---
read_when:
    - می‌خواهید برای پاسخ‌های خروجی از سنتز گفتار Azure استفاده کنید
    - شما به خروجی بومی یادداشت صوتی Ogg Opus از Azure Speech نیاز دارید
summary: تبدیل متن به گفتار Azure AI Speech برای پاسخ‌های OpenClaw
title: گفتار Azure
x-i18n:
    generated_at: "2026-07-12T10:36:42Z"
    model: gpt-5.6
    postprocess_version: locale-links-v1
    provider: openai
    source_hash: 61e700724dbb7cb8c217f91485cea0eec776698e439f6c6985dac58dc4cafc01
    source_path: providers/azure-speech.md
    workflow: 16
---

Azure Speech یک ارائه‌دهندهٔ تبدیل متن به گفتار Azure AI Speech است که به‌صورت داخلی ارائه می‌شود. OpenClaw
رابط برنامه‌نویسی REST سرویس Azure Speech را مستقیماً با SSML فراخوانی می‌کند و برای
پاسخ‌های استاندارد MP3، برای یادداشت‌های صوتی Ogg/Opus بومی و برای
کانال‌های تلفنی مانند Voice Call صدای mulaw با نرخ ۸ کیلوهرتز تولید می‌کند. درخواست، قالب خروجی تحت مالکیت
ارائه‌دهنده را از طریق سربرگ `X-Microsoft-OutputFormat` ارسال می‌کند.

| جزئیات                  | مقدار                                                                                                          |
| ----------------------- | -------------------------------------------------------------------------------------------------------------- |
| شناسهٔ ارائه‌دهنده             | `azure-speech` (نام مستعار: `azure`)                                                                                |
| وب‌سایت                 | [Azure AI Speech](https://azure.microsoft.com/products/ai-services/ai-speech)                                  |
| مستندات                    | [تبدیل متن به گفتار با REST سرویس Speech](https://learn.microsoft.com/azure/ai-services/speech-service/rest-text-to-speech) |
| احراز هویت                    | `AZURE_SPEECH_KEY` به‌همراه `AZURE_SPEECH_REGION`                                                                  |
| صدای پیش‌فرض           | `en-US-JennyNeural`                                                                                            |
| خروجی پیش‌فرض فایل     | `audio-24khz-48kbitrate-mono-mp3`                                                                              |
| فایل پیش‌فرض یادداشت صوتی | `ogg-24khz-16bit-mono-opus`                                                                                    |

## شروع به کار

<Steps>
  <Step title="ایجاد یک منبع Azure Speech">
    در پورتال Azure یک منبع Speech ایجاد کنید. **KEY 1** را از
    Resource Management > Keys and Endpoint کپی کنید و موقعیت منبع،
    مانند `eastus`، را نیز کپی کنید.

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

  </Step>
  <Step title="انتخاب Azure Speech در messages.tts">
    ```json5
    {
      messages: {
        tts: {
          auto: "always",
          provider: "azure-speech",
          providers: {
            "azure-speech": {
              voice: "en-US-JennyNeural",
              lang: "en-US",
            },
          },
        },
      },
    }
    ```
  </Step>
  <Step title="ارسال یک پیام">
    یک پاسخ را از طریق هر کانال متصل ارسال کنید. OpenClaw صدا را
    با Azure Speech تولید می‌کند و برای صوت استاندارد MP3 یا هنگامی که
    کانال انتظار یادداشت صوتی دارد Ogg/Opus تحویل می‌دهد.
  </Step>
</Steps>

## گزینه‌های پیکربندی

همهٔ گزینه‌ها در `messages.tts.providers["azure-speech"]` قرار دارند.

| گزینه                  | توضیحات                                                                                           |
| ----------------------- | ----------------------------------------------------------------------------------------------------- |
| `apiKey`                | کلید منبع Azure Speech. در صورت تنظیم‌نبودن، از `AZURE_SPEECH_KEY`، `AZURE_SPEECH_API_KEY` یا `SPEECH_KEY` استفاده می‌شود. |
| `region`                | منطقهٔ منبع Azure Speech. در صورت تنظیم‌نبودن، از `AZURE_SPEECH_REGION` یا `SPEECH_REGION` استفاده می‌شود.                 |
| `endpoint`              | جایگزین اختیاری نقطهٔ پایانی Azure Speech. در صورت تنظیم‌نبودن، از `AZURE_SPEECH_ENDPOINT` استفاده می‌شود.                       |
| `baseUrl`               | جایگزین اختیاری نشانی پایهٔ Azure Speech.                                                              |
| `voice`                 | مقدار ShortName صدای Azure (پیش‌فرض `en-US-JennyNeural`). نام مستعار قدیمی: `voiceId`.                         |
| `lang`                  | کد زبان SSML (پیش‌فرض `en-US`).                                                                 |
| `outputFormat`          | قالب خروجی فایل صوتی (پیش‌فرض `audio-24khz-48kbitrate-mono-mp3`).                                 |
| `voiceNoteOutputFormat` | قالب خروجی یادداشت صوتی (پیش‌فرض `ogg-24khz-16bit-mono-opus`).                                       |
| `timeoutMs`             | جایگزین مهلت زمانی درخواست برحسب میلی‌ثانیه. در صورت تنظیم‌نبودن، از `messages.tts.timeoutMs` سراسری استفاده می‌شود.          |

پس از تنظیم `apiKey` به‌همراه یکی از گزینه‌های
`region`، `endpoint` یا `baseUrl`، ارائه‌دهنده پیکربندی‌شده در نظر گرفته می‌شود. متغیرهای محیطی فقط به‌عنوان گزینهٔ جایگزین
برای کلیدهای پیکربندی تنظیم‌نشده بررسی می‌شوند.

## نکات

<AccordionGroup>
  <Accordion title="احراز هویت">
    Azure Speech از کلید منبع Speech استفاده می‌کند، نه کلید Azure OpenAI. کلید
    با نام `Ocp-Apim-Subscription-Key` ارسال می‌شود؛ OpenClaw نشانی
    `https://<region>.tts.speech.microsoft.com` را از `region` استخراج می‌کند، مگر اینکه
    `endpoint` یا `baseUrl` را ارائه کنید.
  </Accordion>
  <Accordion title="نام صداها">
    از مقدار `ShortName` صدای Azure Speech استفاده کنید، برای نمونه
    `en-US-JennyNeural`. ارائه‌دهندهٔ داخلی می‌تواند صداها را از طریق
    همان منبع Speech فهرست کند و صداهایی را که منسوخ، بازنشسته
    یا غیرفعال علامت‌گذاری شده‌اند، کنار می‌گذارد.
  </Accordion>
  <Accordion title="خروجی‌های صوتی">
    Azure قالب‌های خروجی مانند `audio-24khz-48kbitrate-mono-mp3`،
    `ogg-24khz-16bit-mono-opus` و `riff-24khz-16bit-mono-pcm` را می‌پذیرد. OpenClaw
    برای مقصدهای `voice-note` قالب Ogg/Opus را درخواست می‌کند تا کانال‌ها بتوانند
    حباب‌های صوتی بومی را بدون تبدیل اضافی به MP3 ارسال کنند و برای
    مقصدهای تلفنی استفاده از `raw-8khz-8bit-mono-mulaw` را اجباری می‌کند.
  </Accordion>
  <Accordion title="نام مستعار">
    `azure` برای پیکربندی موجود به‌عنوان نام مستعار ارائه‌دهنده پذیرفته می‌شود، اما پیکربندی
    جدید باید از `azure-speech` استفاده کند تا با ارائه‌دهندگان مدل
    Azure OpenAI اشتباه نشود.
  </Accordion>
</AccordionGroup>

## مرتبط

<CardGroup cols={2}>
  <Card title="تبدیل متن به گفتار" href="/fa/tools/tts" icon="waveform-lines">
    نمای کلی TTS، ارائه‌دهندگان و پیکربندی `messages.tts`.
  </Card>
  <Card title="پیکربندی" href="/fa/gateway/configuration" icon="gear">
    مرجع کامل پیکربندی، شامل تنظیمات `messages.tts`.
  </Card>
  <Card title="ارائه‌دهندگان" href="/fa/providers" icon="grid">
    همهٔ ارائه‌دهندگان داخلی OpenClaw.
  </Card>
  <Card title="عیب‌یابی" href="/fa/help/troubleshooting" icon="wrench">
    مشکلات رایج و مراحل اشکال‌زدایی.
  </Card>
</CardGroup>