Providers

Azure Speech

Azure Speech est un fournisseur de synthèse vocale Azure AI Speech intégré. OpenClaw appelle directement l’API REST Azure Speech avec du SSML, en synthétisant du MP3 pour les réponses standard, du Ogg/Opus natif pour les messages vocaux et du mulaw à 8 kHz pour les canaux téléphoniques tels que Voice Call. La requête transmet le format de sortie propre au fournisseur dans l’en-tête X-Microsoft-OutputFormat.

Détail	Valeur
ID du fournisseur	`azure-speech` (alias : `azure`)
Site web	Azure AI Speech
Documentation	Synthèse vocale via l’API REST Speech
Authentification	`AZURE_SPEECH_KEY` avec `AZURE_SPEECH_REGION`
Voix par défaut	`en-US-JennyNeural`
Format de fichier par défaut	`audio-24khz-48kbitrate-mono-mp3`
Format de message vocal par défaut	`ogg-24khz-16bit-mono-opus`

Prise en main

Créer une ressource Azure Speech

Dans le portail Azure, créez une ressource Speech. Copiez KEY 1 depuis Resource Management > Keys and Endpoint, puis copiez l’emplacement de la ressource, par exemple eastus.

Code

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

Sélectionner Azure Speech dans messages.tts

json5

{  messages: {    tts: {      auto: "always",      provider: "azure-speech",      providers: {        "azure-speech": {          voice: "en-US-JennyNeural",          lang: "en-US",        },      },    },  },}

Envoyer un message

Envoyez une réponse par l’intermédiaire de n’importe quel canal connecté. OpenClaw synthétise l’audio avec Azure Speech et fournit du MP3 pour l’audio standard, ou du Ogg/Opus lorsque le canal attend un message vocal.

Options de configuration

Toutes les options se trouvent sous messages.tts.providers["azure-speech"].

Option	Description
`apiKey`	Clé de la ressource Azure Speech. Utilise à défaut `AZURE_SPEECH_KEY`, `AZURE_SPEECH_API_KEY` ou `SPEECH_KEY`.
`region`	Région de la ressource Azure Speech. Utilise à défaut `AZURE_SPEECH_REGION` ou `SPEECH_REGION`.
`endpoint`	Remplacement facultatif du point de terminaison Azure Speech. Utilise à défaut `AZURE_SPEECH_ENDPOINT`.
`baseUrl`	Remplacement facultatif de l’URL de base Azure Speech.
`voice`	`ShortName` de la voix Azure (`en-US-JennyNeural` par défaut). Ancien alias : `voiceId`.
`lang`	Code de langue SSML (`en-US` par défaut).
`outputFormat`	Format de sortie du fichier audio (`audio-24khz-48kbitrate-mono-mp3` par défaut).
`voiceNoteOutputFormat`	Format de sortie du message vocal (`ogg-24khz-16bit-mono-opus` par défaut).
`timeoutMs`	Remplacement du délai d’expiration de la requête, en millisecondes. Utilise à défaut la valeur globale `messages.tts.timeoutMs`.

Le fournisseur est considéré comme configuré dès que apiKey est défini avec l’une des options region, endpoint ou baseUrl. Les variables d’environnement ne sont consultées qu’en dernier recours pour les clés de configuration qui ne sont pas définies.

Remarques

Authentification

Azure Speech utilise une clé de ressource Speech, et non une clé Azure OpenAI. La clé est envoyée dans Ocp-Apim-Subscription-Key ; OpenClaw déduit https://<region>.tts.speech.microsoft.com à partir de region, sauf si vous fournissez endpoint ou baseUrl.

Noms des voix

Utilisez la valeur ShortName de la voix Azure Speech, par exemple en-US-JennyNeural. Le fournisseur intégré peut répertorier les voix au moyen de la même ressource Speech et exclut celles marquées comme obsolètes, retirées ou désactivées.

Sorties audio

Azure accepte des formats de sortie tels que audio-24khz-48kbitrate-mono-mp3, ogg-24khz-16bit-mono-opus et riff-24khz-16bit-mono-pcm. OpenClaw demande du Ogg/Opus pour les cibles voice-note afin que les canaux puissent envoyer des bulles vocales natives sans conversion supplémentaire en MP3, et impose raw-8khz-8bit-mono-mulaw pour les cibles téléphoniques.

Alias

azure est accepté comme alias du fournisseur pour les configurations existantes, mais les nouvelles configurations doivent utiliser azure-speech afin d’éviter toute confusion avec les fournisseurs de modèles Azure OpenAI.