ElevenLabs

OpenClaw は、テキスト読み上げに ElevenLabs、Scribe v2 によるバッチ音声テキスト変換、Scribe v2 Realtime によるストリーミング STT を使用します。

認証

環境で ELEVENLABS_API_KEY を設定します。既存の ElevenLabs ツールとの 互換性のため、XI_API_KEY も受け付けます。

export ELEVENLABS_API_KEY="..."

テキスト読み上げ

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

ElevenLabs v3 TTS を使用するには、modelId を eleven_v3 に設定します。OpenClaw は既存のインストール向けのデフォルトとして eleven_multilingual_v2 を維持します。

Discord 音声チャンネルは、ElevenLabs が選択された voice.tts/messages.tts プロバイダーの場合、ElevenLabs のストリーミング TTS エンドポイントを使用します。再生は、OpenClaw が音声ファイル全体を先にダウンロードして書き込むのを待つのではなく、返された音声ストリームから開始されます。latencyTier は、それを受け付けるモデルでは ElevenLabs の optimize_streaming_latency クエリパラメーターに対応します。OpenClaw は、それを拒否する eleven_v3 ではこのパラメーターを省略します。

音声テキスト変換

受信音声添付ファイルと短い録音音声セグメントには Scribe v2 を使用します。

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

OpenClaw は model_id: "scribe_v2" を指定して ElevenLabs /v1/speech-to-text にマルチパート音声を送信します。言語ヒントがある場合は language_code に対応します。

ストリーミング STT

同梱の elevenlabs Plugin は、音声通話と Google Meet エージェントモードのストリーミング文字起こし向けに Scribe v2 Realtime を登録します。

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

Google Meet エージェントモードでは、 plugins.entries.google-meet.config.realtime.transcriptionProvider を "elevenlabs" に設定し、同じプロバイダーブロックを plugins.entries.google-meet.config.realtime.providers.elevenlabs の下で構成します。

関連

• テキスト読み上げ
• Google Meet
• モデル選択