Providers
Deepgram
Deepgram یک API تبدیل گفتار به متن است. OpenClaw از آن برای رونویسی فایلهای صوتی/یادداشتهای صوتی ورودی از طریق tools.media.audio و برای تبدیل گفتار به متن جریانی تماس صوتی از طریق plugins.entries.voice-call.config.streaming استفاده میکند.
رونویسی دستهای، فایل صوتی کامل را در Deepgram بارگذاری میکند و متن رونویسیشده را در خط لوله پاسخ ({{Transcript}} بههمراه بلوک [Audio]) درج میکند. پخش جریانی تماس صوتی، فریمهای زنده G.711 u-law را از طریق نقطه پایانی WebSocket با نام listen در Deepgram ارسال میکند و همزمان با بازگرداندن نتایج توسط Deepgram، متنهای رونویسیشده موقت/نهایی را منتشر میکند.
| جزئیات | مقدار |
|---|---|
| وبسایت | deepgram.com |
| مستندات | developers.deepgram.com |
| احراز هویت | DEEPGRAM_API_KEY |
| مدل پیشفرض | nova-3 |
شروع کار
کلید API خود را تنظیم کنید
DEEPGRAM_API_KEY=dg_...ارائهدهنده صوت را فعال کنید
{ tools: { media: { audio: { enabled: true, models: [{ provider: "deepgram", model: "nova-3" }], }, }, },}یک یادداشت صوتی ارسال کنید
یک پیام صوتی را از طریق هر کانال متصل ارسال کنید. OpenClaw آن را با Deepgram رونویسی میکند و متن رونویسیشده را در خط لوله پاسخ درج میکند.
گزینههای پیکربندی
| گزینه | مسیر | توضیحات |
|---|---|---|
model |
tools.media.audio.models[].model |
شناسه مدل Deepgram (پیشفرض: nova-3) |
language |
tools.media.audio.models[].language |
راهنمای زبان (اختیاری) |
providerOptions.deepgram پارامترهای پرسوجوی اضافی را مستقیماً با درخواست
/listen در Deepgram ادغام میکند؛ بنابراین میتوان از هر نام پارامتری که
Deepgram پشتیبانی میکند استفاده کرد (برای مثال detect_language، punctuate و smart_format):
با راهنمای زبان
{ tools: { media: { audio: { enabled: true, models: [{ provider: "deepgram", model: "nova-3", language: "en" }], }, }, },}با گزینههای Deepgram
{ tools: { media: { audio: { enabled: true, providerOptions: { deepgram: { detect_language: true, punctuate: true, smart_format: true, }, }, models: [{ provider: "deepgram", model: "nova-3" }], }, }, },}تبدیل گفتار به متن جریانی تماس صوتی
Plugin همراه deepgram همچنین یک ارائهدهنده رونویسی بلادرنگ را برای Plugin تماس صوتی ثبت میکند.
| تنظیم | مسیر پیکربندی | پیشفرض |
|---|---|---|
| کلید API | plugins.entries.voice-call.config.streaming.providers.deepgram.apiKey |
در صورت نبود، از DEEPGRAM_API_KEY استفاده میکند |
| مدل | ...deepgram.model |
nova-3 |
| زبان | ...deepgram.language |
(تنظیمنشده) |
| کدگذاری | ...deepgram.encoding |
mulaw |
| نرخ نمونهبرداری | ...deepgram.sampleRate |
8000 |
| تشخیص پایان گفتار | ...deepgram.endpointingMs |
800 |
| نتایج موقت | ...deepgram.interimResults |
true |
{ plugins: { entries: { "voice-call": { config: { streaming: { enabled: true, provider: "deepgram", providers: { deepgram: { apiKey: "${DEEPGRAM_API_KEY}", model: "nova-3", endpointingMs: 800, language: "en-US", }, }, }, }, }, }, },}یادداشتها
احراز هویت
احراز هویت از ترتیب استاندارد احراز هویت ارائهدهندگان پیروی میکند.
DEEPGRAM_API_KEY سادهترین روش است.
پروکسی و نقاط پایانی سفارشی
هنگام استفاده از پروکسی، نقاط پایانی یا سرآیندها را با
tools.media.audio.baseUrl و tools.media.audio.headers بازنویسی کنید.
رفتار خروجی
خروجی از همان قواعد صوتی سایر ارائهدهندگان پیروی میکند (محدودیت اندازه، مهلتهای زمانی و درج متن رونویسیشده).
