Deepgram

Deepgram は音声テキスト変換 API です。OpenClaw は、tools.media.audio を介した受信音声・ボイスメモの 文字起こしと、plugins.entries.voice-call.config.streaming を介した Voice Call のストリーミング STT に Deepgram を使用します。

バッチ文字起こしでは、音声ファイル全体を Deepgram にアップロードし、 文字起こし結果を応答パイプライン（{{Transcript}} + [Audio] ブロック）に挿入します。 Voice Call ストリーミングでは、ライブの G.711 u-law フレームを Deepgram の WebSocket listen エンドポイント経由で転送し、Deepgram から返される 途中および最終の文字起こし結果を出力します。

はじめに

DEEPGRAM_API_KEY=dg_...

{  tools: {    media: {      audio: {        enabled: true,        models: [{ provider: "deepgram", model: "nova-3" }],      },    },  },}

設定オプション

providerOptions.deepgram は追加のクエリパラメーターを Deepgram の /listen リクエストに直接マージするため、Deepgram がサポートする任意のパラメーター名を使用できます （例: detect_language、punctuate、smart_format）。

{  tools: {    media: {      audio: {        enabled: true,        models: [{ provider: "deepgram", model: "nova-3", language: "en" }],      },    },  },}

{  tools: {    media: {      audio: {        enabled: true,        providerOptions: {          deepgram: {            detect_language: true,            punctuate: true,            smart_format: true,          },        },        models: [{ provider: "deepgram", model: "nova-3" }],      },    },  },}

Voice Call ストリーミング STT

同梱の deepgram Plugin は、Voice Call Plugin 用の リアルタイム文字起こしプロバイダーも登録します。

{  plugins: {    entries: {      "voice-call": {        config: {          streaming: {            enabled: true,            provider: "deepgram",            providers: {              deepgram: {                apiKey: "${DEEPGRAM_API_KEY}",                model: "nova-3",                endpointingMs: 800,                language: "en-US",              },            },          },        },      },    },  },}

Deepgram カスタムエンドポイントを使用する場合は、 baseUrl をエンドポイントのルートに設定します。ベースパスは含めますが、/listen は含めません。 リアルタイムエンドポイントでは、http://、https://、ws://、wss:// を使用できます。HTTP は WS に、HTTPS は WSS にマッピングされ、明示的な WebSocket スキームは変更されません。 不正な形式の URL やその他のスキームは、セッションのセットアップ中に失敗します。

注記

関連項目