--- read_when: - Você quer usar modelos do Google Gemini com o OpenClaw - Você precisa da chave de API ou do fluxo de autenticação OAuth summary: Configuração do Google Gemini (chave de API + OAuth, geração de imagens, compreensão de mídia, TTS, pesquisa na web) title: Google (Gemini) x-i18n: generated_at: "2026-05-11T20:34:42Z" model: gpt-5.5 provider: openai source_hash: 740ff99392d352e8c0f479af6002c52195b0c40e3ef688289d27dec583174847 source_path: providers/google.md workflow: 16 --- O Plugin Google fornece acesso aos modelos Gemini por meio do Google AI Studio, além de geração de imagens, compreensão de mídia (imagem/áudio/vídeo), conversão de texto em fala e pesquisa na web via Gemini Grounding. - Provedor: `google` - Autenticação: `GEMINI_API_KEY` ou `GOOGLE_API_KEY` - API: Google Gemini API - Opção de runtime: provedor/modelo `agentRuntime.id: "google-gemini-cli"` reutiliza o OAuth do Gemini CLI, mantendo as refs de modelo canônicas como `google/*`. ## Primeiros passos Escolha seu método de autenticação preferido e siga as etapas de configuração. **Melhor para:** acesso padrão à Gemini API pelo Google AI Studio. ```bash openclaw onboard --auth-choice gemini-api-key ``` Ou passe a chave diretamente: ```bash openclaw onboard --non-interactive \ --mode local \ --auth-choice gemini-api-key \ --gemini-api-key "$GEMINI_API_KEY" ``` ```json5 { agents: { defaults: { model: { primary: "google/gemini-3.1-pro-preview" }, }, }, } ``` ```bash openclaw models list --provider google ``` As variáveis de ambiente `GEMINI_API_KEY` e `GOOGLE_API_KEY` são aceitas. Use a que você já tiver configurada. **Melhor para:** reutilizar um login existente do Gemini CLI via PKCE OAuth em vez de uma chave de API separada. O provedor `google-gemini-cli` é uma integração não oficial. Alguns usuários relatam restrições de conta ao usar OAuth dessa forma. Use por sua conta e risco. O comando local `gemini` deve estar disponível no `PATH`. ```bash # Homebrew brew install gemini-cli # or npm npm install -g @google/gemini-cli ``` O OpenClaw oferece suporte a instalações pelo Homebrew e instalações npm globais, incluindo layouts comuns do Windows/npm. ```bash openclaw models auth login --provider google-gemini-cli --set-default ``` ```bash openclaw models list --provider google ``` - Modelo padrão: `google/gemini-3.1-pro-preview` - Runtime: `google-gemini-cli` - Alias: `gemini-cli` O ID de modelo da Gemini API para Gemini 3.1 Pro é `gemini-3.1-pro-preview`. O OpenClaw aceita o `google/gemini-3.1-pro` mais curto como um alias de conveniência e o normaliza antes das chamadas ao provedor. **Variáveis de ambiente:** - `OPENCLAW_GEMINI_OAUTH_CLIENT_ID` - `OPENCLAW_GEMINI_OAUTH_CLIENT_SECRET` (Ou as variantes `GEMINI_CLI_*`.) Se as solicitações de OAuth do Gemini CLI falharem após o login, defina `GOOGLE_CLOUD_PROJECT` ou `GOOGLE_CLOUD_PROJECT_ID` no host do gateway e tente novamente. Se o login falhar antes do início do fluxo do navegador, verifique se o comando local `gemini` está instalado e no `PATH`. As refs de modelo `google-gemini-cli/*` são aliases de compatibilidade legados. Novas configurações devem usar refs de modelo `google/*` mais o runtime `google-gemini-cli` quando quiserem execução local do Gemini CLI. ## Capacidades | Capacidade | Compatível | | ---------------------- | ----------------------------- | | Conclusões de chat | Sim | | Geração de imagens | Sim | | Geração de música | Sim | | Conversão de texto em fala | Sim | | Voz em tempo real | Sim (Google Live API) | | Compreensão de imagens | Sim | | Transcrição de áudio | Sim | | Compreensão de vídeo | Sim | | Pesquisa na web (Grounding) | Sim | | Pensamento/raciocínio | Sim (Gemini 2.5+ / Gemini 3+) | | Modelos Gemma 4 | Sim | ## Pesquisa na web O provedor de pesquisa na web `gemini` incluído usa grounding do Google Search no Gemini. Configure uma chave de pesquisa dedicada em `plugins.entries.google.config.webSearch`, ou permita que ele reutilize `models.providers.google.apiKey` após `GEMINI_API_KEY`: ```json5 { plugins: { entries: { google: { config: { webSearch: { apiKey: "AIza...", // optional if GEMINI_API_KEY or models.providers.google.apiKey is set baseUrl: "https://generativelanguage.googleapis.com/v1beta", // falls back to models.providers.google.baseUrl model: "gemini-2.5-flash", }, }, }, }, }, } ``` A precedência de credenciais é `webSearch.apiKey` dedicado, depois `GEMINI_API_KEY`, depois `models.providers.google.apiKey`. `webSearch.baseUrl` é opcional e existe para proxies de operadores ou endpoints compatíveis da Gemini API; quando omitido, a pesquisa na web do Gemini reutiliza `models.providers.google.baseUrl`. Consulte [Pesquisa Gemini](/pt-BR/tools/gemini-search) para o comportamento da ferramenta específico do provedor. Modelos Gemini 3 usam `thinkingLevel` em vez de `thinkingBudget`. O OpenClaw mapeia controles de raciocínio de alias Gemini 3, Gemini 3.1 e `gemini-*-latest` para `thinkingLevel`, para que execuções padrão/de baixa latência não enviem valores `thinkingBudget` desativados. `/think adaptive` mantém a semântica de pensamento dinâmico do Google em vez de escolher um nível fixo do OpenClaw. Gemini 3 e Gemini 3.1 omitem um `thinkingLevel` fixo para que o Google possa escolher o nível; Gemini 2.5 envia o sentinela dinâmico do Google `thinkingBudget: -1`. Modelos Gemma 4 (por exemplo, `gemma-4-26b-a4b-it`) oferecem suporte ao modo de pensamento. O OpenClaw reescreve `thinkingBudget` para um `thinkingLevel` compatível do Google para Gemma 4. Definir o pensamento como `off` preserva o pensamento desativado em vez de mapear para `MINIMAL`. ## Geração de imagens O provedor de geração de imagens `google` incluído usa como padrão `google/gemini-3.1-flash-image-preview`. - Também oferece suporte a `google/gemini-3-pro-image-preview` - Gerar: até 4 imagens por solicitação - Modo de edição: habilitado, até 5 imagens de entrada - Controles de geometria: `size`, `aspectRatio` e `resolution` Para usar Google como provedor de imagens padrão: ```json5 { agents: { defaults: { imageGenerationModel: { primary: "google/gemini-3.1-flash-image-preview", }, }, }, } ``` Consulte [Geração de imagens](/pt-BR/tools/image-generation) para parâmetros compartilhados da ferramenta, seleção de provedor e comportamento de failover. ## Geração de vídeo O Plugin `google` incluído também registra geração de vídeo por meio da ferramenta compartilhada `video_generate`. - Modelo de vídeo padrão: `google/veo-3.1-fast-generate-preview` - Modos: fluxos de texto para vídeo, imagem para vídeo e referência de vídeo único - Oferece suporte a `aspectRatio` (`16:9`, `9:16`) e `resolution` (`720P`, `1080P`); saída de áudio não é compatível com Veo atualmente - Durações compatíveis: **4, 6 ou 8 segundos** (outros valores se ajustam ao valor permitido mais próximo) Para usar Google como provedor de vídeo padrão: ```json5 { agents: { defaults: { videoGenerationModel: { primary: "google/veo-3.1-fast-generate-preview", }, }, }, } ``` Consulte [Geração de vídeo](/pt-BR/tools/video-generation) para parâmetros compartilhados da ferramenta, seleção de provedor e comportamento de failover. ## Geração de música O Plugin `google` incluído também registra geração de música por meio da ferramenta compartilhada `music_generate`. - Modelo de música padrão: `google/lyria-3-clip-preview` - Também oferece suporte a `google/lyria-3-pro-preview` - Controles de prompt: `lyrics` e `instrumental` - Formato de saída: `mp3` por padrão, além de `wav` em `google/lyria-3-pro-preview` - Entradas de referência: até 10 imagens - Execuções com sessão destacam-se por meio do fluxo compartilhado de tarefa/status, incluindo `action: "status"` Para usar Google como provedor de música padrão: ```json5 { agents: { defaults: { musicGenerationModel: { primary: "google/lyria-3-clip-preview", }, }, }, } ``` Consulte [Geração de música](/pt-BR/tools/music-generation) para parâmetros compartilhados da ferramenta, seleção de provedor e comportamento de failover. ## Conversão de texto em fala O provedor de fala `google` incluído usa o caminho de TTS da Gemini API com `gemini-3.1-flash-tts-preview`. - Voz padrão: `Kore` - Autenticação: `messages.tts.providers.google.apiKey`, `models.providers.google.apiKey`, `GEMINI_API_KEY` ou `GOOGLE_API_KEY` - Saída: WAV para anexos TTS comuns, Opus para destinos de nota de voz, PCM para Talk/telefonia - Saída de nota de voz: o PCM do Google é encapsulado como WAV e transcodificado para Opus de 48 kHz com `ffmpeg` O caminho de TTS Gemini em lote do Google retorna o áudio gerado na resposta `generateContent` concluída. Para conversas faladas com a menor latência, use o provedor de voz em tempo real do Google apoiado pela Gemini Live API em vez de TTS em lote. Para usar Google como provedor de TTS padrão: ```json5 { messages: { tts: { auto: "always", provider: "google", providers: { google: { model: "gemini-3.1-flash-tts-preview", voiceName: "Kore", audioProfile: "Speak professionally with a calm tone.", }, }, }, }, } ``` O TTS da Gemini API usa prompting em linguagem natural para controle de estilo. Defina `audioProfile` para prefixar um prompt de estilo reutilizável antes do texto falado. Defina `speakerName` quando o texto do prompt fizer referência a um falante nomeado. O TTS da Gemini API também aceita tags de áudio expressivas entre colchetes no texto, como `[whispers]` ou `[laughs]`. Para manter tags fora da resposta visível do chat enquanto as envia ao TTS, coloque-as dentro de um bloco `[[tts:text]]...[[/tts:text]]`: ```text Here is the clean reply text. [[tts:text]][whispers] Here is the spoken version.[[/tts:text]] ``` Uma chave de API do Google Cloud Console restrita à Gemini API é válida para este provedor. Este não é o caminho separado da Cloud Text-to-Speech API. ## Voz em tempo real O Plugin `google` incluído registra um provedor de voz em tempo real apoiado pela Gemini Live API para pontes de áudio de backend, como Voice Call e Google Meet. | Configuração | Caminho de configuração | Padrão | | -------------------------- | ------------------------------------------------------------------- | -------------------------------------------------------------------------------------------- | | Modelo | `plugins.entries.voice-call.config.realtime.providers.google.model` | `gemini-2.5-flash-native-audio-preview-12-2025` | | Voz | `...google.voice` | `Kore` | | Temperatura | `...google.temperature` | (não definido) | | Sensibilidade de início VAD | `...google.startSensitivity` | (não definido) | | Sensibilidade de fim VAD | `...google.endSensitivity` | (não definido) | | Duração do silêncio | `...google.silenceDurationMs` | (não definido) | | Tratamento de atividade | `...google.activityHandling` | Padrão do Google, `start-of-activity-interrupts` | | Cobertura do turno | `...google.turnCoverage` | Padrão do Google, `only-activity` | | Desativar VAD automático | `...google.automaticActivityDetectionDisabled` | `false` | | Retomada de sessão | `...google.sessionResumption` | `true` | | Compressão de contexto | `...google.contextWindowCompression` | `true` | | Chave de API | `...google.apiKey` | Usa como fallback `models.providers.google.apiKey`, `GEMINI_API_KEY` ou `GOOGLE_API_KEY` | Exemplo de configuração em tempo real do Voice Call: ```json5 { plugins: { entries: { "voice-call": { enabled: true, config: { realtime: { enabled: true, provider: "google", providers: { google: { model: "gemini-2.5-flash-native-audio-preview-12-2025", voice: "Kore", activityHandling: "start-of-activity-interrupts", turnCoverage: "only-activity", }, }, }, }, }, }, }, } ``` A Google Live API usa áudio bidirecional e chamada de funções por meio de um WebSocket. OpenClaw adapta o áudio da ponte de telefonia/Meet ao fluxo PCM da Gemini Live API e mantém as chamadas de ferramentas no contrato compartilhado de voz em tempo real. Deixe `temperature` não definido, a menos que você precise alterar a amostragem; OpenClaw omite valores não positivos porque o Google Live pode retornar transcrições sem áudio para `temperature: 0`. A transcrição da API Gemini é habilitada sem `languageCodes`; o SDK atual do Google rejeita dicas de código de idioma neste caminho de API. Control UI Talk oferece suporte a sessões do Google Live no navegador com tokens de uso único restritos. Provedores de voz em tempo real somente de backend também podem ser executados pelo transporte genérico de retransmissão do Gateway, que mantém as credenciais do provedor no Gateway. Para verificação ao vivo por mantenedores, execute `OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts`. O smoke também cobre caminhos de backend/WebRTC da OpenAI; a etapa do Google emite o mesmo formato de token restrito da Live API usado pelo Control UI Talk, abre o endpoint WebSocket do navegador, envia o payload inicial de configuração e aguarda `setupComplete`. ## Configuração avançada Para execuções diretas da API Gemini (`api: "google-generative-ai"`), OpenClaw repassa um identificador `cachedContent` configurado para as solicitações Gemini. - Configure parâmetros por modelo ou globais com `cachedContent` ou o legado `cached_content` - Se ambos estiverem presentes, `cachedContent` prevalece - Valor de exemplo: `cachedContents/prebuilt-context` - O uso de acerto de cache Gemini é normalizado para `cacheRead` do OpenClaw a partir de `cachedContentTokenCount` do upstream ```json5 { agents: { defaults: { models: { "google/gemini-2.5-pro": { params: { cachedContent: "cachedContents/prebuilt-context", }, }, }, }, }, } ``` Ao usar o provedor OAuth `google-gemini-cli`, OpenClaw normaliza a saída JSON da CLI da seguinte forma: - O texto de resposta vem do campo `response` do JSON da CLI. - O uso usa `stats` como fallback quando a CLI deixa `usage` vazio. - `stats.cached` é normalizado para `cacheRead` do OpenClaw. - Se `stats.input` estiver ausente, OpenClaw deriva os tokens de entrada de `stats.input_tokens - stats.cached`. Se o Gateway for executado como daemon (launchd/systemd), garanta que `GEMINI_API_KEY` esteja disponível para esse processo (por exemplo, em `~/.openclaw/.env` ou via `env.shellEnv`). ## Relacionado Escolha de provedores, referências de modelo e comportamento de failover. Parâmetros compartilhados da ferramenta de imagem e seleção de provedor. Parâmetros compartilhados da ferramenta de vídeo e seleção de provedor. Parâmetros compartilhados da ferramenta de música e seleção de provedor.