Providers

Azure-Sprachausgabe

Azure Speech ist ein gebündelter Text-zu-Sprache-Provider von Azure AI Speech. OpenClaw ruft die Azure Speech REST API direkt mit SSML auf und synthetisiert MP3 für Standardantworten, natives Ogg/Opus für Sprachnachrichten und 8-kHz-mulaw für Telefoniekanäle wie Voice Call. Die Anfrage übermittelt das vom Provider verwaltete Ausgabeformat über den Header X-Microsoft-OutputFormat.

Detail	Wert
Provider-ID	`azure-speech` (Alias: `azure`)
Website	Azure AI Speech
Dokumentation	Speech REST Text-zu-Sprache
Authentifizierung	`AZURE_SPEECH_KEY` plus `AZURE_SPEECH_REGION`
Standardstimme	`en-US-JennyNeural`
Standarddateiausgabe	`audio-24khz-48kbitrate-mono-mp3`
Standard-Sprachnachrichtendatei	`ogg-24khz-16bit-mono-opus`

Erste Schritte

Eine Azure-Speech-Ressource erstellen

Erstellen Sie im Azure-Portal eine Speech-Ressource. Kopieren Sie KEY 1 aus Resource Management > Keys and Endpoint und kopieren Sie den Ressourcenstandort, beispielsweise eastus.

Code

AZURE_SPEECH_KEY=<speech-resource-key>AZURE_SPEECH_REGION=eastus

Azure Speech in messages.tts auswählen

json5

{  messages: {    tts: {      auto: "always",      provider: "azure-speech",      providers: {        "azure-speech": {          voice: "en-US-JennyNeural",          lang: "en-US",        },      },    },  },}

Eine Nachricht senden

Senden Sie eine Antwort über einen beliebigen verbundenen Kanal. OpenClaw synthetisiert das Audio mit Azure Speech und liefert MP3 für Standardaudio oder Ogg/Opus, wenn der Kanal eine Sprachnachricht erwartet.

Konfigurationsoptionen

Alle Optionen befinden sich unter messages.tts.providers["azure-speech"].

Option	Beschreibung
`apiKey`	Schlüssel der Azure-Speech-Ressource. Fällt auf `AZURE_SPEECH_KEY`, `AZURE_SPEECH_API_KEY` oder `SPEECH_KEY` zurück.
`region`	Region der Azure-Speech-Ressource. Fällt auf `AZURE_SPEECH_REGION` oder `SPEECH_REGION` zurück.
`endpoint`	Optionale Überschreibung des Azure-Speech-Endpunkts. Fällt auf `AZURE_SPEECH_ENDPOINT` zurück.
`baseUrl`	Optionale Überschreibung der Azure-Speech-Basis-URL.
`voice`	ShortName der Azure-Stimme (Standard: `en-US-JennyNeural`). Veralteter Alias: `voiceId`.
`lang`	SSML-Sprachcode (Standard: `en-US`).
`outputFormat`	Ausgabeformat für Audiodateien (Standard: `audio-24khz-48kbitrate-mono-mp3`).
`voiceNoteOutputFormat`	Ausgabeformat für Sprachnachrichten (Standard: `ogg-24khz-16bit-mono-opus`).
`timeoutMs`	Überschreibung des Anfrage-Timeouts in Millisekunden. Fällt auf den globalen Wert `messages.tts.timeoutMs` zurück.

Der Provider gilt als konfiguriert, sobald apiKey sowie eine der Optionen region, endpoint oder baseUrl festgelegt ist. Umgebungsvariablen werden nur als Rückfalloption für nicht festgelegte Konfigurationsschlüssel geprüft.

Hinweise

Authentifizierung

Azure Speech verwendet einen Speech-Ressourcenschlüssel, keinen Azure-OpenAI-Schlüssel. Der Schlüssel wird als Ocp-Apim-Subscription-Key gesendet; OpenClaw leitet https://<region>.tts.speech.microsoft.com aus region ab, sofern Sie nicht endpoint oder baseUrl angeben.

Sprachnamen

Verwenden Sie den ShortName-Wert der Azure-Speech-Stimme, zum Beispiel en-US-JennyNeural. Der mitgelieferte Provider kann Stimmen über dieselbe Speech-Ressource auflisten und filtert Stimmen heraus, die als veraltet, eingestellt oder deaktiviert gekennzeichnet sind.

Audioausgaben

Azure akzeptiert Ausgabeformate wie audio-24khz-48kbitrate-mono-mp3, ogg-24khz-16bit-mono-opus und riff-24khz-16bit-mono-pcm. OpenClaw fordert für voice-note-Ziele Ogg/Opus an, damit Kanäle native Sprachnachrichten ohne zusätzliche MP3-Konvertierung senden können, und erzwingt raw-8khz-8bit-mono-mulaw für Telefonieziele.

Alias

azure wird für bestehende Konfigurationen als Provider-Alias akzeptiert, neue Konfigurationen sollten jedoch azure-speech verwenden, um Verwechslungen mit Azure-OpenAI- Modell-Providern zu vermeiden.