ElevenLabs

OpenClaw usa ElevenLabs para conversión de texto a voz, conversión de voz a texto por lotes con Scribe v2 y STT en streaming con Scribe v2 Realtime.

Autenticación

Define ELEVENLABS_API_KEY en el entorno. XI_API_KEY también se acepta por compatibilidad con las herramientas existentes de ElevenLabs.

export ELEVENLABS_API_KEY="..."

Conversión de texto a voz

{  messages: {    tts: {      providers: {        elevenlabs: {          apiKey: "${ELEVENLABS_API_KEY}",          voiceId: "pMsXgVXv3BLzUgSXRplE",          modelId: "eleven_multilingual_v2",        },      },    },  },}

Define modelId como eleven_v3 para usar TTS v3 de ElevenLabs. OpenClaw mantiene eleven_multilingual_v2 como valor predeterminado para las instalaciones existentes.

Los canales de voz de Discord usan el endpoint de TTS en streaming de ElevenLabs cuando ElevenLabs es el proveedor voice.tts/messages.tts seleccionado. La reproducción comienza desde el flujo de audio devuelto en lugar de esperar a que OpenClaw descargue y escriba primero todo el archivo de audio. latencyTier se asigna al parámetro de consulta optimize_streaming_latency de ElevenLabs para los modelos que lo aceptan; OpenClaw omite ese parámetro para eleven_v3, que lo rechaza.

Conversión de voz a texto

Usa Scribe v2 para adjuntos de audio entrantes y segmentos cortos de voz grabada:

{  tools: {    media: {      audio: {        enabled: true,        models: [{ provider: "elevenlabs", model: "scribe_v2" }],      },    },  },}

OpenClaw envía audio multipart a /v1/speech-to-text de ElevenLabs con model_id: "scribe_v2". Las sugerencias de idioma se asignan a language_code cuando están presentes.

STT en streaming

El Plugin elevenlabs incluido registra Scribe v2 Realtime para Voice Call y transcripción en streaming en modo agente de Google Meet.

{  plugins: {    entries: {      "voice-call": {        config: {          streaming: {            enabled: true,            provider: "elevenlabs",            providers: {              elevenlabs: {                apiKey: "${ELEVENLABS_API_KEY}",                audioFormat: "ulaw_8000",                commitStrategy: "vad",                languageCode: "en",              },            },          },        },      },    },  },}

Para el modo agente de Google Meet, define plugins.entries.google-meet.config.realtime.transcriptionProvider como "elevenlabs" y configura el mismo bloque de proveedor en plugins.entries.google-meet.config.realtime.providers.elevenlabs.

Relacionado

• Conversión de texto a voz
• Google Meet
• Selección de modelo