xAI

ارائه‌دهنده داخلی جست‌وجوی وب grok ابتدا OAuth مربوط به xAI را ترجیح می‌دهد و سپس به XAI_API_KEY یا کلید جست‌وجوی وب Plugin رجوع می‌کند:

openclaw models auth login --provider xai --method oauthopenclaw config set tools.web.search.provider grok

Plugin داخلی xai تولید ویدئو را از طریق ابزار مشترک video_generate ثبت می‌کند.

• مدل پیش‌فرض: xai/grok-imagine-video
• مدل اضافی: xai/grok-imagine-video-1.5
• حالت‌های کلاسیک: متن به ویدئو، تصویر به ویدئو، تولید با تصویر مرجع، ویرایش ویدئوی راه‌دور و گسترش ویدئوی راه‌دور
• حالت Video 1.5: فقط تصویر به ویدئو، دقیقاً با یک تصویر فریم نخست
• نسبت‌های ابعاد: 1:1، 16:9، 9:16، 4:3، 3:4، 3:2، 2:3؛ اگر مقدار ذکر نشود، حالت تصویر به ویدئوی کلاسیک و Video 1.5 نسبت تصویر مبدأ را به ارث می‌برند
• وضوح‌ها: حالت کلاسیک 480P/720P؛ Video 1.5 از 1080P نیز پشتیبانی می‌کند؛ پیش‌فرض همه حالت‌های تولید 480P است
• مدت: ۱ تا ۱۵ ثانیه برای تولید/تصویر به ویدئو، ۱ تا ۱۰ ثانیه هنگام استفاده از نقش‌های کلاسیک reference_image و ۲ تا ۱۰ ثانیه برای گسترش کلاسیک
• تولید با تصویر مرجع: برای همه تصاویر ارائه‌شده، imageRoles را روی reference_image تنظیم کنید؛ xAI حداکثر ۷ تصویر از این نوع می‌پذیرد
• ویرایش/گسترش ویدئو، نسبت ابعاد و وضوح ویدئوی ورودی را به ارث می‌برد؛ این عملیات تغییرات هندسی را نمی‌پذیرند
• مهلت زمانی پیش‌فرض عملیات: ۶۰۰ ثانیه، مگر اینکه video_generate.timeoutMs یا agents.defaults.videoGenerationModel.timeoutMs تنظیم شده باشد

Video 1.5 شناسه‌های grok-imagine-video-1.5-preview و grok-imagine-video-1.5-2026-05-30 متعلق به xAI را نیز تشخیص می‌دهد. OpenClaw شناسه انتخاب‌شده را بدون تغییر ارسال می‌کند، اما همان اعتبارسنجی مختص تصویر را اعمال می‌کند.

برای استفاده از xAI به‌عنوان ارائه‌دهنده پیش‌فرض ویدئو:

{  agents: {    defaults: {      videoGenerationModel: {        primary: "xai/grok-imagine-video",      },    },  },}

Plugin داخلی xai تولید تصویر را از طریق ابزار مشترک image_generate ثبت می‌کند.

• مدل پیش‌فرض تصویر: xai/grok-imagine-image
• مدل اضافی: xai/grok-imagine-image-quality
• حالت‌ها: تبدیل متن به تصویر و ویرایش تصویر مرجع
• ورودی‌های مرجع: یک image یا حداکثر سه images
• نسبت‌های ابعاد: 1:1، 16:9، 9:16، 4:3، 3:4، 3:2، 2:3، 2:1، 1:2، 19.5:9، 9:19.5، 20:9، 9:20
• وضوح‌ها: 1K، 2K
• تعداد: حداکثر ۴ تصویر
• مهلت پیش‌فرض عملیات: ۶۰۰ ثانیه، مگر اینکه image_generate.timeoutMs یا agents.defaults.imageGenerationModel.timeoutMs تنظیم شده باشد

OpenClaw پاسخ‌های تصویری b64_json را از xAI درخواست می‌کند تا رسانه تولیدشده بتواند از طریق مسیر عادی پیوست کانال ذخیره و تحویل شود. تصاویر مرجع محلی به نشانی‌های داده تبدیل می‌شوند؛ مراجع راه‌دور http(s) بدون تغییر عبور داده می‌شوند.

برای استفاده از xAI به‌عنوان ارائه‌دهنده پیش‌فرض تصویر:

{  agents: {    defaults: {      imageGenerationModel: {        primary: "xai/grok-imagine-image",      },    },  },}

Plugin همراه xai، قابلیت تبدیل متن به گفتار را از طریق سطح مشترک ارائه‌دهنده tts ثبت می‌کند.

• صداها: فهرست زنده و احراز هویت‌شده از xAI؛ آن را با openclaw infer tts voices --provider xai فهرست کنید
• صداهای جایگزین آفلاین: ara، eve، leo، rex، sal
• صدای پیش‌فرض: eve
• شناسه‌های صدای سفارشی حساب، حتی اگر در پاسخ فهرست داخلی موجود نباشند، ارسال می‌شوند
• قالب‌ها: mp3، wav، pcm، mulaw، alaw
• زبان: کد BCP-47 یا auto
• سرعت: بازنویسی سرعت بومی ارائه‌دهنده
• قالب بومی پیام صوتی Opus پشتیبانی نمی‌شود

برای استفاده از xAI به‌عنوان ارائه‌دهنده پیش‌فرض TTS:

{  messages: {    tts: {      provider: "xai",      providers: {        xai: {          voiceId: "eve",        },      },    },  },}

Plugin همراه xai، تبدیل دسته‌ای گفتار به متن را از طریق سطح رونویسی درک رسانه OpenClaw ثبت می‌کند.

• نقطه پایانی: REST متعلق به xAI در /v1/stt
• مسیر ورودی: بارگذاری فایل صوتی چندبخشی
• انتخاب مدل: xAI مدل رونویسی را به‌صورت داخلی انتخاب می‌کند؛ این نقطه پایانی انتخاب‌گر مدل ندارد
• در هر جایی استفاده می‌شود که رونویسی صدای ورودی tools.media.audio را می‌خواند، از جمله بخش‌های کانال صوتی Discord و پیوست‌های صوتی کانال

برای اجبار استفاده از xAI برای رونویسی صدای ورودی:

{  tools: {    media: {      audio: {        models: [          {            type: "provider",            provider: "xai",          },        ],      },    },  },}

زبان را می‌توان از طریق پیکربندی مشترک رسانه صوتی یا درخواست رونویسی هر فراخوانی ارائه کرد. راهنمایی‌های پرامپت توسط سطح مشترک OpenClaw پذیرفته می‌شوند، اما یکپارچه‌سازی REST STT متعلق به xAI فقط فایل و زبان را ارسال می‌کند، زیرا تنها این موارد با نقطه پایانی عمومی فعلی xAI نگاشت می‌شوند.

Plugin همراه xai همچنین یک ارائه‌دهنده رونویسی بلادرنگ برای صدای زنده تماس صوتی ثبت می‌کند.

• نقطه پایانی: WebSocket متعلق به xAI در wss://api.x.ai/v1/stt
• کدگذاری پیش‌فرض: mulaw
• نرخ نمونه‌برداری پیش‌فرض: 8000
• تشخیص پیش‌فرض پایان گفتار: 800ms
• رونویسی‌های موقت: به‌طور پیش‌فرض فعال

جریان رسانه Twilio در Voice Call فریم‌های صوتی G.711 mu-law را ارسال می‌کند، بنابراین ارائه‌دهنده xAI این فریم‌ها را مستقیماً و بدون تبدیل کدگذاری ارسال می‌کند:

{  plugins: {    entries: {      "voice-call": {        config: {          streaming: {            enabled: true,            provider: "xai",            providers: {              xai: {                apiKey: "${XAI_API_KEY}",                endpointingMs: 800,                language: "en",              },            },          },        },      },    },  },}

پیکربندی متعلق به ارائه‌دهنده در plugins.entries.voice-call.config.streaming.providers.xai قرار دارد. کلیدهای پشتیبانی‌شده عبارت‌اند از apiKey، baseUrl، sampleRate، encoding (pcm، mulaw یا alaw)، interimResults، endpointingMs و language.

Plugin همراه xAI، ابزار x_search را به‌عنوان یک ابزار OpenClaw برای جست‌وجوی محتوای X (که پیش‌تر Twitter نام داشت) از طریق Grok ارائه می‌کند.

مسیر پیکربندی: plugins.entries.xai.config.xSearch

{  plugins: {    entries: {      xai: {        config: {          xSearch: {            enabled: true,            model: "grok-4.3",            baseUrl: "https://api.x.ai/v1",            inlineCitations: true,          },        },      },    },  },}

Plugin همراه xAI، ابزار code_execution را به‌عنوان یک ابزار OpenClaw برای اجرای راه‌دور کد در محیط سندباکس xAI ارائه می‌کند.

مسیر پیکربندی: plugins.entries.xai.config.codeExecution

{  plugins: {    entries: {      xai: {        config: {          codeExecution: {            enabled: true,            model: "grok-4.3",          },        },      },    },  },}

• احراز هویت xAI می‌تواند از کلید API، متغیر محیطی، پیکربندی جایگزین Plugin، یا OAuth با یک حساب واجد شرایط xAI استفاده کند. OAuth از تأیید کد دستگاه بدون فراخوانی بازگشتی localhost استفاده می‌کند. xAI تعیین می‌کند کدام حساب‌ها می‌توانند توکن‌های API مبتنی بر OAuth دریافت کنند و ممکن است صفحه رضایت Grok Build را نمایش دهد، هرچند OpenClaw به برنامه Grok Build نیاز ندارد.
• OpenClaw در حال حاضر خانواده مدل‌های چندعاملی xAI را ارائه نمی‌کند. xAI این مدل‌ها را از طریق Responses API ارائه می‌کند، اما آن‌ها ابزارهای سمت کارخواه یا ابزارهای سفارشی مورداستفاده در حلقه عامل مشترک OpenClaw را نمی‌پذیرند. به محدودیت‌های چندعاملی xAI مراجعه کنید.
• صدای بلادرنگ xAI هنوز به‌عنوان ارائه‌دهنده OpenClaw ثبت نشده است. این قابلیت به قراردادی متفاوت برای نشست صوتی دوسویه نسبت به STT دسته‌ای یا رونویسی جریانی نیاز دارد.
• quality تصویر xAI، mask تصویر و نسبت ابعاد بومی auto تا زمانی که ابزار مشترک image_generate کنترل‌های متناظر میان ارائه‌دهندگان را نداشته باشد، ارائه نمی‌شوند.

• OpenClaw اصلاحات سازگاری مختص xAI برای طرح‌واره ابزار و فراخوانی ابزار را به‌طور خودکار در مسیر اجراکننده مشترک اعمال می‌کند.
• درخواست‌های بومی xAI به‌طور پیش‌فرض از tool_stream: true استفاده می‌کنند. برای غیرفعال‌سازی آن، agents.defaults.models["xai/<model>"].params.tool_stream را روی false تنظیم کنید.
• پوشش‌دهنده همراه xAI، پیش از ارسال درخواست‌های بومی xAI، کران‌های پشتیبانی‌نشده تعداد contains در طرح‌واره و کلیدهای پشتیبانی‌نشده effort در بار reasoning را حذف می‌کند. Grok 4.5 از effort کم، متوسط و زیاد پشتیبانی می‌کند (پیش‌فرض زیاد). Grok 4.3 از effort بدون مقدار، کم، متوسط و زیاد پشتیبانی می‌کند (پیش‌فرض کم). دیگر مدل‌های xAI دارای قابلیت reasoning، کنترل effort قابل‌پیکربندی ارائه نمی‌کنند، اما همچنان include: ["reasoning.encrypted_content"] را درخواست می‌کنند تا reasoning رمزگذاری‌شده پیشین در نوبت‌های بعدی دوباره پخش شود.
• web_search، x_search و code_execution به‌عنوان ابزارهای OpenClaw ارائه می‌شوند. OpenClaw به‌جای پیوست‌کردن تمام ابزارهای بومی به هر نوبت گفتگو، فقط ابزار داخلی مشخص xAI را که هر ابزار نیاز دارد به درخواست همان ابزار پیوست می‌کند.
• web_search در Grok مقدار plugins.entries.xai.config.webSearch.baseUrl را می‌خواند. x_search مقدار plugins.entries.xai.config.xSearch.baseUrl را می‌خواند و سپس به نشانی پایه جست‌وجوی وب Grok برمی‌گردد.
• مالکیت x_search و code_execution با Plugin همراه xAI است، نه اینکه در زمان اجرای هسته مدل به‌صورت ثابت کدنویسی شده باشند.
• code_execution اجرای راه‌دور در سندباکس xAI است، نه exec محلی.