Providers

ElevenLabs

OpenClaw używa ElevenLabs do zamiany tekstu na mowę, wsadowej zamiany mowy na tekst za pomocą Scribe v2 oraz strumieniowego STT za pomocą Scribe v2 Realtime.

Funkcja	Powierzchnia OpenClaw	Domyślne
Zamiana tekstu na mowę	`messages.tts` / `talk`	`eleven_multilingual_v2`
Wsadowa zamiana mowy na tekst	`tools.media.audio`	`scribe_v2`
Strumieniowa zamiana mowy na tekst	strumieniowanie Voice Call lub Google Meet `realtime.transcriptionProvider`	`scribe_v2_realtime`

Uwierzytelnianie

Ustaw ELEVENLABS_API_KEY w środowisku. XI_API_KEY jest także akceptowany dla zgodności z istniejącymi narzędziami ElevenLabs.

bash

export ELEVENLABS_API_KEY="..."

Zamiana tekstu na mowę

json5

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

Ustaw modelId na eleven_v3, aby użyć ElevenLabs v3 TTS. OpenClaw zachowuje eleven_multilingual_v2 jako domyślną wartość dla istniejących instalacji.

Kanały głosowe Discord używają strumieniowego punktu końcowego TTS ElevenLabs, gdy ElevenLabs jest wybranym dostawcą voice.tts/messages.tts. Odtwarzanie zaczyna się od zwróconego strumienia audio, zamiast czekać, aż OpenClaw najpierw pobierze i zapisze cały plik audio. latencyTier mapuje się na parametr zapytania ElevenLabs optimize_streaming_latency dla modeli, które go akceptują; OpenClaw pomija ten parametr dla eleven_v3, który go odrzuca.

Zamiana mowy na tekst

Użyj Scribe v2 dla przychodzących załączników audio i krótkich nagranych segmentów głosowych:

json5

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

OpenClaw wysyła wieloczęściowe audio do ElevenLabs /v1/speech-to-text z model_id: "scribe_v2". Wskazówki językowe są mapowane na language_code, gdy są obecne.

Strumieniowe STT

Dołączony Plugin elevenlabs rejestruje Scribe v2 Realtime dla strumieniowej transkrypcji Voice Call i Google Meet w trybie agenta.

Ustawienie	Ścieżka konfiguracji	Domyślne
Klucz API	`plugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKey`	Używa zastępczo `ELEVENLABS_API_KEY` / `XI_API_KEY`
Model	`...elevenlabs.modelId`	`scribe_v2_realtime`
Format audio	`...elevenlabs.audioFormat`	`ulaw_8000`
Częstotliwość próbkowania	`...elevenlabs.sampleRate`	`8000`
Strategia zatwierdzania	`...elevenlabs.commitStrategy`	`vad`
Język	`...elevenlabs.languageCode`	(nieustawione)

json5

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

W trybie agenta Google Meet ustaw plugins.entries.google-meet.config.realtime.transcriptionProvider na "elevenlabs" i skonfiguruj ten sam blok dostawcy pod plugins.entries.google-meet.config.realtime.providers.elevenlabs.

Powiązane

Was this useful?