---
read_when:
    - Quieres usar la conversión de texto a voz de ElevenLabs en OpenClaw
    - Quieres usar la conversión de voz a texto de ElevenLabs Scribe para los archivos de audio adjuntos
    - Quieres la transcripción en tiempo real de ElevenLabs para Voice Call o Google Meet
summary: Usa la síntesis de voz de ElevenLabs, Scribe STT y la transcripción en tiempo real con OpenClaw
title: ElevenLabs
x-i18n:
    generated_at: "2026-07-11T23:28:51Z"
    model: gpt-5.6
    postprocess_version: locale-links-v1
    provider: openai
    source_hash: c11b727bb0b1d645c424821dd1bc54c7109d50bd31e3853d04dfa25916bc66c7
    source_path: providers/elevenlabs.md
    workflow: 16
---

OpenClaw utiliza ElevenLabs para la conversión de texto a voz, la conversión por lotes de voz a texto con Scribe
v2 y la conversión de voz a texto en streaming con Scribe v2 Realtime. El plugin viene incluido y
está habilitado de forma predeterminada; no se necesita ningún paso de `plugins install`.

| Capacidad                       | Superficie de OpenClaw                                                | Valor predeterminado      |
| ------------------------------- | --------------------------------------------------------------------- | ------------------------- |
| Conversión de texto a voz       | `messages.tts` / `talk`                                               | `eleven_multilingual_v2`  |
| Conversión por lotes de voz a texto | `tools.media.audio`                                               | `scribe_v2`               |
| Conversión de voz a texto en streaming | Streaming de Voice Call o `realtime.transcriptionProvider` de Google Meet | `scribe_v2_realtime` |

## Autenticación

Establezca `ELEVENLABS_API_KEY` en el entorno. También se acepta `XI_API_KEY` por
compatibilidad con las herramientas existentes de ElevenLabs.

```bash
export ELEVENLABS_API_KEY="..."
```

## Conversión de texto a voz

```json5
{
  messages: {
    tts: {
      providers: {
        elevenlabs: {
          apiKey: "${ELEVENLABS_API_KEY}",
          voiceId: "pMsXgVXv3BLzUgSXRplE",
          modelId: "eleven_multilingual_v2",
        },
      },
    },
  },
}
```

Establezca `modelId` en `eleven_v3` para usar la conversión de texto a voz v3 de ElevenLabs. OpenClaw mantiene
`eleven_multilingual_v2` como valor predeterminado para las instalaciones existentes.

Los canales de voz de Discord utilizan el endpoint de conversión de texto a voz en streaming de ElevenLabs cuando ElevenLabs
es el proveedor seleccionado para `voice.tts`/`messages.tts`: la reproducción comienza desde el
flujo de audio devuelto, en lugar de esperar a que OpenClaw descargue primero
todo el archivo de audio. `latencyTier` se asigna al parámetro de consulta `optimize_streaming_latency`
de ElevenLabs para los modelos que lo admiten; OpenClaw omite ese parámetro para
`eleven_v3`, que lo rechaza.

## Conversión de voz a texto

Utilice Scribe v2 para los archivos adjuntos de audio entrantes y los segmentos de voz grabados breves:

```json5
{
  tools: {
    media: {
      audio: {
        enabled: true,
        models: [{ provider: "elevenlabs", model: "scribe_v2" }],
      },
    },
  },
}
```

OpenClaw envía audio multiparte a `/v1/speech-to-text` de ElevenLabs con
`model_id: "scribe_v2"`. Las indicaciones de idioma se asignan a `language_code` cuando están presentes.

## Conversión de voz a texto en streaming

El plugin `elevenlabs` incluido registra Scribe v2 Realtime para Voice Call y
la transcripción en streaming del modo agente de Google Meet.

| Ajuste                  | Ruta de configuración                                                     | Valor predeterminado                                  |
| ----------------------- | ------------------------------------------------------------------------- | ----------------------------------------------------- |
| Clave de API            | `plugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKey` | Recurre a `ELEVENLABS_API_KEY` / `XI_API_KEY`         |
| Modelo                  | `...elevenlabs.modelId`                                                   | `scribe_v2_realtime`                                  |
| Formato de audio        | `...elevenlabs.audioFormat`                                               | `ulaw_8000`                                           |
| Frecuencia de muestreo  | `...elevenlabs.sampleRate`                                                | `8000`                                                |
| Estrategia de confirmación | `...elevenlabs.commitStrategy`                                         | `vad`                                                 |
| Idioma                  | `...elevenlabs.languageCode`                                              | (sin establecer)                                      |

```json5
{
  plugins: {
    entries: {
      "voice-call": {
        config: {
          streaming: {
            enabled: true,
            provider: "elevenlabs",
            providers: {
              elevenlabs: {
                apiKey: "${ELEVENLABS_API_KEY}",
                audioFormat: "ulaw_8000",
                commitStrategy: "vad",
                languageCode: "en",
              },
            },
          },
        },
      },
    },
  },
}
```

<Note>
Voice Call recibe los medios de Twilio como G.711 u-law de 8 kHz. El proveedor en tiempo real
de ElevenLabs utiliza `ulaw_8000` de forma predeterminada, por lo que las tramas de telefonía pueden reenviarse sin
transcodificación.
</Note>

Para el modo agente de Google Meet, establezca
`plugins.entries.google-meet.config.realtime.transcriptionProvider` en
`"elevenlabs"` y configure el mismo bloque de proveedor en
`plugins.entries.google-meet.config.realtime.providers.elevenlabs`.

## Contenido relacionado

- [Conversión de texto a voz](/es/tools/tts)
- [Google Meet](/es/plugins/google-meet)
- [Selección de modelos](/es/concepts/model-providers)