Google（Gemini）

Google Plugin は、Google AI Studio を介した Gemini モデルへのアクセスに加え、画像生成、メディア理解（画像/音声/動画）、テキスト読み上げ、Gemini Grounding によるウェブ検索を提供します。

• プロバイダー: google
• 認証: GEMINI_API_KEY または GOOGLE_API_KEY
• API: Google Gemini API
• ランタイムオプション: agentRuntime.id: "google-gemini-cli" を指定すると、モデル参照を正規の google/* に保ちながら Gemini CLI OAuth を再利用できます。

はじめに

希望する認証方法を選択し、セットアップ手順に従ってください。

openclaw onboard --auth-choice gemini-api-key

openclaw onboard --non-interactive \  --mode local \  --auth-choice gemini-api-key \  --gemini-api-key "$GEMINI_API_KEY"

{  agents: {    defaults: {      model: { primary: "google/gemini-3.1-pro-preview" },    },  },}

openclaw models list --provider google

# Homebrewbrew install gemini-cli # または npmnpm install -g @google/gemini-cli

openclaw models auth login --provider google-gemini-cli --set-default

openclaw models list --provider google

機能

ウェブ検索

同梱の gemini ウェブ検索プロバイダーは、Gemini Google Search Grounding を使用します。 専用の検索キーを plugins.entries.google.config.webSearch に設定するか、GEMINI_API_KEY の後に models.providers.google.apiKey を再利用させます。

{  plugins: {    entries: {      google: {        config: {          webSearch: {            apiKey: "AIza...", // GEMINI_API_KEY または models.providers.google.apiKey が設定されている場合は省略可能            baseUrl: "https://generativelanguage.googleapis.com/v1beta", // models.providers.google.baseUrl にフォールバック            model: "gemini-2.5-flash",          },        },      },    },  },}

認証情報の優先順位は、専用の webSearch.apiKey、GEMINI_API_KEY、models.providers.google.apiKey の順です。webSearch.baseUrl は省略可能で、運用者のプロキシまたは互換性のある Gemini API エンドポイント向けに用意されています。省略すると、Gemini ウェブ検索は models.providers.google.baseUrl を再利用します。プロバイダー固有のツール動作については、Gemini 検索を参照してください。

画像生成

同梱の google 画像生成プロバイダーは、デフォルトで google/gemini-3.1-flash-image-preview を使用します。

• google/gemini-3-pro-image-preview にも対応
• 生成: 1 リクエストあたり最大 4 枚
• 編集モード: 有効、入力画像は最大 5 枚
• ジオメトリ制御: size、aspectRatio、resolution

Google をデフォルトの画像プロバイダーとして使用するには、次のように設定します。

{  agents: {    defaults: {      imageGenerationModel: {        primary: "google/gemini-3.1-flash-image-preview",      },    },  },}

動画生成

同梱の google Plugin は、共有の video_generate ツールを介した動画生成も登録します。

• デフォルトの動画モデル: google/veo-3.1-fast-generate-preview
• モード: テキストから動画、画像から動画、単一動画参照フロー
• aspectRatio（16:9、9:16）と resolution（720P、1080P）に対応。現在、Veo は音声出力に対応していません
• 対応する長さ: 4、6、または 8 秒（その他の値は、最も近い許容値に調整されます）

Google をデフォルトの動画プロバイダーとして使用するには、次のように設定します。

{  agents: {    defaults: {      videoGenerationModel: {        primary: "google/veo-3.1-fast-generate-preview",      },    },  },}

音楽生成

同梱の google Plugin は、共有の music_generate ツールを介した音楽生成も登録します。

• デフォルトの音楽モデル: google/lyria-3-clip-preview
• google/lyria-3-pro-preview にも対応
• プロンプト制御: lyrics と instrumental
• 出力形式: デフォルトは mp3。google/lyria-3-pro-preview では wav にも対応
• 参照入力: 最大 10 枚の画像
• セッションを使用する実行は、action: "status" を含む共有タスク/ステータスフローを介して切り離されます

Google をデフォルトの音楽プロバイダーとして使用するには、次のように設定します。

{  agents: {    defaults: {      musicGenerationModel: {        primary: "google/lyria-3-clip-preview",      },    },  },}

テキスト読み上げ

同梱の google 音声プロバイダーは、gemini-3.1-flash-tts-preview を使用する Gemini API TTS パスを利用します。

• デフォルト音声: Kore
• 認証: messages.tts.providers.google.apiKey、models.providers.google.apiKey、GEMINI_API_KEY、または GOOGLE_API_KEY
• 出力: 通常の TTS 添付ファイルには WAV、ボイスノートの送信先には Opus、通話/電話には PCM
• ボイスノート出力: Google PCM は WAV としてラップされ、ffmpeg で 48 kHz Opus にトランスコードされます

Google のバッチ Gemini TTS パスは、完了した generateContent レスポンス内で生成済み音声を返します。最小レイテンシーの音声会話には、バッチ TTS ではなく、Gemini Live API を基盤とする Google リアルタイム音声プロバイダーを使用してください。

Google をデフォルトの TTS プロバイダーとして使用するには、次のように設定します。

{  messages: {    tts: {      auto: "always",      provider: "google",      providers: {        google: {          model: "gemini-3.1-flash-tts-preview",          speakerVoice: "Kore",          audioProfile: "落ち着いた口調でプロフェッショナルに話してください。",        },      },    },  },}

Gemini API TTS は、スタイル制御に自然言語のプロンプトを使用します。audioProfile を設定すると、読み上げるテキストの前に再利用可能なスタイルプロンプトが追加されます。プロンプトテキストで名前付きの話者を参照する場合は、speakerName を設定します。

Gemini API TTS では、テキスト内に [whispers] や [laughs] など、表現力を指定する角括弧付き音声タグも使用できます。タグを表示されるチャット返信には含めず、TTS に送信するには、[[tts:text]]...[[/tts:text]] ブロック内に配置します。

これは表示用の簡潔な返信テキストです。 [[tts:text]][whispers] これは読み上げ用のバージョンです。[[/tts:text]]

リアルタイム音声

同梱の google Plugin は、Voice Call や Google Meet などのバックエンド音声ブリッジ向けに、Gemini Live API を基盤とするリアルタイム音声プロバイダーを登録します。

Voice Call のリアルタイム設定例：

{  plugins: {    entries: {      "voice-call": {        enabled: true,        config: {          realtime: {            enabled: true,            provider: "google",            providers: {              google: {                model: "gemini-3.1-flash-live-preview",                speakerVoice: "Kore",                activityHandling: "start-of-activity-interrupts",                turnCoverage: "audio-activity-and-all-video",              },            },          },        },      },    },  },}

メンテナーがライブ検証を行うには、 OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts を実行します。このスモークテストでは OpenAI のバックエンド／WebRTC パスも対象になります。Google の処理では、 Control UI Talk と同じ形式の制限付き Live API トークンを発行し、ブラウザーの WebSocket エンドポイントを開き、最初のセットアップペイロードを送信して、 setupComplete を待機します。

高度な設定

{  agents: {    defaults: {      models: {        "google/gemini-2.5-pro": {          params: {            cachedContent: "cachedContents/prebuilt-context",          },        },      },    },  },}

関連項目