Providers

Sintesi vocale di Azure

Azure Speech è un provider di sintesi vocale di Azure AI Speech incluso. OpenClaw chiama direttamente l'API REST di Azure Speech con SSML, generando MP3 per le risposte standard, Ogg/Opus nativo per i messaggi vocali e mulaw a 8 kHz per i canali di telefonia come Voice Call. La richiesta invia il formato di output gestito dal provider tramite l'header X-Microsoft-OutputFormat.

Dettaglio	Valore
ID provider	`azure-speech` (alias: `azure`)
Sito web	Azure AI Speech
Documentazione	Sintesi vocale tramite REST di Speech
Autenticazione	`AZURE_SPEECH_KEY` insieme a `AZURE_SPEECH_REGION`
Voce predefinita	`en-US-JennyNeural`
Output file predefinito	`audio-24khz-48kbitrate-mono-mp3`
File predefinito per messaggi vocali	`ogg-24khz-16bit-mono-opus`

Per iniziare

Crea una risorsa Azure Speech

Nel portale Azure, crea una risorsa Speech. Copia KEY 1 da Resource Management > Keys and Endpoint e copia la posizione della risorsa, ad esempio eastus.

Code

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

Seleziona Azure Speech in messages.tts

json5

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

Invia un messaggio

Invia una risposta tramite qualsiasi canale connesso. OpenClaw sintetizza l'audio con Azure Speech e distribuisce un MP3 per l'audio standard oppure Ogg/Opus quando il canale richiede un messaggio vocale.

Opzioni di configurazione

Tutte le opzioni si trovano in messages.tts.providers["azure-speech"].

Opzione	Descrizione
`apiKey`	Chiave della risorsa Azure Speech. In alternativa usa `AZURE_SPEECH_KEY`, `AZURE_SPEECH_API_KEY` o `SPEECH_KEY`.
`region`	Area geografica della risorsa Azure Speech. In alternativa usa `AZURE_SPEECH_REGION` o `SPEECH_REGION`.
`endpoint`	Sostituzione facoltativa dell'endpoint di Azure Speech. In alternativa usa `AZURE_SPEECH_ENDPOINT`.
`baseUrl`	Sostituzione facoltativa dell'URL di base di Azure Speech.
`voice`	`ShortName` della voce Azure (valore predefinito: `en-US-JennyNeural`). Alias precedente: `voiceId`.
`lang`	Codice lingua SSML (valore predefinito: `en-US`).
`outputFormat`	Formato di output del file audio (valore predefinito: `audio-24khz-48kbitrate-mono-mp3`).
`voiceNoteOutputFormat`	Formato di output del messaggio vocale (valore predefinito: `ogg-24khz-16bit-mono-opus`).
`timeoutMs`	Sostituzione del timeout della richiesta in millisecondi. In alternativa usa il valore globale `messages.tts.timeoutMs`.

Il provider viene considerato configurato quando è impostato apiKey insieme a uno tra region, endpoint e baseUrl. Le variabili d'ambiente vengono controllate solo come ripiego per le chiavi di configurazione non impostate.

Note

Autenticazione

Azure Speech usa una chiave della risorsa Speech, non una chiave Azure OpenAI. La chiave viene inviata come Ocp-Apim-Subscription-Key; OpenClaw ricava https://<region>.tts.speech.microsoft.com da region, a meno che non venga fornito endpoint o baseUrl.

Nomi delle voci

Usa il valore ShortName della voce Azure Speech, ad esempio en-US-JennyNeural. Il provider incluso può elencare le voci tramite la stessa risorsa Speech ed esclude quelle contrassegnate come deprecate, ritirate o disabilitate.

Output audio

Azure accetta formati di output come audio-24khz-48kbitrate-mono-mp3, ogg-24khz-16bit-mono-opus e riff-24khz-16bit-mono-pcm. OpenClaw richiede Ogg/Opus per le destinazioni voice-note, consentendo ai canali di inviare messaggi vocali nativi senza un'ulteriore conversione in MP3, e impone raw-8khz-8bit-mono-mulaw per le destinazioni di telefonia.

Alias

azure è accettato come alias del provider per le configurazioni esistenti, ma le nuove configurazioni dovrebbero usare azure-speech per evitare confusione con i provider di modelli Azure OpenAI.