--- read_when: - Ses transkripsiyonunu veya medya işlemeyi değiştirme summary: Gelen ses/sesli notların nasıl indirildiği, yazıya döküldüğü ve yanıtlara yerleştirildiği title: Ses ve sesli notlar x-i18n: generated_at: "2026-05-06T17:58:13Z" model: gpt-5.5 provider: openai source_hash: baa96453ce279d05933281eafe930e3573c5cbe694cec8704b1d064f4b0de242 source_path: nodes/audio.md workflow: 16 --- ## Çalışanlar - **Medya anlama (ses)**: Ses anlama etkinleştirilmişse (veya otomatik algılanmışsa), OpenClaw: 1. İlk ses ekini (yerel yol veya URL) bulur ve gerekirse indirir. 2. Her model girdisine göndermeden önce `maxBytes` sınırını uygular. 3. Sıradaki ilk uygun model girdisini çalıştırır (sağlayıcı veya CLI). 4. Başarısız olursa veya atlanırsa (boyut/zaman aşımı), sonraki girdiyi dener. 5. Başarılı olduğunda, `Body` değerini bir `[Audio]` bloğuyla değiştirir ve `{{Transcript}}` ayarlar. - **Komut ayrıştırma**: Deşifre başarılı olduğunda, eğik çizgi komutlarının çalışmaya devam etmesi için `CommandBody`/`RawBody` deşifreye ayarlanır. - **Ayrıntılı günlükleme**: `--verbose` modunda, deşifre çalıştığında ve gövdeyi değiştirdiğinde günlük kaydı tutarız. ## Otomatik algılama (varsayılan) **Model yapılandırmazsanız** ve `tools.media.audio.enabled` **`false` olarak ayarlanmamışsa**, OpenClaw bu sırayla otomatik algılama yapar ve çalışan ilk seçenekte durur: 1. Sağlayıcısı ses anlamayı desteklediğinde **etkin yanıt modeli**. 2. **Yerel CLI'lar** (kuruluysa) - `sherpa-onnx-offline` (encoder/decoder/joiner/tokens içeren `SHERPA_ONNX_MODEL_DIR` gerektirir) - `whisper-cli` (`whisper-cpp` üzerinden; `WHISPER_CPP_MODEL` veya paketle gelen tiny modeli kullanır) - `whisper` (Python CLI; modelleri otomatik indirir) 3. `read_many_files` kullanan **Gemini CLI** (`gemini`) 4. **Sağlayıcı kimlik doğrulaması** - Ses destekleyen yapılandırılmış `models.providers.*` girdileri önce denenir - Paketle gelen yedek sıra: OpenAI → Groq → xAI → Deepgram → Google → SenseAudio → ElevenLabs → Mistral Otomatik algılamayı devre dışı bırakmak için `tools.media.audio.enabled: false` ayarlayın. Özelleştirmek için `tools.media.audio.models` ayarlayın. Not: İkili dosya algılama macOS/Linux/Windows genelinde en iyi çaba esasına dayanır; CLI'ın `PATH` üzerinde olduğundan emin olun (`~` genişletilir) veya tam komut yoluyla açık bir CLI modeli ayarlayın. ## Yapılandırma örnekleri ### Sağlayıcı + CLI yedeği (OpenAI + Whisper CLI) ```json5 { tools: { media: { audio: { enabled: true, maxBytes: 20971520, models: [ { provider: "openai", model: "gpt-4o-mini-transcribe" }, { type: "cli", command: "whisper", args: ["--model", "base", "{{MediaPath}}"], timeoutSeconds: 45, }, ], }, }, }, } ``` ### Kapsam geçidiyle yalnızca sağlayıcı ```json5 { tools: { media: { audio: { enabled: true, scope: { default: "allow", rules: [{ action: "deny", match: { chatType: "group" } }], }, models: [{ provider: "openai", model: "gpt-4o-mini-transcribe" }], }, }, }, } ``` ### Yalnızca sağlayıcı (Deepgram) ```json5 { tools: { media: { audio: { enabled: true, models: [{ provider: "deepgram", model: "nova-3" }], }, }, }, } ``` ### Yalnızca sağlayıcı (Mistral Voxtral) ```json5 { tools: { media: { audio: { enabled: true, models: [{ provider: "mistral", model: "voxtral-mini-latest" }], }, }, }, } ``` ### Yalnızca sağlayıcı (SenseAudio) ```json5 { tools: { media: { audio: { enabled: true, models: [{ provider: "senseaudio", model: "senseaudio-asr-pro-1.5-260319" }], }, }, }, } ``` ### Deşifreyi sohbete yankıla (isteğe bağlı) ```json5 { tools: { media: { audio: { enabled: true, echoTranscript: true, // default is false echoFormat: '📝 "{transcript}"', // optional, supports {transcript} models: [{ provider: "openai", model: "gpt-4o-mini-transcribe" }], }, }, }, } ``` ## Notlar ve sınırlar - Sağlayıcı kimlik doğrulaması standart model kimlik doğrulama sırasını izler (kimlik doğrulama profilleri, ortam değişkenleri, `models.providers.*.apiKey`). - Groq kurulum ayrıntıları: [Groq](/tr/providers/groq). - `provider: "deepgram"` kullanıldığında Deepgram `DEEPGRAM_API_KEY` değerini alır. - Deepgram kurulum ayrıntıları: [Deepgram (ses deşifresi)](/tr/providers/deepgram). - Mistral kurulum ayrıntıları: [Mistral](/tr/providers/mistral). - `provider: "senseaudio"` kullanıldığında SenseAudio `SENSEAUDIO_API_KEY` değerini alır. - SenseAudio kurulum ayrıntıları: [SenseAudio](/tr/providers/senseaudio). - Ses sağlayıcıları `tools.media.audio` üzerinden `baseUrl`, `headers` ve `providerOptions` değerlerini geçersiz kılabilir. - Varsayılan boyut sınırı 20MB'dir (`tools.media.audio.maxBytes`). Büyük boyutlu ses ilgili model için atlanır ve sonraki girdi denenir. - 1024 baytın altındaki küçük/boş ses dosyaları sağlayıcı/CLI deşifresinden önce atlanır. - Ses için varsayılan `maxChars` **ayarlanmamıştır** (tam deşifre). Çıktıyı kırpmak için `tools.media.audio.maxChars` veya girdi başına `maxChars` ayarlayın. - OpenAI otomatik varsayılanı `gpt-4o-mini-transcribe`; daha yüksek doğruluk için `model: "gpt-4o-transcribe"` ayarlayın. - Birden fazla sesli notu işlemek için `tools.media.audio.attachments` kullanın (`mode: "all"` + `maxAttachments`). - Deşifre şablonlarda `{{Transcript}}` olarak kullanılabilir. - `tools.media.audio.echoTranscript` varsayılan olarak kapalıdır; agent işlemesinden önce deşifre onayını kaynak sohbete geri göndermek için etkinleştirin. - `tools.media.audio.echoFormat` yankı metnini özelleştirir (yer tutucu: `{transcript}`). - CLI stdout sınırlandırılmıştır (5MB); CLI çıktısını kısa tutun. - CLI `args`, yerel ses dosyası yolu için `{{MediaPath}}` kullanmalıdır. Eski `audio.transcription.command` yapılandırmalarındaki kullanımdan kaldırılmış `{input}` yer tutucularını taşımak için `openclaw doctor --fix` çalıştırın. ### Proxy ortam desteği Sağlayıcı tabanlı ses deşifresi standart giden proxy ortam değişkenlerini dikkate alır: - `HTTPS_PROXY` - `HTTP_PROXY` - `ALL_PROXY` - `https_proxy` - `http_proxy` - `all_proxy` Hiç proxy ortam değişkeni ayarlanmamışsa doğrudan çıkış kullanılır. Proxy yapılandırması hatalıysa, OpenClaw bir uyarı günlüğe yazar ve doğrudan getirmeye geri döner. ## Gruplarda bahsetme algılama Bir grup sohbeti için `requireMention: true` ayarlandığında, OpenClaw artık bahsetmeleri kontrol etmeden **önce** sesi deşifre eder. Bu, sesli notlar bahsetme içerdiğinde bile işlenmelerini sağlar. **Nasıl çalışır:** 1. Bir sesli mesajın metin gövdesi yoksa ve grup bahsetme gerektiriyorsa, OpenClaw bir "ön kontrol" deşifresi gerçekleştirir. 2. Deşifre bahsetme kalıpları için kontrol edilir (ör. `@BotName`, emoji tetikleyicileri). 3. Bir bahsetme bulunursa, mesaj tam yanıt işlem hattından geçer. 4. Sesli notların bahsetme geçidinden geçebilmesi için deşifre bahsetme algılamasında kullanılır. **Yedek davranış:** - Ön kontrol sırasında deşifre başarısız olursa (zaman aşımı, API hatası vb.), mesaj yalnızca metin tabanlı bahsetme algılamasına göre işlenir. - Bu, karma mesajların (metin + ses) hiçbir zaman yanlışlıkla düşürülmemesini sağlar. **Telegram grubu/konusu başına vazgeçme:** - Bu grup için ön kontrol deşifre bahsetme kontrollerini atlamak üzere `channels.telegram.groups..disableAudioPreflight: true` ayarlayın. - Konu başına geçersiz kılmak için `channels.telegram.groups..topics..disableAudioPreflight` ayarlayın (atlamak için `true`, zorla etkinleştirmek için `false`). - Varsayılan `false` değeridir (bahsetme geçitli koşullar eşleştiğinde ön kontrol etkindir). **Örnek:** Bir kullanıcı `requireMention: true` olan bir Telegram grubunda "Hey @Claude, what's the weather?" diyen bir sesli not gönderir. Sesli not deşifre edilir, bahsetme algılanır ve agent yanıt verir. ## Dikkat edilmesi gerekenler - Kapsam kurallarında ilk eşleşme kazanır. `chatType`, `direct`, `group` veya `room` olarak normalize edilir. - CLI'ınızın 0 ile çıktığından ve düz metin yazdırdığından emin olun; JSON'un `jq -r .text` ile düzenlenmesi gerekir. - `parakeet-mlx` için, `--output-dir` geçirirseniz `--output-format` `txt` olduğunda (veya belirtilmediğinde) OpenClaw `/.txt` dosyasını okur; `txt` olmayan çıktı biçimleri stdout ayrıştırmasına geri döner. - Yanıt kuyruğunu engellememek için zaman aşımlarını makul tutun (`timeoutSeconds`, varsayılan 60 sn). - Ön kontrol deşifresi, bahsetme algılaması için yalnızca **ilk** ses ekini işler. Ek sesler ana medya anlama aşamasında işlenir. ## İlgili - [Medya anlama](/tr/nodes/media-understanding) - [Konuşma modu](/tr/nodes/talk) - [Sesle uyandırma](/tr/nodes/voicewake)