تحويل النص إلى كلام

OpenClaw يحوّل الردود الصادرة إلى صوت عبر 14 مزودًا لتحويل النص إلى كلام: رسائل صوتية أصلية على Feishu وMatrix وTelegram وWhatsApp؛ ومرفقات صوتية في كل مكان آخر؛ وتدفقات PCM/Ulaw للاتصالات الهاتفية وTalk.

يمثّل تحويل النص إلى كلام نصف إخراج الكلام في وضع stt-tts الخاص بـ Talk (تستخدم talk.speak مسار التوليف نفسه). أما جلسات Talk الأصلية للمزود realtime فتولّف الكلام داخل مزود الوقت الفعلي؛ بينما لا تولّف جلسات transcription ردًا صوتيًا للمساعد مطلقًا.

البدء السريع

{  messages: {    tts: {      auto: "always",      provider: "elevenlabs",    },  },}

المزودون المدعومون

إذا ضُبط عدة مزودين، يُستخدم المزود المحدد أولًا وتكون المزودات الأخرى خيارات احتياطية. يستخدم التلخيص التلقائي summaryModel (أو agents.defaults.model.primary)، لذا يجب أيضًا مصادقة ذلك المزود إذا أبقيت الملخصات مفعّلة.

الإعدادات

توجد إعدادات تحويل النص إلى كلام ضمن messages.tts في ~/.openclaw/openclaw.json. اختر إعدادًا مسبقًا وعدّل كتلة المزود. حقلا speakerVoice/speakerVoiceId الموضحان أدناه هما الحقلان القياسيان؛ ولا تزال أسماء حقول voice/voiceId/ voiceName الخاصة بكل مزود تعمل كأسماء بديلة قديمة.

{messages: {tts: {  auto: "always",  provider: "azure-speech",  providers: {    "azure-speech": {      apiKey: "${AZURE_SPEECH_KEY}",      region: "eastus",      speakerVoice: "en-US-JennyNeural",      lang: "en-US",      outputFormat: "audio-24khz-48kbitrate-mono-mp3",      voiceNoteOutputFormat: "ogg-24khz-16bit-mono-opus",    },  },},},}

{messages: {tts: {  auto: "always",  provider: "elevenlabs",  providers: {    elevenlabs: {      apiKey: "${ELEVENLABS_API_KEY}",      model: "eleven_multilingual_v2",      speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",    },  },},},}

{messages: {tts: {  auto: "always",  provider: "google",  providers: {    google: {      apiKey: "${GEMINI_API_KEY}",      model: "gemini-3.1-flash-tts-preview",      speakerVoice: "Kore",      // مطالبات اختيارية للنمط بلغة طبيعية:      // audioProfile: "تحدّث بنبرة هادئة تشبه نبرة مقدّم بودكاست.",      // speakerName: "Alex",    },  },},},}

{messages: {tts: {  auto: "always",  provider: "gradium",  providers: {    gradium: {      apiKey: "${GRADIUM_API_KEY}",      speakerVoiceId: "YTpq7expH9539ERJ",    },  },},},}

{messages: {tts: {  auto: "always",  provider: "inworld",  providers: {    inworld: {      apiKey: "${INWORLD_API_KEY}",      modelId: "inworld-tts-1.5-max",      speakerVoiceId: "Sarah",      temperature: 0.7,    },  },},},}

{messages: {tts: {  auto: "always",  provider: "tts-local-cli",  providers: {    "tts-local-cli": {      command: "say",      args: ["-o", "{{OutputPath}}", "{{Text}}"],      outputFormat: "wav",      timeoutMs: 120000,    },  },},},}

{messages: {tts: {  auto: "always",  provider: "microsoft",  providers: {    microsoft: {      enabled: true,      speakerVoice: "en-US-MichelleNeural",      lang: "en-US",      outputFormat: "audio-24khz-48kbitrate-mono-mp3",      rate: "+0%",      pitch: "+0%",    },  },},},}

{messages: {tts: {  auto: "always",  provider: "minimax",  providers: {    minimax: {      apiKey: "${MINIMAX_API_KEY}",      model: "speech-2.8-hd",      speakerVoiceId: "English_expressive_narrator",      speed: 1.0,      vol: 1.0,      pitch: 0,    },  },},},}

{messages: {tts: {  auto: "always",  provider: "openai",  summaryModel: "openai/gpt-4.1-mini",  modelOverrides: { enabled: true },  providers: {    openai: {      apiKey: "${OPENAI_API_KEY}",      model: "gpt-4o-mini-tts",      speakerVoice: "alloy",    },    elevenlabs: {      apiKey: "${ELEVENLABS_API_KEY}",      model: "eleven_multilingual_v2",      speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",      voiceSettings: { stability: 0.5, similarityBoost: 0.75, style: 0.0, useSpeakerBoost: true, speed: 1.0 },      applyTextNormalization: "auto",      languageCode: "en",    },  },},},}

{messages: {tts: {  auto: "always",  provider: "openrouter",  providers: {    openrouter: {      apiKey: "${OPENROUTER_API_KEY}",      model: "hexgrad/kokoro-82m",      speakerVoice: "af_alloy",      responseFormat: "mp3",    },  },},},}

{messages: {tts: {  auto: "always",  provider: "volcengine",  providers: {    volcengine: {      apiKey: "${VOLCENGINE_TTS_API_KEY}",      resourceId: "seed-tts-1.0",      speakerVoice: "en_female_anna_mars_bigtts",    },  },},},}

{messages: {tts: {  auto: "always",  provider: "xai",  providers: {    xai: {      apiKey: "${XAI_API_KEY}",      speakerVoiceId: "eve",      language: "en",      responseFormat: "mp3",    },  },},},}

{messages: {tts: {  auto: "always",  provider: "xiaomi",  providers: {    xiaomi: {      apiKey: "${XIAOMI_API_KEY}",      model: "mimo-v2.5-tts",      speakerVoice: "mimo_default",      format: "mp3",    },  },},},}

بالنسبة إلى Xiaomi ‏mimo-v2.5-tts-voicedesign، احذف speakerVoice واضبط style على مطالبة تصميم الصوت. يرسل OpenClaw تلك المطالبة بوصفها رسالة user الخاصة بتحويل النص إلى كلام، ولا يرسل audio.voice لنموذج تصميم الصوت.

تجاوزات الصوت الخاصة بكل وكيل

استخدم agents.list[].tts عندما ينبغي لأحد الوكلاء التحدث باستخدام مزود أو صوت أو نموذج أو شخصية أو وضع TTS تلقائي مختلف. تُدمج كتلة الوكيل دمجًا عميقًا فوق messages.tts، لذا يمكن أن تبقى بيانات اعتماد المزود في إعدادات المزود العامة:

{  messages: {    tts: {      auto: "always",      provider: "elevenlabs",      providers: {        elevenlabs: { apiKey: "${ELEVENLABS_API_KEY}", model: "eleven_multilingual_v2" },      },    },  },  agents: {    list: [      {        id: "reader",        tts: {          providers: {            elevenlabs: { speakerVoiceId: "EXAVITQu4vr4xnSDxMaL" },          },        },      },    ],  },}

لتثبيت شخصية خاصة بكل وكيل، عيّن agents.list[].tts.persona إلى جانب إعدادات المزود — إذ يتجاوز messages.tts.persona العام لذلك الوكيل فقط.

ترتيب الأولوية للردود التلقائية و/tts audio و/tts status وأداة الوكيل tts:

1. messages.tts
2. agents.list[].tts النشط
3. تجاوز القناة، عندما تدعم القناة channels.<channel>.tts
4. تجاوز الحساب، عندما تمرر القناة channels.<channel>.accounts.<id>.tts
5. تفضيلات /tts المحلية لهذا المضيف
6. توجيهات [[tts:...]] المضمّنة عند تمكين تجاوزات النموذج

تستخدم تجاوزات القناة والحساب البنية نفسها التي يستخدمها messages.tts، وتُدمج دمجًا عميقًا فوق الطبقات السابقة، لذا يمكن أن تبقى بيانات اعتماد المزود المشتركة في messages.tts بينما يغيّر حساب قناة أو روبوت صوت المتحدث أو النموذج أو الشخصية أو الوضع التلقائي فقط:

{  messages: {    tts: {      provider: "openai",      providers: {        openai: { apiKey: "${OPENAI_API_KEY}", model: "gpt-4o-mini-tts" },      },    },  },  channels: {    feishu: {      accounts: {        english: {          tts: {            providers: {              openai: { speakerVoice: "shimmer" },            },          },        },      },    },  },}

الشخصيات

الشخصية هي هوية صوتية ثابتة يمكن تطبيقها بصورة حتمية عبر المزودين. ويمكنها تفضيل مزود واحد، وتحديد مقصد مطالبة محايد تجاه المزود، واحتواء ارتباطات خاصة بكل مزود للأصوات والنماذج وقوالب المطالبات والبذور وإعدادات الصوت.

شخصية بالحد الأدنى

{  messages: {    tts: {      auto: "always",      persona: "narrator",      personas: {        narrator: {          label: "الراوي",          provider: "elevenlabs",          providers: {            elevenlabs: {              speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",              modelId: "eleven_multilingual_v2",            },          },        },      },    },  },}

شخصية كاملة (مطالبة محايدة تجاه المزود)

{  messages: {    tts: {      auto: "always",      persona: "alfred",      personas: {        alfred: {          label: "ألفريد",          description: "راوٍ بريطاني بدور خادم شخصي، جاف الظرف ودافئ.",          provider: "google",          fallbackPolicy: "preserve-persona",          prompt: {            profile: "خادم شخصي بريطاني لامع. جاف الظرف، ذكي، دافئ، ساحر، معبّر عاطفيًا، وغير نمطي أبدًا.",            scene: "غرفة دراسة هادئة في وقت متأخر من الليل. سرد قريب من الميكروفون لمشغّل موثوق.",            sampleContext: "يجيب المتحدث عن طلب تقني خاص بثقة موجزة ودفء جاف.",            style: "راقٍ، متحفظ، ومرح بخفة.",            accent: "الإنجليزية البريطانية.",            pacing: "متأنٍ، مع وقفات درامية قصيرة.",            constraints: ["لا تقرأ قيم الإعدادات بصوت عالٍ.", "لا تشرح الشخصية."],          },          providers: {            google: {              model: "gemini-3.1-flash-tts-preview",              speakerVoice: "Algieba",              promptTemplate: "audio-profile-v1",            },            openai: { model: "gpt-4o-mini-tts", speakerVoice: "cedar" },            elevenlabs: {              speakerVoiceId: "voice_id",              modelId: "eleven_multilingual_v2",              seed: 42,              voiceSettings: {                stability: 0.65,                similarityBoost: 0.8,                style: 0.25,                useSpeakerBoost: true,                speed: 0.95,              },            },          },        },      },    },  },}

تحديد الشخصية

تُختار الشخصية النشطة بصورة حتمية:

1. تفضيل /tts persona <id> المحلي، إذا كان معيّنًا.
2. messages.tts.persona، إذا كان معيّنًا.
3. لا توجد شخصية.

يُنفّذ اختيار المزود مع تقديم الخيارات الصريحة أولًا:

1. التجاوزات المباشرة (CLI وGateway وTalk وتوجيهات TTS المسموح بها).
2. تفضيل /tts provider <id> المحلي.
3. provider الخاص بالشخصية النشطة.
4. messages.tts.provider.
5. الاختيار التلقائي من السجل.

في كل محاولة لمزود، يدمج OpenClaw الإعدادات بهذا الترتيب:

1. messages.tts.providers.<id>
2. messages.tts.personas.<persona>.providers.<id>
3. تجاوزات الطلب الموثوق
4. تجاوزات توجيهات TTS المسموح بها والصادرة عن النموذج

كيفية استخدام المزودين لمطالبات الشخصية

حقول مطالبة الشخصية (profile وscene وsampleContext وstyle وaccent وpacing وconstraints) محايدة تجاه المزود. يقرر كل مزود كيفية استخدامها:

سياسة الرجوع الاحتياطي

يتحكم fallbackPolicy في السلوك عندما لا تحتوي الشخصية على أي ارتباط للمزود الذي تجري محاولته:

لا يفشل طلب TTS بأكمله إلا عندما تُتخطى كل محاولات المزودين أو تفشل.

يكون اختيار مزود جلسة Talk ضمن نطاق الجلسة. ينبغي لعميل Talk اختيار معرّفات المزود والنموذج والصوت واللغات المحلية من talk.catalog وتمريرها عبر طلب جلسة Talk أو التسليم. ولا ينبغي لفتح جلسة صوتية تعديل messages.tts أو الإعدادات الافتراضية العامة لمزود Talk.

التوجيهات المستندة إلى النموذج

افتراضيًا، يمكن للمساعد إصدار توجيهات [[tts:...]] لتجاوز الصوت أو النموذج أو السرعة لرد واحد، بالإضافة إلى كتلة [[tts:text]]...[[/tts:text]] اختيارية لإشارات تعبيرية ينبغي أن تظهر في الصوت فقط:

تفضل. [[tts:speakerVoiceId=pMsXgVXv3BLzUgSXRplE model=eleven_v3 speed=1.1]][[tts:text]](يضحك) اقرأ الأغنية مرة أخرى.[[/tts:text]]

عندما تكون قيمة messages.tts.auto هي "tagged"، تكون التوجيهات مطلوبة لتشغيل الصوت. ويزيل تسليم الكتل المتدفقة التوجيهات من النص المرئي قبل أن تراها القناة، حتى عند تقسيمها عبر كتل متجاورة.

يُتجاهل provider=... ما لم يكن modelOverrides.allowProvider: true. عندما يصرّح ردٌّ بـ provider=...، فلا تُحلَّل المفاتيح الأخرى في ذلك التوجيه إلا بواسطة ذلك المزود؛ وتُزال المفاتيح غير المدعومة ويُبلّغ عنها كتحذيرات لتوجيهات TTS.

مفاتيح التوجيه المتاحة:

• provider (معرّف مزود مسجل؛ يتطلب allowProvider: true)
• speakerVoice / speakerVoiceId (الأسماء البديلة القديمة: voice وvoiceName وvoice_name وgoogle_voice وvoiceId)
• model / google_model
• stability وsimilarityBoost وstyle وspeed وuseSpeakerBoost
• vol / volume (مستوى صوت MiniMax، (0, 10])
• pitch (حدة صوت MiniMax الصحيحة، من −12 إلى 12؛ تُحذف الأجزاء الكسرية)
• emotion (وسم المشاعر في Volcengine)
• applyTextNormalization (auto|on|off)
• languageCode (ISO 639-1)
• seed

تعطيل تجاوزات النموذج بالكامل:

{ messages: { tts: { modelOverrides: { enabled: false } } } }

السماح بتبديل المزود مع إبقاء عناصر التحكم الأخرى قابلة للإعداد:

{ messages: { tts: { modelOverrides: { enabled: true, allowProvider: true, allowSeed: false } } } }

أوامر الشرطة المائلة

الأمر الوحيد هو /tts. وعلى Discord، يسجل OpenClaw أيضًا /voice لأن /tts أمر مضمّن في Discord — ويظل النص /tts ... يعمل.

/tts off | on | status/tts chat on | off | default/tts latest/tts provider <id>/tts persona <id> | off/tts limit <chars>/tts summary off/tts audio <text>

ملاحظات السلوك:

• يكتب /tts on تفضيل TTS المحلي إلى always؛ ويكتبه /tts off إلى off.
• يكتب /tts chat on|off|default تجاوزًا لـ TTS التلقائي ضمن نطاق الجلسة للمحادثة الحالية.
• يكتب /tts persona <id> تفضيل الشخصية المحلي؛ ويمسحه /tts persona off.
• يقرأ /tts latest أحدث رد للمساعد من نص الجلسة الحالية ويرسله صوتيًا مرة واحدة. ولا يخزن في إدخال الجلسة سوى تجزئة لذلك الرد لمنع الإرسال الصوتي المكرر.
• ينشئ /tts audio ردًا صوتيًا لمرة واحدة (ولا يفعّل TTS).
• يقبل /tts limit <chars> القيم 100–4096 (4096 هو الحد الأقصى للتسمية التوضيحية/الرسالة في Telegram)؛ وتُرفض القيم خارج هذا النطاق.
• يُخزّن limit وsummary في التفضيلات المحلية، وليس في الإعدادات الرئيسية.
• يتضمن /tts status تشخيصات الرجوع الاحتياطي لأحدث محاولة — Fallback: <primary> -> <used> وAttempts: ... وتفاصيل كل محاولة (provider:outcome(reasonCode) latency).
• يعرض /status وضع TTS النشط، بالإضافة إلى المزود والنموذج والصوت وبيانات تعريف نقطة النهاية المخصصة المنقحة، عند تمكين TTS.

تفضيلات كل مستخدم

تكتب أوامر الشرطة المائلة التجاوزات المحلية إلى prefsPath. القيمة الافتراضية هي ~/.openclaw/settings/tts.json؛ ويمكن تجاوزها باستخدام متغير البيئة OPENCLAW_TTS_PREFS أو messages.tts.prefsPath.

تتجاوز هذه الإعدادات التكوين الفعلي الناتج من messages.tts بالإضافة إلى كتلة agents.list[].tts النشطة لذلك المضيف.

تنسيقات الإخراج

يعتمد تسليم صوت تحويل النص إلى كلام على إمكانات القناة. تعلن Plugins القنوات ما إذا كان ينبغي لتحويل النص إلى كلام بأسلوب الرسائل الصوتية أن يطلب من مزوّدي الخدمة هدف voice-note أصليًا أو أن يُبقي توليف audio-file العادي، وما إذا كانت القناة تعيد ترميز الإخراج غير الأصلي قبل الإرسال.

ملاحظات خاصة بكل مزوّد خدمة:

• إعادة ترميز Feishu / WhatsApp: عندما يصل رد ملاحظة صوتية بصيغة MP3/WebM/WAV/M4A أو ملف صوتي آخر محتمل، يعيد Plugin القناة ترميزه إلى Ogg/Opus بتردد 48 kHz باستخدام ffmpeg ‏(libopus، ‏64 kbps) قبل إرسال الرسالة الصوتية الأصلية. يرسل WhatsApp النتيجة عبر حمولة Baileys ‏audio مع ptt: true وaudio/ogg; codecs=opus. عند فشل إعادة الترميز: يلتقط Feishu الخطأ ويعود إلى إرسال الملف الأصلي كمرفق عادي؛ ولا يملك WhatsApp مسارًا احتياطيًا، لذا تفشل عملية الإرسال نفسها بدلًا من نشر حمولة PTT غير متوافقة.
• MiniMax: ‏MP3 (نموذج speech-2.8-hd، ومعدل أخذ عينات 32 kHz) لمرفقات الصوت العادية؛ ويُعاد ترميزه إلى Opus بتردد 48 kHz باستخدام ffmpeg لأهداف الملاحظات الصوتية التي تعلن عنها القناة.
• Xiaomi MiMo: ‏MP3 افتراضيًا، أو WAV عند تكوينه؛ ويُعاد ترميزه إلى Opus بتردد 48 kHz باستخدام ffmpeg لأهداف الملاحظات الصوتية التي تعلن عنها القناة.
• CLI المحلي: يستخدم outputFormat المكوّن. تُحوّل أهداف الملاحظات الصوتية إلى Ogg/Opus، ويُحوّل إخراج الاتصالات الهاتفية إلى PCM خام أحادي القناة بتردد 16 kHz باستخدام ffmpeg.
• Google Gemini: يعيد PCM خامًا بتردد 24 kHz. يغلّفه OpenClaw بصيغة WAV لمرفقات الصوت، ويعيد ترميزه إلى Opus بتردد 48 kHz لأهداف الملاحظات الصوتية، ويعيد PCM مباشرةً للمحادثة/الاتصالات الهاتفية.
• Gradium: ‏WAV لمرفقات الصوت، وOpus لأهداف الملاحظات الصوتية، وulaw_8000 بتردد 8 kHz للاتصالات الهاتفية.
• Inworld: ‏MP3 لمرفقات الصوت العادية، وOGG_OPUS الأصلي لأهداف الملاحظات الصوتية، وPCM الخام بتردد 22050 Hz للمحادثة/الاتصالات الهاتفية.
• xAI: ‏MP3 افتراضيًا؛ وقد يستخدم توليف الملفات الصوتية mp3 أو wav أو pcm أو mulaw أو alaw لكل من الإخراج المخزّن مؤقتًا والمتدفق. تستخدم أهداف الملاحظات الصوتية MP3 للتدفق والمسار الاحتياطي المخزّن مؤقتًا لأن مخرجات xAI ‏pcm وmulaw وalaw هي صوت خام بلا ترويسات. يستخدم التوليف المخزّن مؤقتًا نقطة نهاية REST الدفعية /v1/tts الخاصة بـ xAI؛ ويستخدم textToSpeechStream ‏wss://api.x.ai/v1/tts الأصلي. هذا ليس عقد الصوت في الوقت الفعلي. تنسيق Opus الأصلي للملاحظات الصوتية غير مدعوم.
• Microsoft: يستخدم microsoft.outputFormat (الافتراضي audio-24khz-48kbitrate-mono-mp3).
  • تقبل وسيلة النقل المضمّنة outputFormat، لكن ليست كل التنسيقات متاحة من الخدمة.
  • تتبع قيم تنسيق الإخراج تنسيقات إخراج Microsoft Speech (بما فيها Ogg/WebM Opus).
  • يقبل sendVoice في Telegram صيغ OGG/MP3/M4A؛ استخدم OpenAI/ElevenLabs إذا كنت تحتاج إلى رسائل صوتية مضمونة بصيغة Opus.
  • إذا فشل تنسيق إخراج Microsoft المكوّن، يعيد OpenClaw المحاولة باستخدام MP3.
  • عند عدم تعيين تجاوز صريح للصوت واستخدام الصوت الإنجليزي الافتراضي، يتحوّل OpenClaw تلقائيًا إلى صوت عصبي صيني (zh-CN-XiaoxiaoNeural، والإعداد المحلي zh-CN) إذا كان نص الرد تغلب عليه أحرف CJK.

تنسيقات إخراج OpenAI وElevenLabs ثابتة لكل قناة كما هو موضح أعلاه.

سلوك النطق التلقائي

عند تمكين messages.tts.auto، يقوم OpenClaw بما يلي:

• يتخطى تحويل النص إلى كلام إذا كان الرد يحتوي بالفعل على وسائط منظّمة.
• يتخطى الردود القصيرة جدًا (أقل من 10 أحرف).
• يلخّص الردود الطويلة عند تمكين الملخصات، باستخدام summaryModel (أو agents.defaults.model.primary).
• يرفق الصوت المُنشأ بالرد.
• في mode: "final"، يظل يرسل تحويل النص إلى كلام صوتيًا فقط للردود النهائية المتدفقة بعد اكتمال تدفق النص؛ وتمر الوسائط المُنشأة بعملية تسوية وسائط القناة نفسها التي تمر بها مرفقات الرد العادية.

إذا تجاوز الرد maxLength، فلن يتخطى OpenClaw الصوت نهائيًا مطلقًا:

• التلخيص مفعّل (افتراضيًا) ويتوفر نموذج تلخيص: يلخّص النص إلى نحو maxLength حرفًا، ثم يولّف الملخص.
• التلخيص معطّل، أو فشل التلخيص، أو لا يتوفر مفتاح API لنموذج التلخيص: يقتطع النص إلى maxLength حرفًا ويولّف النص المقتطع.

الرد -> هل تحويل النص إلى كلام مفعّل؟  لا  -> إرسال النص  نعم -> هل توجد وسائط / هل الرد قصير؟          نعم -> إرسال النص          لا  -> هل الطول > الحد؟                   لا  -> تحويل النص إلى كلام -> إرفاق الصوت                   نعم -> هل التلخيص مفعّل ومتاح؟                            لا  -> اقتطاع -> تحويل النص إلى كلام -> إرفاق الصوت                            نعم -> تلخيص -> تحويل النص إلى كلام -> إرفاق الصوت

مرجع الحقول

أداة الوكيل

تحوّل أداة tts النص إلى كلام وتُرجع مرفقًا صوتيًا لتسليم الرد. في Feishu وMatrix وTelegram وWhatsApp، يُسلّم الصوت كرسالة صوتية بدلًا من مرفق ملف. ويمكن لـ Feishu و WhatsApp تحويل ترميز خرج تحويل النص إلى كلام غير المشفّر بتنسيق Opus في هذا المسار عندما يكون ffmpeg متاحًا.

يرسل WhatsApp الصوت عبر Baileys كملاحظة صوتية بنمط PTT ‏(audio مع ptt: true) ويرسل النص المرئي بشكل منفصل عن صوت PTT لأن العملاء لا يعرضون التسميات التوضيحية على الملاحظات الصوتية بصورة متسقة.

تقبل الأداة الحقلين الاختياريين channel وtimeoutMs؛ ويمثل timeoutMs مهلة طلب مقدم الخدمة لكل استدعاء بالمللي ثانية. تتجاوز القيم الخاصة بكل استدعاء messages.tts.timeoutMs؛ وتتجاوز مهل تحويل النص إلى كلام المُعدّة أي قيمة افتراضية لمقدم الخدمة يحددها Plugin.

استدعاء Gateway عن بُعد

روابط الخدمات

• دليل OpenAI لتحويل النص إلى كلام
• مرجع واجهة OpenAI Audio API
• تحويل النص إلى كلام عبر Azure Speech REST
• مزوّد Azure Speech
• تحويل النص إلى كلام من ElevenLabs
• المصادقة في ElevenLabs
• Gradium
• واجهة Inworld TTS API
• واجهة MiniMax T2A v2 API
• واجهة Volcengine TTS HTTP API
• تركيب الكلام من Xiaomi MiMo
• node-edge-tts
• تنسيقات إخراج الكلام من Microsoft
• تحويل النص إلى كلام من xAI

مواضيع ذات صلة

• نظرة عامة على الوسائط
• توليد الموسيقى
• توليد الفيديو
• أوامر الشرطة المائلة
• Plugin المكالمات الصوتية