ElevenLabs

OpenClaw برای تبدیل متن به گفتار، تبدیل دسته‌ای گفتار به متن با Scribe v2 و تبدیل جریانی گفتار به متن با Scribe v2 Realtime از ElevenLabs استفاده می‌کند. این Plugin همراه محصول ارائه شده و به‌طور پیش‌فرض فعال است؛ نیازی به اجرای مرحله plugins install نیست.

احراز هویت

متغیر ELEVENLABS_API_KEY را در محیط تنظیم کنید. برای سازگاری با ابزارهای موجود ElevenLabs، متغیر XI_API_KEY نیز پذیرفته می‌شود.

export ELEVENLABS_API_KEY="..."

تبدیل متن به گفتار

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

برای استفاده از تبدیل متن به گفتار ElevenLabs v3، مقدار modelId را روی eleven_v3 تنظیم کنید. OpenClaw برای نصب‌های موجود، eleven_multilingual_v2 را به‌عنوان پیش‌فرض حفظ می‌کند.

وقتی ElevenLabs به‌عنوان ارائه‌دهنده voice.tts/messages.tts انتخاب شده باشد، کانال‌های صوتی Discord از نقطه پایانی تبدیل جریانی متن به گفتار ElevenLabs استفاده می‌کنند: پخش از جریان صوتی بازگردانده‌شده آغاز می‌شود، به‌جای آن‌که منتظر بماند OpenClaw ابتدا کل فایل صوتی را بارگیری کند. latencyTier برای مدل‌هایی که آن را می‌پذیرند، به پارامتر پرس‌وجوی optimize_streaming_latency در ElevenLabs نگاشت می‌شود؛ OpenClaw این پارامتر را برای eleven_v3 که آن را رد می‌کند، ارسال نمی‌کند.

تبدیل گفتار به متن

برای پیوست‌های صوتی ورودی و بخش‌های کوتاه صدای ضبط‌شده از Scribe v2 استفاده کنید:

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

OpenClaw صدای چندبخشی را با model_id: "scribe_v2" به /v1/speech-to-text در ElevenLabs ارسال می‌کند. در صورت وجود راهنمای زبان، آن به language_code نگاشت می‌شود.

تبدیل جریانی گفتار به متن

Plugin همراه elevenlabs، قابلیت Scribe v2 Realtime را برای Voice Call و رونویسی جریانی در حالت عامل Google Meet ثبت می‌کند.

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

برای حالت عامل Google Meet، مقدار plugins.entries.google-meet.config.realtime.transcriptionProvider را روی "elevenlabs" تنظیم کنید و همان بلوک ارائه‌دهنده را در plugins.entries.google-meet.config.realtime.providers.elevenlabs پیکربندی کنید.

مرتبط

• تبدیل متن به گفتار
• Google Meet
• انتخاب مدل