，而是语音链路中存在未被察觉的干扰源——比如微信语音转文字环节的方言适配缺失、背景噪音未过滤、语速过快导致标点丢失，或指令结构本身触发了QClaw的语义解析盲区。
确保语音输入链路干净可靠
微信内置语音转文字是QClaw语音指令的第一道关卡，它不经过QClaw模型，而是由微信客户端本地ASR完成。一旦这步出错，后续所有推理都基于错误文本展开。
第一步：发送语音前，先长按麦克风图标，听到“滴”声后再开始说话——【未等提示音就开口会导致首字丢失，QClaw可能把“整理桌面”误判为“理桌面”】。
第二步：说完后不要立即松手，稍作0.5秒停顿再释放，避免尾音被截断。
第三步：避开地铁报站、空调轰鸣、多人交谈等信噪比低于15dB的环境；实测显示，在咖啡馆嘈杂区语音识别错误率比安静书房高3.2倍。
用结构化短句替代长段口语
QClaw对语音转写后的文本做二次NLU解析，而自然口语中的“啊”“那个”“就是……吧”等填充词会稀释动词权重，让模型更难定位核心动作。
方法一：把“你能不能帮我把微信文档里那个昨天下载的PDF，名字好像是‘用户调研’，转成Excel发我邮箱？”压缩成：“转微信文档里‘用户调研.PDF’为Excel，发我邮箱。”
方法二：对含时间/路径/格式等关键约束的指令，提前在微信文字框打好草稿，语音只读关键词——例如先输入“存到D盘QClaw文件夹”，再语音说：“存到→D盘→QClaw文件夹”，QClaw会自动补全路径符号。
注意：不要在语音中说“上面那条”“刚才那个”，QClaw语音链路不支持跨语音帧上下文继承，仅文字指令支持“上一个”锚定。
启用本地语音增强插件（Windows专属）
QClaw v0.1.15+在Windows平台内置了Whisper.cpp轻量引擎，可绕过微信ASR，直接调用本地语音识别模块，对带口音、语速快、专业术语多的语音识别准确率提升显著。
打开QClaw主界面→点击右上角齿轮图标→进入「语音设置」→勾选「启用本地语音识别（需重启）」→关闭并重新启动QClaw。
重启后，你在微信中发送语音时，QClaw会在后台自动切换识别通道；此时手机端不会有任何提示，但识别结果文本将明显更贴近原意——尤其对“SQL”“Git commit”“PyTorch”等技术词拼写正确率从61%升至94%。
该功能仅限Windows系统，macOS用户请继续使用微信原生ASR，并严格遵循前两节的发音与句式规范。
