ElevenLabs

OpenClaw 使用 ElevenLabs 進行文字轉語音、透過 Scribe v2 進行批次語音轉文字，以及透過 Scribe v2 Realtime 進行串流 STT。

驗證

在環境中設定 ELEVENLABS_API_KEY。也接受 XI_API_KEY，以相容既有的 ElevenLabs 工具。

export ELEVENLABS_API_KEY="..."

文字轉語音

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

將 modelId 設為 eleven_v3 即可使用 ElevenLabs v3 TTS。OpenClaw 仍將 eleven_multilingual_v2 保留為既有安裝的預設值。

當 ElevenLabs 是選定的 voice.tts/messages.tts 提供者時，Discord 語音頻道會使用 ElevenLabs 的串流 TTS 端點。播放會從傳回的音訊串流開始，而不是先等待 OpenClaw 下載並寫入整個音訊檔案。對於接受該參數的模型，latencyTier 會對應至 ElevenLabs 的 optimize_streaming_latency 查詢參數；OpenClaw 會針對 eleven_v3 省略該參數，因為它會拒絕該參數。

語音轉文字

針對傳入音訊附件和短錄音語音片段使用 Scribe v2：

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

OpenClaw 會將多部分音訊傳送至 ElevenLabs /v1/speech-to-text，並使用 model_id: "scribe_v2"。語言提示存在時會對應至 language_code。

串流 STT

內建的 elevenlabs Plugin 會為 Voice Call 和 Google Meet agent 模式串流轉錄註冊 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",              },            },          },        },      },    },  },}

若使用 Google Meet agent 模式，請將 plugins.entries.google-meet.config.realtime.transcriptionProvider 設為 "elevenlabs"，並在 plugins.entries.google-meet.config.realtime.providers.elevenlabs 下設定相同的提供者區塊。

相關

• 文字轉語音
• Google Meet
• 模型選擇