ElevenLabs

OpenClaw 使用 ElevenLabs 进行文本转语音、使用 Scribe v2 进行批量语音转文本，并使用 Scribe v2 Realtime 进行流式 STT。

认证

在环境中设置 ELEVENLABS_API_KEY。为兼容现有的 ElevenLabs 工具，也接受 XI_API_KEY。

export ELEVENLABS_API_KEY="..."

文本转语音

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

将 modelId 设置为 eleven_v3 可使用 ElevenLabs v3 TTS。OpenClaw 会继续将 eleven_multilingual_v2 作为现有安装的默认值。

当 ElevenLabs 是所选 voice.tts/messages.tts 提供商时，Discord 语音频道会使用 ElevenLabs 的流式 TTS 端点。播放会从返回的音频流开始，而不是等待 OpenClaw 先下载并写入整个音频文件。对于接受该参数的模型，latencyTier 会映射到 ElevenLabs 的 optimize_streaming_latency 查询参数；OpenClaw 会为 eleven_v3 省略该参数，因为它会拒绝该参数。

语音转文本

对传入的音频附件和短录音语音片段使用 Scribe v2：

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

OpenClaw 会将 multipart 音频发送到 ElevenLabs /v1/speech-to-text，并带上 model_id: "scribe_v2"。存在语言提示时，会映射到 language_code。

流式 STT

内置的 elevenlabs 插件会为语音通话和 Google Meet 智能体模式流式转录注册 Scribe v2 Realtime。

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

对于 Google Meet 智能体模式，将 plugins.entries.google-meet.config.realtime.transcriptionProvider 设置为 "elevenlabs"，并在 plugins.entries.google-meet.config.realtime.providers.elevenlabs 下配置相同的提供商块。

相关内容

• 文本转语音
• Google Meet
• 模型选择