Tools

テキスト読み上げ

OpenClaw は、送信返信を 14 の音声プロバイダーで音声に変換し、Feishu、Matrix、Telegram、WhatsApp ではネイティブ音声メッセージとして、それ以外では音声添付として、さらに電話と Talk 向けには PCM/Ulaw ストリームとして配信できます。

TTS は、Talk の stt-tts モードにおける音声出力側です。プロバイダーネイティブの realtime Talk セッションでは、この TTS パスを呼び出す代わりにリアルタイムプロバイダー内で音声を合成します。一方、transcription セッションではアシスタントの音声応答を合成しません。

クイックスタート

Pick a provider

OpenAI と ElevenLabs は、ホスト型オプションの中で最も信頼性があります。Microsoft と Local CLI は API キーなしで動作します。完全な一覧はプロバイダーマトリクスを参照してください。

Set the API key

プロバイダー用の環境変数をエクスポートします（例: OPENAI_API_KEY, ELEVENLABS_API_KEY）。Microsoft と Local CLI にはキーは不要です。

Enable in config

messages.tts.auto: "always" と messages.tts.provider を設定します。

json5

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

Try it in chat

/tts status は現在の状態を表示します。/tts audio Hello from OpenClaw は単発の音声返信を送信します。

対応プロバイダー

プロバイダー	認証	メモ
Azure Speech	`AZURE_SPEECH_KEY` + `AZURE_SPEECH_REGION` (also `AZURE_SPEECH_API_KEY`, `SPEECH_KEY`, `SPEECH_REGION`)	ネイティブ Ogg/Opus 音声ノート出力と電話対応。
DeepInfra	`DEEPINFRA_API_KEY`	OpenAI 互換 TTS。デフォルトは `hexgrad/Kokoro-82M`。
ElevenLabs	`ELEVENLABS_API_KEY` or `XI_API_KEY`	音声クローニング、多言語対応、`seed` による決定性。Discord 音声再生向けにストリーミングされます。
Google Gemini	`GEMINI_API_KEY` or `GOOGLE_API_KEY`	Gemini API バッチ TTS。`promptTemplate: "audio-profile-v1"` によりペルソナを反映できます。
Gradium	`GRADIUM_API_KEY`	音声ノートと電話向けの出力。
Inworld	`INWORLD_API_KEY`	ストリーミング TTS API。ネイティブ Opus 音声ノートと PCM 電話対応。
Local CLI	なし	設定済みのローカル TTS コマンドを実行します。
Microsoft	なし	`node-edge-tts` 経由の公開 Edge neural TTS。ベストエフォートで SLA はありません。
MiniMax	`MINIMAX_API_KEY` (or Token Plan: `MINIMAX_OAUTH_TOKEN`, `MINIMAX_CODE_PLAN_KEY`, `MINIMAX_CODING_API_KEY`)	T2A v2 API。デフォルトは `speech-2.8-hd`。
OpenAI	`OPENAI_API_KEY`	自動要約にも使用されます。ペルソナ `instructions` をサポートします。
OpenRouter	`OPENROUTER_API_KEY` (`models.providers.openrouter.apiKey` を再利用可能)	デフォルトモデルは `hexgrad/kokoro-82m`。
Volcengine	`VOLCENGINE_TTS_API_KEY` or `BYTEPLUS_SEED_SPEECH_API_KEY` (legacy AppID/token: `VOLCENGINE_TTS_APPID`/`_TOKEN`)	BytePlus Seed Speech HTTP API。
Vydra	`VYDRA_API_KEY`	画像、動画、音声で共有されるプロバイダー。
xAI	`XAI_API_KEY`	xAI バッチ TTS。ネイティブ Opus 音声ノートはサポートされません。
Xiaomi MiMo	`XIAOMI_API_KEY`	Xiaomi chat completions 経由の MiMo TTS。

複数のプロバイダーが設定されている場合、選択されたものが最初に使用され、それ以外はフォールバックオプションになります。自動要約は summaryModel（または agents.defaults.model.primary）を使用するため、要約を有効のままにする場合は、そのプロバイダーも認証済みである必要があります。

設定

TTS 設定は ~/.openclaw/openclaw.json の messages.tts 配下にあります。プリセットを選び、プロバイダーブロックを調整してください。

Azure Speech

json5

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

ElevenLabs

json5

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

Google Gemini

json5

{messages: {tts: {  auto: "always",  provider: "google",  providers: {    google: {      apiKey: "${GEMINI_API_KEY}",      model: "gemini-3.1-flash-tts-preview",      voiceName: "Kore",      // Optional natural-language style prompts:      // audioProfile: "Speak in a calm, podcast-host tone.",      // speakerName: "Alex",    },  },},},}

Gradium

json5

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

Inworld

json5

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

Local CLI

json5

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

Microsoft (no key)

json5

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

MiniMax

json5

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

OpenAI + ElevenLabs

json5

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

OpenRouter

json5

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

Volcengine

json5

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

xAI

json5

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

Xiaomi MiMo

json5

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

エージェントごとの音声オーバーライド

1 つのエージェントに別のプロバイダー、音声、モデル、ペルソナ、または Auto-TTS モードで話させる場合は、agents.list[].tts を使用します。エージェントブロックは messages.tts の上にディープマージされるため、プロバイダー認証情報はグローバルなプロバイダー設定に置いたままにできます。

json5

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

エージェントごとのペルソナを固定するには、プロバイダー設定と並べて agents.list[].tts.persona を設定します。このエージェントに対してのみ、グローバルな messages.tts.persona を上書きします。

自動返信、/tts audio、/tts status、tts エージェントツールの優先順位:

messages.tts
アクティブな agents.list[].tts
チャンネルが channels.<channel>.tts をサポートする場合のチャンネル上書き
チャンネルが channels.<channel>.accounts.<id>.tts を渡す場合のアカウント上書き
このホストのローカル /tts 設定
モデルによるディレクティブが有効な場合のインライン [[tts:...]] ディレクティブ

チャンネルとアカウントの上書きは messages.tts と同じ形を使用し、前のレイヤーに対してディープマージされます。そのため、共有プロバイダー認証情報は messages.tts に置いたまま、チャンネルやボットアカウントでは voice、model、persona、auto モードだけを変更できます。

json5

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

ペルソナ

ペルソナ は、プロバイダー間で決定論的に適用できる安定した音声上の同一性です。1つのプロバイダーを優先し、プロバイダー非依存のプロンプト意図を定義し、voice、model、プロンプトテンプレート、seed、voice 設定に対するプロバイダー固有のバインディングを保持できます。

最小ペルソナ

json5

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

完全なペルソナ（プロバイダー非依存プロンプト）

json5

{  messages: {    tts: {      auto: "always",      persona: "alfred",      personas: {        alfred: {          label: "Alfred",          description: "Dry, warm British butler narrator.",          provider: "google",          fallbackPolicy: "preserve-persona",          prompt: {            profile: "A brilliant British butler. Dry, witty, warm, charming, emotionally expressive, never generic.",            scene: "A quiet late-night study. Close-mic narration for a trusted operator.",            sampleContext: "The speaker is answering a private technical request with concise confidence and dry warmth.",            style: "Refined, understated, lightly amused.",            accent: "British English.",            pacing: "Measured, with short dramatic pauses.",            constraints: ["Do not read configuration values aloud.", "Do not explain the persona."],          },          providers: {            google: {              model: "gemini-3.1-flash-tts-preview",              voiceName: "Algieba",              promptTemplate: "audio-profile-v1",            },            openai: { model: "gpt-4o-mini-tts", voice: "cedar" },            elevenlabs: {              voiceId: "voice_id",              modelId: "eleven_multilingual_v2",              seed: 42,              voiceSettings: {                stability: 0.65,                similarityBoost: 0.8,                style: 0.25,                useSpeakerBoost: true,                speed: 0.95,              },            },          },        },      },    },  },}

ペルソナ解決

アクティブなペルソナは決定論的に選択されます。

設定されている場合は、/tts persona <id> のローカル設定。
設定されている場合は、messages.tts.persona。
ペルソナなし。

プロバイダー選択は明示指定を優先して実行されます。

直接上書き（CLI、Gateway、Talk、許可された TTS ディレクティブ）。
/tts provider <id> のローカル設定。
アクティブなペルソナの provider。
messages.tts.provider。
レジストリの自動選択。

各プロバイダー試行について、OpenClaw は次の順序で設定をマージします。

messages.tts.providers.<id>
messages.tts.personas.<persona>.providers.<id>
信頼済みリクエストの上書き
許可されたモデル出力 TTS ディレクティブの上書き

プロバイダーがペルソナプロンプトを使用する方法

ペルソナプロンプトフィールド（profile、scene、sampleContext、style、accent、pacing、constraints）は プロバイダー非依存 です。各プロバイダーがそれらの使い方を決定します。

Google Gemini

有効な Google プロバイダー設定で promptTemplate: "audio-profile-v1" または personaPrompt が設定されている 場合にのみ、ペルソナプロンプトフィールドを Gemini TTS プロンプト構造でラップします。古い audioProfile フィールドと speakerName フィールドは、引き続き Google 固有のプロンプトテキストとして先頭に追加されます。[[tts:text]] ブロック内の [whispers] や [laughs] などのインライン音声タグは Gemini トランスクリプト内に保持されます。OpenClaw はこれらのタグを生成しません。

OpenAI

明示的な OpenAI instructions が設定されていない 場合にのみ、ペルソナプロンプトフィールドをリクエストの instructions フィールドにマッピングします。明示的な instructions が常に優先されます。

その他のプロバイダー

personas.<id>.providers.<provider> の下にあるプロバイダー固有のペルソナバインディングだけを使用します。プロバイダーが独自のペルソナプロンプトマッピングを実装していない限り、ペルソナプロンプトフィールドは無視されます。

フォールバックポリシー

fallbackPolicy は、試行されたプロバイダーに対する バインディングがない ペルソナの動作を制御します。

ポリシー	動作
`preserve-persona`	デフォルト。プロバイダー非依存のプロンプトフィールドは利用可能なままです。プロバイダーはそれらを使用することも無視することもできます。
`provider-defaults`	その試行のプロンプト準備からペルソナが省略されます。別のプロバイダーへのフォールバックが継続する間、そのプロバイダーは中立的なデフォルトを使用します。
`fail`	`reasonCode: "not_configured"` と `personaBinding: "missing"` でそのプロバイダー試行をスキップします。フォールバックプロバイダーは引き続き試行されます。

TTS リクエスト全体が失敗するのは、試行されたプロバイダーが すべて スキップされるか失敗した場合だけです。

Talk セッションのプロバイダー選択はセッションスコープです。Talk クライアントは talk.catalog から provider id、model id、voice id、locale を選び、Talk セッションまたはハンドオフリクエスト経由で渡す必要があります。音声セッションを開いても、messages.tts やグローバルな Talk プロバイダーデフォルトを変更してはいけません。

モデルによるディレクティブ

デフォルトでは、アシスタントは [[tts:...]] ディレクティブを出力して、1つの返信について voice、model、speed を上書きできます。さらに、音声のみに現れる表現上のキュー用に、任意で [[tts:text]]...[[/tts:text]] ブロックも出力できます。

text

Here you go. [[tts:voiceId=pMsXgVXv3BLzUgSXRplE model=eleven_v3 speed=1.1]][[tts:text]](laughs) Read the song once more.[[/tts:text]]

messages.tts.auto が "tagged" の場合、音声をトリガーするには ディレクティブが必須 です。ストリーミングブロック配信では、隣接するブロックに分割されている場合でも、チャンネルに届く前に表示テキストからディレクティブが削除されます。

provider=... は、modelOverrides.allowProvider: true でない限り無視されます。返信で provider=... が宣言されている場合、そのディレクティブ内の他のキーはそのプロバイダーだけが解析します。サポートされていないキーは削除され、TTS ディレクティブ警告として報告されます。

利用可能なディレクティブキー:

provider（登録済み provider id。allowProvider: true が必要）
voice / voiceName / voice_name / google_voice / voiceId
model / google_model
stability, similarityBoost, style, speed, useSpeakerBoost
vol / volume（MiniMax volume、0–10）
pitch（MiniMax の整数 pitch、−12 から 12。小数値は切り捨て）
emotion（Volcengine emotion タグ）
applyTextNormalization（auto|on|off）
languageCode（ISO 639-1）
seed

モデル上書きを完全に無効化:

json5

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

他のノブを設定可能にしたままプロバイダー切り替えを許可:

json5

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

スラッシュコマンド

単一コマンド /tts。Discord では、/tts が組み込み Discord コマンドであるため、OpenClaw は /voice も登録します。テキストの /tts ... は引き続き機能します。

text

/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>

動作メモ:

/tts on はローカル TTS 設定を always に書き込みます。/tts off は off に書き込みます。
/tts chat on|off|default は現在のチャットに対して、セッションスコープの auto-TTS 上書きを書き込みます。
/tts persona <id> はローカルペルソナ設定を書き込みます。/tts persona off はそれをクリアします。
/tts latest は現在のセッショントランスクリプトから最新のアシスタント返信を読み取り、一度だけ音声として送信します。重複する音声送信を抑制するために、その返信のハッシュだけをセッションエントリに保存します。
/tts audio は単発の音声返信を生成します（TTS をオンに しません）。
limit と summary はメイン設定ではなく ローカル設定 に保存されます。
/tts status には最新の試行に対するフォールバック診断が含まれます。Fallback: <primary> -> <used>、Attempts: ...、試行ごとの詳細（provider:outcome(reasonCode) latency）です。
/status は TTS が有効な場合、アクティブな TTS モードに加え、設定済みの provider、model、voice、サニタイズ済みのカスタムエンドポイントメタデータを表示します。

ユーザーごとの設定

スラッシュコマンドはローカル上書きを prefsPath に書き込みます。デフォルトは ~/.openclaw/settings/tts.json です。OPENCLAW_TTS_PREFS 環境変数または messages.tts.prefsPath で上書きします。

保存フィールド	効果
`auto`	ローカル auto-TTS 上書き（`always`、`off`、…）
`provider`	ローカルのプライマリプロバイダー上書き
`persona`	ローカルペルソナ上書き
`maxLength`	要約しきい値（デフォルト `1500` 文字）
`summarize`	要約トグル（デフォルト `true`）

これらは、そのホストに対する messages.tts とアクティブな agents.list[].tts ブロックから得られる有効設定を上書きします。

出力形式（固定）

TTS 音声配信はチャンネル機能によって制御されます。チャンネル Plugin は、音声形式の TTS でプロバイダーにネイティブな voice-note ターゲットを要求するべきか、通常の audio-file 合成を維持して互換性のある出力を音声配信用にマークするだけにするべきかを広告します。

ボイスノート対応チャンネル: ボイスノート返信は Opus（ElevenLabs の opus_48000_64、OpenAI の opus）を優先します。
- 48kHz / 64kbps は音声メッセージとしてバランスのよいトレードオフです。
Feishu / WhatsApp: ボイスノート返信が MP3/WebM/WAV/M4A または別の音声ファイルと思われる形式で生成された場合、チャンネルPluginはネイティブ音声メッセージを送信する前に、ffmpeg で 48kHz Ogg/Opus にトランスコードします。WhatsApp は Baileys の audio ペイロードで ptt: true と audio/ogg; codecs=opus を付けて結果を送信します。変換に失敗した場合、Feishu は元のファイルを添付ファイルとして受信します。WhatsApp の送信は、互換性のない PTT ペイロードを投稿するのではなく失敗します。
その他のチャンネル: MP3（ElevenLabs の mp3_44100_128、OpenAI の mp3）。
- 44.1kHz / 128kbps は音声の明瞭さに対するデフォルトのバランスです。
MiniMax: 通常の音声添付ファイルには MP3（speech-2.8-hd モデル、32kHz サンプルレート）を使用します。チャンネルが通知するボイスノート対象では、チャンネルがトランスコードを通知している場合、OpenClaw は配信前に ffmpeg で MiniMax MP3 を 48kHz Opus にトランスコードします。
Xiaomi MiMo: デフォルトでは MP3、設定されている場合は WAV を使用します。チャンネルが通知するボイスノート対象では、チャンネルがトランスコードを通知している場合、OpenClaw は配信前に ffmpeg で Xiaomi 出力を 48kHz Opus にトランスコードします。
ローカル CLI: 設定された outputFormat を使用します。ボイスノート対象は Ogg/Opus に変換され、電話出力は ffmpeg で生の 16 kHz モノラル PCM に変換されます。
Google Gemini: Gemini API TTS は生の 24kHz PCM を返します。OpenClaw は音声添付ファイル用にそれを WAV としてラップし、ボイスノート対象用に 48kHz Opus にトランスコードし、Talk/電話用には PCM を直接返します。
Gradium: 音声添付ファイルには WAV、ボイスノート対象には Opus、電話には 8 kHz の ulaw_8000 を使用します。
Inworld: 通常の音声添付ファイルには MP3、ボイスノート対象にはネイティブ OGG_OPUS、Talk/電話には 22050 Hz の生 PCM を使用します。
xAI: デフォルトでは MP3 です。responseFormat は mp3、wav、pcm、mulaw、または alaw にできます。OpenClaw は xAI のバッチ REST TTS エンドポイントを使用し、完全な音声添付ファイルを返します。xAI のストリーミング TTS WebSocket は、このプロバイダーパスでは使用されません。ネイティブ Opus ボイスノート形式は、このパスではサポートされていません。
Microsoft: microsoft.outputFormat（デフォルト audio-24khz-48kbitrate-mono-mp3）を使用します。
- バンドルされたトランスポートは outputFormat を受け付けますが、すべての形式がサービスから利用できるわけではありません。
- 出力形式の値は Microsoft Speech の出力形式（Ogg/WebM Opus を含む）に従います。
- Telegram sendVoice は OGG/MP3/M4A を受け付けます。Opus 音声メッセージを確実に必要とする場合は OpenAI/ElevenLabs を使用してください。
- 設定された Microsoft 出力形式が失敗した場合、OpenClaw は MP3 で再試行します。

OpenAI/ElevenLabs の出力形式はチャンネルごとに固定されています（上記を参照）。

Auto-TTS の動作

messages.tts.auto が有効な場合、OpenClaw は次を行います。

返信にすでにメディアまたは MEDIA: ディレクティブが含まれている場合、TTS をスキップします。
非常に短い返信（10 文字未満）をスキップします。
要約が有効な場合、summaryModel（または agents.defaults.model.primary）を使用して長い返信を要約します。
生成された音声を返信に添付します。
mode: "final" では、テキストストリームの完了後も、ストリーミングされた最終返信に対して音声のみの TTS を送信します。生成されたメディアは通常の返信添付ファイルと同じチャンネルメディア正規化を通ります。

返信が maxLength を超え、要約がオフ（または要約モデルの API キーがない）場合、音声はスキップされ、通常のテキスト返信が送信されます。

text

Reply -> TTS enabled?  no  -> send text  yes -> has media / MEDIA: / short?          yes -> send text          no  -> length > limit?                   no  -> TTS -> attach audio                   yes -> summary enabled?                            no  -> send text                            yes -> summarize -> TTS -> attach audio

チャンネル別の出力形式

対象	形式
Feishu / Matrix / Telegram / WhatsApp	ボイスノート返信は Opus（ElevenLabs の `opus_48000_64`、OpenAI の `opus`）を優先します。48 kHz / 64 kbps は明瞭さとサイズのバランスを取ります。
その他のチャンネル	MP3（ElevenLabs の `mp3_44100_128`、OpenAI の `mp3`）。44.1 kHz / 128 kbps は音声のデフォルトです。
Talk / 電話	プロバイダーのネイティブ PCM（Inworld 22050 Hz、Google 24 kHz）、または電話用の Gradium の `ulaw_8000`。

プロバイダー別の注記:

Feishu / WhatsApp のトランスコード: ボイスノート返信が MP3/WebM/WAV/M4A として届くと、チャンネルPluginは ffmpeg で 48 kHz Ogg/Opus にトランスコードします。WhatsApp は Baileys 経由で ptt: true と audio/ogg; codecs=opus を付けて送信します。変換に失敗した場合: Feishu は元のファイルを添付するようにフォールバックします。WhatsApp の送信は、互換性のない PTT ペイロードを投稿するのではなく失敗します。
MiniMax / Xiaomi MiMo: デフォルトは MP3（MiniMax speech-2.8-hd は 32 kHz）。ボイスノート対象では ffmpeg によって 48 kHz Opus にトランスコードされます。
ローカル CLI: 設定された outputFormat を使用します。ボイスノート対象は Ogg/Opus に変換され、電話出力は生の 16 kHz モノラル PCM に変換されます。
Google Gemini: 生の 24 kHz PCM を返します。OpenClaw は添付ファイル用には WAV としてラップし、ボイスノート対象用には 48 kHz Opus にトランスコードし、Talk/電話用には PCM を直接返します。
Inworld: MP3 添付ファイル、ネイティブ OGG_OPUS ボイスノート、Talk/電話用には 22050 Hz の生 PCM。
xAI: デフォルトでは MP3 です。responseFormat は mp3|wav|pcm|mulaw|alaw にできます。xAI のバッチ REST エンドポイントを使用します。ストリーミング WebSocket TTS は使用されません。ネイティブ Opus ボイスノート形式はサポートされていません。
Microsoft: microsoft.outputFormat（デフォルト audio-24khz-48kbitrate-mono-mp3）を使用します。Telegram sendVoice は OGG/MP3/M4A を受け付けます。Opus 音声メッセージを確実に必要とする場合は OpenAI/ElevenLabs を使用してください。設定された Microsoft 形式が失敗した場合、OpenClaw は MP3 で再試行します。

OpenAI と ElevenLabs の出力形式は、上記のとおりチャンネルごとに固定されています。

フィールドリファレンス

最上位 messages.tts.*

auto"off" | "always" | "inbound" | "tagged"

Auto-TTS モード。inbound はインバウンド音声メッセージの後にのみ音声を送信します。tagged は返信に [[tts:...]] ディレクティブまたは [[tts:text]] ブロックが含まれている場合にのみ音声を送信します。

enabledboolean

レガシートグル。openclaw doctor --fix はこれを auto に移行します。

mode"final" | "all"default: final

"all" は最終返信に加えてツール/ブロック返信を含めます。

providerstring

音声プロバイダー ID。未設定の場合、OpenClaw はレジストリの自動選択順で最初に設定されたプロバイダーを使用します。レガシー provider: "edge" は openclaw doctor --fix によって "microsoft" に書き換えられます。

personastring

personas からのアクティブなペルソナ ID。小文字に正規化されます。

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InBlcnNvbmFzLjxpZA " type="object"> 安定した発話上のアイデンティティ。フィールド: label、description、provider、fallbackPolicy、prompt、providers.<provider>。ペルソナを参照してください。

summaryModelstring

自動要約用の低コストモデル。デフォルトは agents.defaults.model.primary です。provider/model または設定済みのモデルエイリアスを受け付けます。

modelOverridesobject

モデルが TTS ディレクティブを出力できるようにします。enabled のデフォルトは true、allowProvider のデフォルトは false です。

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InByb3ZpZGVycy48aWQ " type="object"> 音声プロバイダー ID でキー付けされた、プロバイダー所有の設定。レガシーの直接ブロック（messages.tts.openai、.elevenlabs、.microsoft、.edge）は openclaw doctor --fix によって書き換えられます。messages.tts.providers.<id> のみをコミットしてください。

maxTextLengthnumber

TTS 入力文字数のハード上限。超過した場合、/tts audio は失敗します。

timeoutMsnumber

リクエストタイムアウト（ミリ秒）。

prefsPathstring

ローカル設定 JSON パス（プロバイダー/制限/要約）を上書きします。デフォルトは ~/.openclaw/settings/tts.json です。

Azure Speech

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg Env: AZURE_SPEECH_KEY、AZURE_SPEECH_API_KEY、または SPEECH_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJlZ2lvbiIgdHlwZT0ic3RyaW5nIg Azure Speech リージョン（例: eastus）。Env: AZURE_SPEECH_REGION または SPEECH_REGION。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImVuZHBvaW50IiB0eXBlPSJzdHJpbmci 任意の Azure Speech エンドポイント上書き（エイリアス baseUrl）。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InZvaWNlIiB0eXBlPSJzdHJpbmci Azure 音声 ShortName。デフォルトは en-US-JennyNeural。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImxhbmciIHR5cGU9InN0cmluZyI SSML 言語コード。デフォルトは en-US。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im91dHB1dEZvcm1hdCIgdHlwZT0ic3RyaW5nIg 標準音声用の Azure X-Microsoft-OutputFormat。デフォルトは audio-24khz-48kbitrate-mono-mp3。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InZvaWNlTm90ZU91dHB1dEZvcm1hdCIgdHlwZT0ic3RyaW5nIg ボイスノート出力用の Azure X-Microsoft-OutputFormat。デフォルトは ogg-24khz-16bit-mono-opus。 OPENCLAW_DOCS_MARKER:paramClose:

ElevenLabs

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg ELEVENLABS_API_KEY または XI_API_KEY にフォールバックします。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci モデル ID（例: eleven_multilingual_v2、eleven_v3）。 OPENCLAW_DOCS_MARKER:paramClose:

voiceIdstring

voiceSettingsobject

stability、similarityBoost、style（それぞれ 0..1）、useSpeakerBoost（true|false）、speed（0.5..2.0、1.0 = 通常）。

applyTextNormalization"auto" | "on" | "off"

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Imxhbmd1YWdlQ29kZSIgdHlwZT0ic3RyaW5nIg 2 文字の ISO 639-1（例: en、de）。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNlZWQiIHR5cGU9Im51bWJlciI ベストエフォートの決定性のための整数 0..4294967295。 OPENCLAW_DOCS_MARKER:paramClose:

baseUrlstring

Google Gemini

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg GEMINI_API_KEY / GOOGLE_API_KEY にフォールバックします。省略した場合、TTS は env フォールバックの前に models.providers.google.apiKey を再利用できます。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci Gemini TTS モデル。デフォルトは gemini-3.1-flash-tts-preview。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InZvaWNlTmFtZSIgdHlwZT0ic3RyaW5nIg Gemini 事前構築済み音声名。デフォルトは Kore。エイリアス: voice。 OPENCLAW_DOCS_MARKER:paramClose:

audioProfilestring

speakerNamestring

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InByb21wdFRlbXBsYXRlIiB0eXBlPSciYXVkaW8tcHJvZmlsZS12MSIn アクティブなペルソナプロンプトフィールドを決定的な Gemini TTS プロンプト構造でラップするには audio-profile-v1 に設定します。 OPENCLAW_DOCS_MARKER:paramClose:

personaPromptstring

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI https://generativelanguage.googleapis.com のみ受け付けられます。 OPENCLAW_DOCS_MARKER:paramClose:

Gradium

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg Env: GRADIUM_API_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI デフォルトは https://api.gradium.ai。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InZvaWNlSWQiIHR5cGU9InN0cmluZyI デフォルトは Emma (YTpq7expH9539ERJ)。 OPENCLAW_DOCS_MARKER:paramClose:

Inworld

Inworld プライマリ

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg Env: INWORLD_API_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI デフォルトは https://api.inworld.ai。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsSWQiIHR5cGU9InN0cmluZyI デフォルトは inworld-tts-1.5-max。ほかに inworld-tts-1.5-mini、inworld-tts-1-max、inworld-tts-1。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InZvaWNlSWQiIHR5cGU9InN0cmluZyI デフォルトは Sarah。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InRlbXBlcmF0dXJlIiB0eXBlPSJudW1iZXIi サンプリング温度 0..2。 OPENCLAW_DOCS_MARKER:paramClose:

ローカル CLI (tts-local-cli)

commandstring

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFyZ3MiIHR5cGU9InN0cmluZ1tdIg コマンド引数。{{Text}}、{{OutputPath}}、{{OutputDir}}、{{OutputBase}} プレースホルダーをサポート。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im91dHB1dEZvcm1hdCIgdHlwZT0nIm1wMyIgfCAib3B1cyIgfCAid2F2Iic 想定される CLI 出力形式。音声添付ファイルのデフォルトは mp3。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InRpbWVvdXRNcyIgdHlwZT0ibnVtYmVyIg コマンドタイムアウト (ミリ秒)。デフォルトは 120000。 OPENCLAW_DOCS_MARKER:paramClose:

cwdstring

envRecord<string, string��-��0��4

Microsoft (API キーなし)

enabledbooleandefault: true

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InZvaWNlIiB0eXBlPSJzdHJpbmci Microsoft ニューラル音声名 (例: en-US-MichelleNeural)。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImxhbmciIHR5cGU9InN0cmluZyI 言語コード (例: en-US)。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im91dHB1dEZvcm1hdCIgdHlwZT0ic3RyaW5nIg Microsoft 出力形式。デフォルトは audio-24khz-48kbitrate-mono-mp3。バンドルされた Edge ベースのトランスポートでは、すべての形式がサポートされるわけではありません。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJhdGUgLyBwaXRjaCAvIHZvbHVtZSIgdHlwZT0ic3RyaW5nIg パーセント文字列 (例: +10%、-5%)。 OPENCLAW_DOCS_MARKER:paramClose:

saveSubtitlesboolean

proxystring

timeoutMsnumber

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImVkZ2UuKiIgdHlwZT0ib2JqZWN0IiBkZXByZWNhdGVk レガシーエイリアス。永続化された設定を providers.microsoft に書き換えるには openclaw doctor --fix を実行します。 OPENCLAW_DOCS_MARKER:paramClose:

MiniMax

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg MINIMAX_API_KEY にフォールバックします。Token Plan 認証は MINIMAX_OAUTH_TOKEN、MINIMAX_CODE_PLAN_KEY、または MINIMAX_CODING_API_KEY 経由。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI デフォルトは https://api.minimax.io。Env: MINIMAX_API_HOST。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci デフォルトは speech-2.8-hd。Env: MINIMAX_TTS_MODEL。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InZvaWNlSWQiIHR5cGU9InN0cmluZyI デフォルトは English_expressive_narrator。Env: MINIMAX_TTS_VOICE_ID。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWVkIiB0eXBlPSJudW1iZXIi 0.5..2.0。デフォルトは 1.0。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InZvbCIgdHlwZT0ibnVtYmVyIg (0, 10]。デフォルトは 1.0。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InBpdGNoIiB0eXBlPSJudW1iZXIi 整数 -12..12。デフォルトは 0。小数値はリクエスト前に切り捨てられます。 OPENCLAW_DOCS_MARKER:paramClose:

OpenAI

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg OPENAI_API_KEY にフォールバックします。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci OpenAI TTS モデル ID (例: gpt-4o-mini-tts)。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InZvaWNlIiB0eXBlPSJzdHJpbmci 音声名 (例: alloy、cedar)。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Imluc3RydWN0aW9ucyIgdHlwZT0ic3RyaW5nIg 明示的な OpenAI instructions フィールド。設定すると、ペルソナプロンプトフィールドは自動マッピングされません。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImV4dHJhQm9keSAvIGV4dHJhX2JvZHkiIHR5cGU9IlJlY29yZDxzdHJpbmcsIHVua25vd24 ">生成された OpenAI TTS フィールドの後に /audio/speech リクエスト本文へマージされる追加 JSON フィールド。Kokoro のように lang などのプロバイダー固有キーを必要とする OpenAI 互換エンドポイントで使用します。安全でないプロトタイプキーは無視されます。 OPENCLAW_DOCS_MARKER:paramClose:

baseUrlstring

OpenAI TTS エンドポイントを上書きします。解決順序: config → OPENAI_TTS_BASE_URL → https://api.openai.com/v1。デフォルト以外の値は OpenAI 互換 TTS エンドポイントとして扱われるため、カスタムモデル名と音声名を使用できます。

OpenRouter

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg Env: OPENROUTER_API_KEY。models.providers.openrouter.apiKey を再利用できます。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI デフォルトは https://openrouter.ai/api/v1。レガシーの https://openrouter.ai/v1 は正規化されます。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci デフォルトは hexgrad/kokoro-82m。エイリアス: modelId。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InZvaWNlIiB0eXBlPSJzdHJpbmci デフォルトは af_alloy。エイリアス: voiceId。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJlc3BvbnNlRm9ybWF0IiB0eXBlPScibXAzIiB8ICJwY20iJw デフォルトは mp3。 OPENCLAW_DOCS_MARKER:paramClose:

speednumber

Volcengine (BytePlus Seed Speech)

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg Env: VOLCENGINE_TTS_API_KEY または BYTEPLUS_SEED_SPEECH_API_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJlc291cmNlSWQiIHR5cGU9InN0cmluZyI デフォルトは seed-tts-1.0。Env: VOLCENGINE_TTS_RESOURCE_ID。プロジェクトに TTS 2.0 権限がある場合は seed-tts-2.0 を使用します。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwcEtleSIgdHlwZT0ic3RyaW5nIg アプリキーヘッダー。デフォルトは aGjiRDfUWi。Env: VOLCENGINE_TTS_APP_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI Seed Speech TTS HTTP エンドポイントを上書きします。Env: VOLCENGINE_TTS_BASE_URL。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InZvaWNlIiB0eXBlPSJzdHJpbmci 音声タイプ。デフォルトは en_female_anna_mars_bigtts。Env: VOLCENGINE_TTS_VOICE。 OPENCLAW_DOCS_MARKER:paramClose:

speedRationumber

emotionstring

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwcElkIC8gdG9rZW4gLyBjbHVzdGVyIiB0eXBlPSJzdHJpbmciIGRlcHJlY2F0ZWQ レガシーの Volcengine Speech Console フィールド。Env: VOLCENGINE_TTS_APPID、VOLCENGINE_TTS_TOKEN、VOLCENGINE_TTS_CLUSTER (デフォルトは volcano_tts)。 OPENCLAW_DOCS_MARKER:paramClose:

xAI

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg Env: XAI_API_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI デフォルトは https://api.x.ai/v1。Env: XAI_BASE_URL。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InZvaWNlSWQiIHR5cGU9InN0cmluZyI デフォルトは eve。ライブ音声: ara、eve、leo、rex、sal、una。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Imxhbmd1YWdlIiB0eXBlPSJzdHJpbmci BCP-47 言語コードまたは auto。デフォルトは en。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJlc3BvbnNlRm9ybWF0IiB0eXBlPScibXAzIiB8ICJ3YXYiIHwgInBjbSIgfCAibXVsYXciIHwgImFsYXciJw デフォルトは mp3。 OPENCLAW_DOCS_MARKER:paramClose:

speednumber

Xiaomi MiMo

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg Env: XIAOMI_API_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI デフォルトは https://api.xiaomimimo.com/v1。Env: XIAOMI_BASE_URL。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci デフォルトは mimo-v2.5-tts。Env: XIAOMI_TTS_MODEL。mimo-v2-tts もサポート。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InZvaWNlIiB0eXBlPSJzdHJpbmci デフォルトは mimo_default。Env: XIAOMI_TTS_VOICE。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImZvcm1hdCIgdHlwZT0nIm1wMyIgfCAid2F2Iic デフォルトは mp3。Env: XIAOMI_TTS_FORMAT。 OPENCLAW_DOCS_MARKER:paramClose:

stylestring

エージェントツール

tts ツールはテキストを音声に変換し、返信配信用の音声添付ファイルを返します。Feishu、Matrix、Telegram、WhatsApp では、音声はファイル添付ではなくボイスメッセージとして配信されます。Feishu と WhatsApp は、このパスで ffmpeg が利用可能な場合、非 Opus の TTS 出力をトランスコードできます。

WhatsApp は Baileys 経由で PTT ボイスノート (audio に ptt: true) として音声を送信し、表示テキストは PTT 音声とは別に送信します。これは、クライアントがボイスノートのキャプションを一貫して表示しないためです。

このツールは任意の channel と timeoutMs フィールドを受け入れます。timeoutMs は呼び出しごとのプロバイダーリクエストタイムアウト (ミリ秒) です。

Gateway RPC

メソッド	目的
`tts.status`	現在の TTS 状態と直近の試行を読み取ります。
`tts.enable`	ローカル自動設定を `always` に設定します。
`tts.disable`	ローカル自動設定を `off` に設定します。
`tts.convert`	1 回限りのテキスト → 音声。
`tts.setProvider`	ローカルプロバイダー設定を設定します。
`tts.setPersona`	ローカルペルソナ設定を設定します。
`tts.providers`	設定済みプロバイダーとステータスを一覧表示します。

クイックスタート

Pick a provider

Set the API key

Enable in config

Try it in chat

対応プロバイダー

設定

Azure Speech

ElevenLabs

Google Gemini

Gradium

Inworld

Local CLI

Microsoft (no key)

MiniMax

OpenAI + ElevenLabs

OpenRouter

Volcengine

xAI

Xiaomi MiMo

エージェントごとの音声オーバーライド

ペルソナ

最小ペルソナ

完全なペルソナ（プロバイダー非依存プロンプト）

ペルソナ解決

プロバイダーがペルソナプロンプトを使用する方法

フォールバックポリシー

モデルによるディレクティブ

スラッシュコマンド

ユーザーごとの設定

出力形式（固定）

Auto-TTS の動作

チャンネル別の出力形式

フィールドリファレンス

Inworld プライマリ

エージェントツール

Gateway RPC

サービスリンク

関連