---
read_when:
    - 返信のテキスト読み上げを有効にする
    - TTS プロバイダー、フォールバックチェーン、またはペルソナの設定
    - /tts コマンドまたはディレクティブの使用
sidebarTitle: Text to speech (TTS)
summary: 送信返信用のテキスト読み上げ — プロバイダー、ペルソナ、スラッシュコマンド、チャンネルごとの出力
title: テキスト読み上げ
x-i18n:
    generated_at: "2026-07-12T14:54:26Z"
    model: gpt-5.6
    postprocess_version: locale-links-v1
    prompt_version: 15
    provider: openai
    source_hash: 908679a0386da75577a2445dfcafecc746d124ffe04816c6f2d6eb74af232edd
    source_path: tools/tts.md
    workflow: 16
---

OpenClaw は、送信する返信を **14 の音声プロバイダー**を通じて音声に変換します。
Feishu、Matrix、Telegram、WhatsApp ではネイティブ音声メッセージ、その他では音声
添付ファイル、テレフォニーと Talk では PCM/Ulaw ストリームとして出力します。

TTS は Talk の `stt-tts` モードにおける音声出力側です（`talk.speak` もこれと
同じ音声合成パスを呼び出します）。プロバイダーネイティブの `realtime` Talk セッションでは、
代わりにリアルタイムプロバイダー内で音声が合成されます。`transcription` セッションでは、
アシスタントの音声返信は一切合成されません。

## クイックスタート

<Steps>
  <Step title="プロバイダーを選択">
    OpenAI と ElevenLabs は、最も信頼性の高いホステッドオプションです。Microsoft と
    Local CLI は API キーなしで動作します。完全な一覧については、[プロバイダー一覧](#supported-providers)
    を参照してください。
  </Step>
  <Step title="API キーを設定">
    使用するプロバイダーの環境変数をエクスポートします（例: `OPENAI_API_KEY`、
    `ELEVENLABS_API_KEY`）。Microsoft と Local CLI にはキーは不要です。
  </Step>
  <Step title="設定で有効化">
    `messages.tts.auto: "always"` と `messages.tts.provider` を設定します。

    ```json5
    {
      messages: {
        tts: {
          auto: "always",
          provider: "elevenlabs",
        },
      },
    }
    ```

  </Step>
  <Step title="チャットで試す">
    `/tts status` は現在の状態を表示します。`/tts audio Hello from OpenClaw`
    は単発の音声返信を送信します。
  </Step>
</Steps>

<Note>
自動 TTS はデフォルトで**無効**です。`messages.tts.provider` が未設定の場合、
OpenClaw はレジストリの自動選択順で、設定済みの最初のプロバイダーを選択します。
組み込みの `tts` エージェントツールは、明示的な意図がある場合にのみ使用されます。ユーザーが音声を要求するか、
`/tts` を使用するか、自動 TTS／ディレクティブ音声を有効にしない限り、通常のチャットは
テキストのままです。
</Note>

## 対応プロバイダー

| プロバイダー      | 認証                                                                                                             | 備考                                                                                        |
| ----------------- | ---------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------- |
| **Azure Speech**  | `AZURE_SPEECH_KEY` + `AZURE_SPEECH_REGION`（`AZURE_SPEECH_API_KEY`、`SPEECH_KEY`、`SPEECH_REGION` も可）          | ネイティブ Ogg/Opus ボイスメモ出力とテレフォニー。                                          |
| **DeepInfra**     | `DEEPINFRA_API_KEY`                                                                                              | OpenAI 互換 TTS。デフォルトは `hexgrad/Kokoro-82M`。                                        |
| **ElevenLabs**    | `ELEVENLABS_API_KEY` または `XI_API_KEY`                                                                         | 音声クローニング、多言語対応、`seed` による決定性。Discord の音声再生ではストリーミングされます。 |
| **Google Gemini** | `GEMINI_API_KEY` または `GOOGLE_API_KEY`                                                                         | Gemini API バッチ TTS。`promptTemplate: "audio-profile-v1"` によりペルソナに対応します。     |
| **Gradium**       | `GRADIUM_API_KEY`                                                                                                | ボイスメモとテレフォニー出力。                                                              |
| **Inworld**       | `INWORLD_API_KEY`                                                                                                | ストリーミング TTS API。ネイティブ Opus ボイスメモと PCM テレフォニー。                     |
| **Local CLI**     | なし                                                                                                             | 設定済みのローカル TTS コマンドを実行します。                                               |
| **Microsoft**     | なし                                                                                                             | `node-edge-tts` を介したパブリックな Edge ニューラル TTS。ベストエフォートで、SLA はありません。 |
| **MiniMax**       | `MINIMAX_API_KEY`（または Token Plan: `MINIMAX_OAUTH_TOKEN`、`MINIMAX_CODE_PLAN_KEY`、`MINIMAX_CODING_API_KEY`） | T2A v2 API。デフォルトは `speech-2.8-hd`。                                                  |
| **OpenAI**        | `OPENAI_API_KEY`                                                                                                 | 自動要約にも使用されます。ペルソナ用の `instructions` をサポートします。                    |
| **OpenRouter**    | `OPENROUTER_API_KEY`（`models.providers.openrouter.apiKey` を再利用可能）                                        | デフォルトモデルは `hexgrad/kokoro-82m`。                                                   |
| **Volcengine**    | `VOLCENGINE_TTS_API_KEY` または `BYTEPLUS_SEED_SPEECH_API_KEY`（旧 AppID/token: `VOLCENGINE_TTS_APPID`/`_TOKEN`） | BytePlus Seed Speech HTTP API。                                                             |
| **Vydra**         | `VYDRA_API_KEY`                                                                                                  | 画像、動画、音声で共有されるプロバイダー。                                                  |
| **xAI**           | `XAI_API_KEY`                                                                                                    | xAI バッチ TTS。ネイティブ Opus ボイスメモは**サポートされません**。                        |
| **Xiaomi MiMo**   | `XIAOMI_API_KEY`                                                                                                 | Xiaomi のチャット補完を介した MiMo TTS。                                                    |

複数のプロバイダーが設定されている場合、選択されたプロバイダーが最初に使用され、
その他はフォールバックオプションになります。自動要約では `summaryModel`（または
`agents.defaults.model.primary`）を使用するため、要約を有効なままにする場合は、
そのプロバイダーについても認証が必要です。

<Warning>
同梱の **Microsoft** プロバイダーは、`node-edge-tts` を介して Microsoft Edge の
オンラインニューラル TTS サービスを使用します。これは公開済みの SLA やクォータがない
パブリック Web サービスであるため、ベストエフォートとして扱ってください。旧プロバイダー ID `edge` は
`microsoft` に正規化され、`openclaw doctor --fix` が永続化された
設定を書き換えます。新しい設定では常に `microsoft` を使用してください。
</Warning>

## 設定

TTS 設定は `~/.openclaw/openclaw.json` の `messages.tts` 配下にあります。
プリセットを選択し、プロバイダーブロックを調整してください。以下に示す
`speakerVoice`/`speakerVoiceId` フィールドが正式なフィールドです。各プロバイダー固有の
`voice`/`voiceId`/`voiceName` フィールド名も、旧エイリアスとして引き続き使用できます。

<Tabs>
  <Tab title="Azure Speech">
```json5
{
  messages: {
    tts: {
      auto: "always",
      provider: "azure-speech",
      providers: {
        "azure-speech": {
          apiKey: "${AZURE_SPEECH_KEY}",
          region: "eastus",
          speakerVoice: "en-US-JennyNeural",
          lang: "en-US",
          outputFormat: "audio-24khz-48kbitrate-mono-mp3",
          voiceNoteOutputFormat: "ogg-24khz-16bit-mono-opus",
        },
      },
    },
  },
}
```
  </Tab>
  <Tab title="ElevenLabs">
```json5
{
  messages: {
    tts: {
      auto: "always",
      provider: "elevenlabs",
      providers: {
        elevenlabs: {
          apiKey: "${ELEVENLABS_API_KEY}",
          model: "eleven_multilingual_v2",
          speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",
        },
      },
    },
  },
}
```
  </Tab>
  <Tab title="Google Gemini">
```json5
{
  messages: {
    tts: {
      auto: "always",
      provider: "google",
      providers: {
        google: {
          apiKey: "${GEMINI_API_KEY}",
          model: "gemini-3.1-flash-tts-preview",
          speakerVoice: "Kore",
          // 自然言語によるスタイル指定（任意）:
          // audioProfile: "落ち着いたポッドキャスト司会者の口調で話してください。",
          // speakerName: "Alex",
        },
      },
    },
  },
}
```
  </Tab>
  <Tab title="Gradium">
```json5
{
  messages: {
    tts: {
      auto: "always",
      provider: "gradium",
      providers: {
        gradium: {
          apiKey: "${GRADIUM_API_KEY}",
          speakerVoiceId: "YTpq7expH9539ERJ",
        },
      },
    },
  },
}
```
  </Tab>
  <Tab title="Inworld">
```json5
{
  messages: {
    tts: {
      auto: "always",
      provider: "inworld",
      providers: {
        inworld: {
          apiKey: "${INWORLD_API_KEY}",
          modelId: "inworld-tts-1.5-max",
          speakerVoiceId: "Sarah",
          temperature: 0.7,
        },
      },
    },
  },
}
```
  </Tab>
  <Tab title="Local CLI">
```json5
{
  messages: {
    tts: {
      auto: "always",
      provider: "tts-local-cli",
      providers: {
        "tts-local-cli": {
          command: "say",
          args: ["-o", "{{OutputPath}}", "{{Text}}"],
          outputFormat: "wav",
          timeoutMs: 120000,
        },
      },
    },
  },
}
```
  </Tab>
  <Tab title="Microsoft（キー不要）">
```json5
{
  messages: {
    tts: {
      auto: "always",
      provider: "microsoft",
      providers: {
        microsoft: {
          enabled: true,
          speakerVoice: "en-US-MichelleNeural",
          lang: "en-US",
          outputFormat: "audio-24khz-48kbitrate-mono-mp3",
          rate: "+0%",
          pitch: "+0%",
        },
      },
    },
  },
}
```
  </Tab>
  <Tab title="MiniMax">
```json5
{
  messages: {
    tts: {
      auto: "always",
      provider: "minimax",
      providers: {
        minimax: {
          apiKey: "${MINIMAX_API_KEY}",
          model: "speech-2.8-hd",
          speakerVoiceId: "English_expressive_narrator",
          speed: 1.0,
          vol: 1.0,
          pitch: 0,
        },
      },
    },
  },
}
```
  </Tab>
  <Tab title="OpenAI + ElevenLabs">
```json5
{
  messages: {
    tts: {
      auto: "always",
      provider: "openai",
      summaryModel: "openai/gpt-4.1-mini",
      modelOverrides: { enabled: true },
      providers: {
        openai: {
          apiKey: "${OPENAI_API_KEY}",
          model: "gpt-4o-mini-tts",
          speakerVoice: "alloy",
        },
        elevenlabs: {
          apiKey: "${ELEVENLABS_API_KEY}",
          model: "eleven_multilingual_v2",
          speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",
          voiceSettings: { stability: 0.5, similarityBoost: 0.75, style: 0.0, useSpeakerBoost: true, speed: 1.0 },
          applyTextNormalization: "auto",
          languageCode: "en",
        },
      },
    },
  },
}
```
  </Tab>
  <Tab title="OpenRouter">
```json5
{
  messages: {
    tts: {
      auto: "always",
      provider: "openrouter",
      providers: {
        openrouter: {
          apiKey: "${OPENROUTER_API_KEY}",
          model: "hexgrad/kokoro-82m",
          speakerVoice: "af_alloy",
          responseFormat: "mp3",
        },
      },
    },
  },
}
```
  </Tab>
  <Tab title="Volcengine">
```json5
{
  messages: {
    tts: {
      auto: "always",
      provider: "volcengine",
      providers: {
        volcengine: {
          apiKey: "${VOLCENGINE_TTS_API_KEY}",
          resourceId: "seed-tts-1.0",
          speakerVoice: "en_female_anna_mars_bigtts",
        },
      },
    },
  },
}
```
  </Tab>
  <Tab title="xAI">
```json5
{
  messages: {
    tts: {
      auto: "always",
      provider: "xai",
      providers: {
        xai: {
          apiKey: "${XAI_API_KEY}",
          speakerVoiceId: "eve",
          language: "en",
          responseFormat: "mp3",
        },
      },
    },
  },
}
```
  </Tab>
  <Tab title="Xiaomi MiMo">
```json5
{
  messages: {
    tts: {
      auto: "always",
      provider: "xiaomi",
      providers: {
        xiaomi: {
          apiKey: "${XIAOMI_API_KEY}",
          model: "mimo-v2.5-tts",
          speakerVoice: "mimo_default",
          format: "mp3",
        },
      },
    },
  },
}
```
  </Tab>
</Tabs>

Xiaomi の `mimo-v2.5-tts-voicedesign` では、`speakerVoice` を省略し、
`style` に音声デザイン用プロンプトを設定してください。OpenClaw はそのプロンプトを TTS の
`user` メッセージとして送信し、voicedesign モデルには `audio.voice` を送信しません。

### エージェントごとの音声オーバーライド

1 つのエージェントだけに異なるプロバイダー、音声、モデル、ペルソナ、または自動 TTS モードで発話させる場合は、`agents.list[].tts` を使用します。エージェントブロックは `messages.tts` にディープマージされるため、プロバイダーの認証情報はグローバルなプロバイダー設定に保持できます。

```json5
{
  messages: {
    tts: {
      auto: "always",
      provider: "elevenlabs",
      providers: {
        elevenlabs: { apiKey: "${ELEVENLABS_API_KEY}", model: "eleven_multilingual_v2" },
      },
    },
  },
  agents: {
    list: [
      {
        id: "reader",
        tts: {
          providers: {
            elevenlabs: { speakerVoiceId: "EXAVITQu4vr4xnSDxMaL" },
          },
        },
      },
    ],
  },
}
```

エージェントごとのペルソナを固定するには、プロバイダー設定と並べて `agents.list[].tts.persona` を設定します。これは、そのエージェントに対してのみグローバルな `messages.tts.persona` を上書きします。

自動応答、`/tts audio`、`/tts status`、および `tts` エージェントツールの優先順位は次のとおりです。

1. `messages.tts`
2. アクティブな `agents.list[].tts`
3. チャンネルが `channels.<channel>.tts` をサポートしている場合のチャンネルオーバーライド
4. チャンネルが `channels.<channel>.accounts.<id>.tts` を渡す場合のアカウントオーバーライド
5. このホストのローカル `/tts` 設定
6. [モデルによるディレクティブ](#model-driven-directives)が有効な場合のインライン `[[tts:...]]` ディレクティブ

チャンネルおよびアカウントのオーバーライドは `messages.tts` と同じ構造を使用し、先行するレイヤーにディープマージされます。そのため、共有プロバイダーの認証情報は `messages.tts` に保持したまま、チャンネルまたはボットアカウントでは話者の音声、モデル、ペルソナ、または自動モードだけを変更できます。

```json5
{
  messages: {
    tts: {
      provider: "openai",
      providers: {
        openai: { apiKey: "${OPENAI_API_KEY}", model: "gpt-4o-mini-tts" },
      },
    },
  },
  channels: {
    feishu: {
      accounts: {
        english: {
          tts: {
            providers: {
              openai: { speakerVoice: "shimmer" },
            },
          },
        },
      },
    },
  },
}
```

## ペルソナ

**ペルソナ**は、プロバイダー間で決定論的に適用できる、一貫した発話アイデンティティです。特定のプロバイダーを優先し、プロバイダーに依存しないプロンプトの意図を定義し、音声、モデル、プロンプトテンプレート、シード、音声設定に対するプロバイダー固有のバインディングを保持できます。

### 最小構成のペルソナ

```json5
{
  messages: {
    tts: {
      auto: "always",
      persona: "narrator",
      personas: {
        narrator: {
          label: "ナレーター",
          provider: "elevenlabs",
          providers: {
            elevenlabs: {
              speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",
              modelId: "eleven_multilingual_v2",
            },
          },
        },
      },
    },
  },
}
```

### 完全なペルソナ（プロバイダーに依存しないプロンプト）

```json5
{
  messages: {
    tts: {
      auto: "always",
      persona: "alfred",
      personas: {
        alfred: {
          label: "アルフレッド",
          description: "ドライで温かみのある英国人執事のナレーター。",
          provider: "google",
          fallbackPolicy: "preserve-persona",
          prompt: {
            profile: "優秀な英国人執事。ドライで機知に富み、温かく魅力的で、感情表現が豊か。決してありきたりにならない。",
            scene: "静かな深夜の書斎。信頼できるオペレーターに向けた近接マイクでのナレーション。",
            sampleContext: "話者は、非公開の技術的な依頼に対し、簡潔な自信とドライな温かみをもって回答している。",
            style: "洗練され、控えめで、わずかに愉快そう。",
            accent: "イギリス英語。",
            pacing: "落ち着いた速度で、短い劇的な間を入れる。",
            constraints: ["設定値を声に出して読まない。", "ペルソナについて説明しない。"],
          },
          providers: {
            google: {
              model: "gemini-3.1-flash-tts-preview",
              speakerVoice: "Algieba",
              promptTemplate: "audio-profile-v1",
            },
            openai: { model: "gpt-4o-mini-tts", speakerVoice: "cedar" },
            elevenlabs: {
              speakerVoiceId: "voice_id",
              modelId: "eleven_multilingual_v2",
              seed: 42,
              voiceSettings: {
                stability: 0.65,
                similarityBoost: 0.8,
                style: 0.25,
                useSpeakerBoost: true,
                speed: 0.95,
              },
            },
          },
        },
      },
    },
  },
}
```

### ペルソナの解決

アクティブなペルソナは決定論的に選択されます。

1. 設定されている場合は、`/tts persona <id>` のローカル設定。
2. 設定されている場合は、`messages.tts.persona`。
3. ペルソナなし。

プロバイダーの選択では、明示的な指定が優先されます。

1. 直接オーバーライド（CLI、gateway、Talk、許可された TTS ディレクティブ）。
2. `/tts provider <id>` のローカル設定。
3. アクティブなペルソナの `provider`。
4. `messages.tts.provider`。
5. レジストリによる自動選択。

OpenClaw は、プロバイダーを試行するたびに、次の順序で設定をマージします。

1. `messages.tts.providers.<id>`
2. `messages.tts.personas.<persona>.providers.<id>`
3. 信頼されたリクエストのオーバーライド
4. 許可された、モデルが出力した TTS ディレクティブのオーバーライド

### プロバイダーによるペルソナプロンプトの使用方法

ペルソナのプロンプトフィールド（`profile`、`scene`、`sampleContext`、`style`、`accent`、`pacing`、`constraints`）は、**プロバイダーに依存しません**。各プロバイダーが、その使用方法を決定します。

<AccordionGroup>
  <Accordion title="Google Gemini">
    有効な Google プロバイダー設定で `promptTemplate: "audio-profile-v1"` または `personaPrompt` が設定されている**場合にのみ**、ペルソナのプロンプトフィールドを Gemini TTS のプロンプト構造でラップします。従来の `audioProfile` および `speakerName` フィールドは、引き続き Google 固有のプロンプトテキストとして先頭に付加されます。`[[tts:text]]` ブロック内の `[whispers]` や `[laughs]` などのインライン音声タグは、Gemini のトランスクリプト内に保持されます。OpenClaw はこれらのタグを生成しません。
  </Accordion>
  <Accordion title="OpenAI">
    明示的な OpenAI の `instructions` が設定されていない**場合にのみ**、ペルソナのプロンプトフィールドをリクエストの `instructions` フィールドにマッピングします。明示的な `instructions` が常に優先されます。
  </Accordion>
  <Accordion title="その他のプロバイダー">
    `personas.<id>.providers.<provider>` 配下のプロバイダー固有のペルソナバインディングのみを使用します。プロバイダーが独自のペルソナプロンプトのマッピングを実装していない限り、ペルソナのプロンプトフィールドは無視されます。
  </Accordion>
</AccordionGroup>

### フォールバックポリシー

`fallbackPolicy` は、試行対象のプロバイダーに対するバインディングがペルソナに**存在しない**場合の動作を制御します。

| ポリシー            | 動作                                                                                                                                                                       |
| ------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| `preserve-persona`  | **デフォルト。** プロバイダーに依存しないプロンプトフィールドは引き続き利用可能であり、プロバイダーはそれらを使用することも無視することもできます。                         |
| `provider-defaults` | その試行のプロンプト準備からペルソナを除外します。ほかのプロバイダーへのフォールバックを継続しながら、そのプロバイダーはプロバイダー固有ではないデフォルトを使用します。     |
| `fail`              | `reasonCode: "not_configured"` および `personaBinding: "missing"` として、そのプロバイダーの試行をスキップします。フォールバックプロバイダーは引き続き試行されます。          |

試行した**すべての**プロバイダーがスキップされるか失敗した場合にのみ、TTS リクエスト全体が失敗します。

Talk セッションのプロバイダー選択は、セッション単位です。Talk クライアントは、`talk.catalog` からプロバイダー ID、モデル ID、音声 ID、ロケールを選択し、Talk セッションまたはハンドオフリクエストを介して渡す必要があります。音声セッションを開いても、`messages.tts` やグローバルな Talk プロバイダーのデフォルトを変更してはなりません。

## モデルによるディレクティブ

デフォルトでは、アシスタントは `[[tts:...]]` ディレクティブを出力して、単一の応答に対する音声、モデル、または速度を上書き**できます**。さらに、音声にのみ含める表現上の指示のために、オプションの `[[tts:text]]...[[/tts:text]]` ブロックも使用できます。

```text
どうぞ。

[[tts:speakerVoiceId=pMsXgVXv3BLzUgSXRplE model=eleven_v3 speed=1.1]]
[[tts:text]]（笑いながら）その歌をもう一度読んでください。[[/tts:text]]
```

`messages.tts.auto` が `"tagged"` の場合、音声をトリガーするには**ディレクティブが必須**です。ストリーミングブロック配信では、隣接するブロックに分割されている場合でも、チャンネルに表示テキストが渡される前にディレクティブが除去されます。

`modelOverrides.allowProvider: true` でない限り、`provider=...` は無視されます。応答で `provider=...` が宣言されている場合、そのディレクティブ内のほかのキーは、そのプロバイダーによってのみ解析されます。サポートされていないキーは除去され、TTS ディレクティブの警告として報告されます。

**使用可能なディレクティブキー：**

- `provider`（登録済みプロバイダー ID。`allowProvider: true` が必要）
- `speakerVoice` / `speakerVoiceId`（従来のエイリアス：`voice`、`voiceName`、`voice_name`、`google_voice`、`voiceId`）
- `model` / `google_model`
- `stability`、`similarityBoost`、`style`、`speed`、`useSpeakerBoost`
- `vol` / `volume`（MiniMax の音量、`(0, 10]`）
- `pitch`（MiniMax の整数ピッチ、−12～12。小数値は切り捨て）
- `emotion`（Volcengine の感情タグ）
- `applyTextNormalization`（`auto|on|off`）
- `languageCode`（ISO 639-1）
- `seed`

**モデルによるオーバーライドを完全に無効にする：**

```json5
{ messages: { tts: { modelOverrides: { enabled: false } } } }
```

**ほかの調整項目を設定可能な状態に保ちながら、プロバイダーの切り替えを許可する：**

```json5
{ messages: { tts: { modelOverrides: { enabled: true, allowProvider: true, allowSeed: false } } } }
```

## スラッシュコマンド

コマンドは `/tts` の 1 つです。Discord では、`/tts` が Discord の組み込みコマンドであるため、OpenClaw は `/voice` も登録します。テキストの `/tts ...` も引き続き機能します。

```text
/tts off | on | status
/tts chat on | off | default
/tts latest
/tts provider <id>
/tts persona <id> | off
/tts limit <chars>
/tts summary off
/tts audio <text>
```

<Note>
コマンドを使用するには、送信者が認可されている必要があり（許可リスト／所有者ルールが適用されます）、さらに `commands.text` またはネイティブコマンド登録のいずれかが有効でなければなりません。
</Note>

動作に関する注意事項：

- `/tts on` はローカル TTS 設定に `always` を書き込み、`/tts off` は `off` を書き込みます。
- `/tts chat on|off|default` は、現在のチャットに対するセッション単位の自動 TTS オーバーライドを書き込みます。
- `/tts persona <id>` はローカルのペルソナ設定を書き込み、`/tts persona off` はそれをクリアします。
- `/tts latest` は、現在のセッショントランスクリプトから最新のアシスタント応答を読み取り、1 回だけ音声として送信します。音声の重複送信を抑止するため、セッションエントリにはその応答のハッシュのみを保存します。
- `/tts audio` は 1 回限りの音声応答を生成します（TTS をオンに切り替えることは**ありません**）。
- `/tts limit <chars>` は **100～4096** を受け付けます（4096 は Telegram のキャプション／メッセージの最大値）。範囲外の値は拒否されます。
- `limit` と `summary` は、メイン設定ではなく**ローカル設定**に保存されます。
- `/tts status` には、最新の試行に関するフォールバック診断（`Fallback: <primary> -> <used>`、`Attempts: ...`、および試行ごとの詳細（`provider:outcome(reasonCode) latency`））が含まれます。
- `/status` は、TTS が有効な場合、アクティブな TTS モードに加えて、設定済みのプロバイダー、モデル、音声、サニタイズ済みのカスタムエンドポイントのメタデータを表示します。

## ユーザーごとの設定

スラッシュコマンドは、ローカルオーバーライドを `prefsPath` に書き込みます。デフォルトは `~/.openclaw/settings/tts.json` です。`OPENCLAW_TTS_PREFS` 環境変数または `messages.tts.prefsPath` で上書きできます。

| 保存フィールド | 効果                                                                                                 |
| -------------- | ---------------------------------------------------------------------------------------------------- |
| `auto`         | ローカルの自動 TTS オーバーライド（`always`、`off` など）                                            |
| `provider`     | ローカルのプライマリプロバイダーオーバーライド                                                       |
| `persona`      | ローカルのペルソナオーバーライド                                                                     |
| `maxLength`    | 要約／切り詰めのしきい値（デフォルトは `1500` 文字、`/tts limit` の範囲は 100～4096）                 |
| `summarize`    | 要約の切り替え（デフォルトは `true`）                                                                |

これらは、そのホストに対して、`messages.tts` とアクティブな `agents.list[].tts` ブロックから得られる有効な設定を上書きします。

## 出力形式

TTS 音声配信は、チャンネルの機能に応じて決まります。チャンネル Plugin は、
音声形式の TTS でプロバイダーにネイティブの `voice-note` ターゲットを要求するか、
通常の `audio-file` 合成を維持するか、また送信前にチャンネルが
非ネイティブ出力をトランスコードするかどうかを通知します。

| ターゲット                            | 形式                                                                                                                                  |
| ------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------- |
| Feishu / Matrix / Telegram / WhatsApp | 音声メモの返信では **Opus**（ElevenLabs の `opus_48000_64`、OpenAI の `opus`）を優先します。48 kHz / 64 kbps は明瞭さとサイズのバランスを取ります。 |
| その他のチャンネル                    | **MP3**（ElevenLabs の `mp3_44100_128`、OpenAI の `mp3`）。44.1 kHz / 128 kbps が音声の明瞭さとサイズのデフォルトのバランスです。       |
| Talk / 電話                           | プロバイダーネイティブの **PCM**（Inworld は 22050 Hz、Google は 24 kHz）、または電話用の Gradium の `ulaw_8000`。                     |

プロバイダーごとの注意事項：

- **Feishu / WhatsApp のトランスコード：** 音声メモの返信が MP3/WebM/WAV/M4A、またはその他の音声ファイルと思われる形式で届いた場合、チャンネル Plugin は、ネイティブ音声メッセージを送信する前に、`ffmpeg`（`libopus`、64 kbps）で 48 kHz Ogg/Opus にトランスコードします。WhatsApp は、Baileys の `audio` ペイロードを通じて、`ptt: true` および `audio/ogg; codecs=opus` を指定して結果を送信します。トランスコードに失敗した場合：Feishu はエラーを捕捉し、元のファイルを通常の添付ファイルとして送信するようフォールバックします。WhatsApp にはフォールバックがないため、互換性のない PTT ペイロードを投稿するのではなく、送信自体が失敗します。
- **MiniMax：** 通常の音声添付ファイルには MP3（`speech-2.8-hd` モデル、32 kHz サンプルレート）を使用し、チャンネルが通知した音声メモターゲットには `ffmpeg` で 48 kHz Opus にトランスコードします。
- **Xiaomi MiMo：** デフォルトでは MP3、設定時は WAV を使用します。チャンネルが通知した音声メモターゲットには `ffmpeg` で 48 kHz Opus にトランスコードします。
- **ローカル CLI：** 設定された `outputFormat` を使用します。音声メモターゲットは Ogg/Opus に変換され、電話出力は `ffmpeg` で未加工の 16 kHz モノラル PCM に変換されます。
- **Google Gemini：** 未加工の 24 kHz PCM を返します。OpenClaw は、音声添付ファイルではこれを WAV としてラップし、音声メモターゲットでは 48 kHz Opus にトランスコードし、Talk/電話では PCM を直接返します。
- **Gradium：** 音声添付ファイルには WAV、音声メモターゲットには Opus、電話には 8 kHz の `ulaw_8000` を使用します。
- **Inworld：** 通常の音声添付ファイルには MP3、音声メモターゲットにはネイティブの `OGG_OPUS`、Talk/電話には 22050 Hz の未加工 `PCM` を使用します。
- **xAI：** デフォルトでは MP3 を使用します。`responseFormat` には `mp3`、`wav`、`pcm`、`mulaw`、または `alaw` を指定できます。xAI のバッチ REST TTS エンドポイントを使用し、完全な音声添付ファイルを返します。このプロバイダーパスでは、xAI のストリーミング TTS WebSocket は使用されません。ネイティブ Opus の音声メモ形式はサポートされていません。
- **Microsoft：** `microsoft.outputFormat`（デフォルトは `audio-24khz-48kbitrate-mono-mp3`）を使用します。
  - バンドルされたトランスポートは `outputFormat` を受け付けますが、すべての形式をサービスから利用できるわけではありません。
  - 出力形式の値は Microsoft Speech の出力形式（Ogg/WebM Opus を含む）に従います。
  - Telegram の `sendVoice` は OGG/MP3/M4A を受け付けます。Opus 音声メッセージを確実に使用する必要がある場合は、OpenAI/ElevenLabs を使用してください。
  - 設定された Microsoft の出力形式で失敗した場合、OpenClaw は MP3 で再試行します。
  - 明示的な音声オーバーライドが設定されておらず、デフォルトの英語音声が使用されている場合、返信テキストの大部分が CJK 文字であれば、OpenClaw は中国語のニューラル音声（`zh-CN-XiaoxiaoNeural`、`zh-CN` ロケール）へ自動的に切り替えます。

OpenAI と ElevenLabs の出力形式は、上記のとおりチャンネルごとに固定されています。

## 自動 TTS の動作

`messages.tts.auto` が有効な場合、OpenClaw は次のように動作します：

- 返信に構造化メディアがすでに含まれている場合、TTS をスキップします。
- 非常に短い返信（10 文字未満）をスキップします。
- 要約が有効な場合、`summaryModel`（または `agents.defaults.model.primary`）を使用して長い返信を要約します。
- 生成された音声を返信に添付します。
- `mode: "final"` では、テキストストリームの完了後も、ストリーミングされた最終返信に対して音声のみの TTS を送信します。生成されたメディアには、通常の返信添付ファイルと同じチャンネルメディア正規化が適用されます。

返信が `maxLength` を超えた場合、OpenClaw が音声を完全にスキップすることはありません：

- **要約オン**（デフォルト）で要約モデルを利用できる場合：テキストをおよそ `maxLength` 文字に要約し、その要約を合成します。
- **要約オフ**、要約に失敗した場合、または要約モデルの API キーを利用できない場合：テキストを `maxLength` 文字に切り詰め、切り詰めたテキストを合成します。

```text
返信 -> TTS は有効？
  いいえ -> テキストを送信
  はい   -> メディアあり / 短い？
              はい   -> テキストを送信
              いいえ -> 長さ > 上限？
                         いいえ -> TTS -> 音声を添付
                         はい   -> 要約が有効かつ利用可能？
                                    いいえ -> 切り詰め -> TTS -> 音声を添付
                                    はい   -> 要約 -> TTS -> 音声を添付
```

## フィールドリファレンス

<AccordionGroup>
  <Accordion title="トップレベルの messages.tts.*">
    <ParamField path="auto" type='"off" | "always" | "inbound" | "tagged"'>
      自動 TTS モード。`inbound` は受信音声メッセージの後にのみ音声を送信します。`tagged` は、返信に `[[tts:...]]` ディレクティブまたは `[[tts:text]]` ブロックが含まれる場合にのみ音声を送信します。
    </ParamField>
    <ParamField path="enabled" type="boolean" deprecated>
      旧トグル。`openclaw doctor --fix` はこれを `auto` に移行します。
    </ParamField>
    <ParamField path="mode" type='"final" | "all"' default="final">
      `"all"` では、最終返信に加えてツール/ブロック返信も対象になります。
    </ParamField>
    <ParamField path="provider" type="string">
      音声プロバイダー ID。未設定の場合、OpenClaw はレジストリの自動選択順で最初に設定されているプロバイダーを使用します。旧設定の `provider: "edge"` は、`openclaw doctor --fix` によって `"microsoft"` に書き換えられます。
    </ParamField>
    <ParamField path="persona" type="string">
      `personas` のアクティブなペルソナ ID。小文字に正規化されます。
    </ParamField>
    <ParamField path="personas.<id>" type="object">
      安定した発話アイデンティティ。フィールド：`label`、`description`、`provider`、`fallbackPolicy`、`prompt`、`providers.<provider>`。[ペルソナ](#personas)を参照してください。
    </ParamField>
    <ParamField path="summaryModel" type="string">
      自動要約用の低コストモデル。デフォルトは `agents.defaults.model.primary` です。`provider/model` または設定済みのモデルエイリアスを受け付けます。
    </ParamField>
    <ParamField path="modelOverrides" type="object">
      モデルによる TTS ディレクティブの出力を許可します。`enabled` のデフォルトは `true`、`allowProvider` のデフォルトは `false` です。
    </ParamField>
    <ParamField path="providers.<id>" type="object">
      音声プロバイダー ID をキーとする、プロバイダー所有の設定。旧形式の直接ブロック（`messages.tts.openai`、`.elevenlabs`、`.microsoft`、`.edge`）は `openclaw doctor --fix` によって書き換えられます。コミットするのは `messages.tts.providers.<id>` のみにしてください。
    </ParamField>
    <ParamField path="maxTextLength" type="number" default="4096">
      TTS 入力文字数の上限。超過した場合、`/tts audio`、`tts.convert`、`tts.speak` は失敗します。
    </ParamField>
    <ParamField path="timeoutMs" type="number" default="30000">
      リクエストのタイムアウト（ミリ秒）。呼び出しごとの `timeoutMs`（エージェントツール、Gateway）が設定されている場合はそれが優先されます。それ以外の場合、明示的に設定された `messages.tts.timeoutMs` が、Plugin が指定したプロバイダーのデフォルト値より優先されます。
    </ParamField>
    <ParamField path="prefsPath" type="string">
      ローカル設定 JSON のパス（プロバイダー/上限/要約）を上書きします。デフォルトは `~/.openclaw/settings/tts.json`。
    </ParamField>
  </Accordion>

  <Accordion title="Azure Speech">
    <ParamField path="apiKey" type="string">環境変数：`AZURE_SPEECH_KEY`、`AZURE_SPEECH_API_KEY`、または `SPEECH_KEY`。</ParamField>
    <ParamField path="region" type="string">Azure Speech のリージョン（例：`eastus`）。環境変数：`AZURE_SPEECH_REGION` または `SPEECH_REGION`。</ParamField>
    <ParamField path="endpoint" type="string">Azure Speech エンドポイントの任意の上書き（エイリアス：`baseUrl`）。</ParamField>
    <ParamField path="speakerVoice" type="string">Azure 音声の ShortName。デフォルトは `en-US-JennyNeural`。旧エイリアス：`voice`。</ParamField>
    <ParamField path="lang" type="string">SSML 言語コード。デフォルトは `en-US`。</ParamField>
    <ParamField path="outputFormat" type="string">標準音声用の Azure `X-Microsoft-OutputFormat`。デフォルトは `audio-24khz-48kbitrate-mono-mp3`。</ParamField>
    <ParamField path="voiceNoteOutputFormat" type="string">音声メモ出力用の Azure `X-Microsoft-OutputFormat`。デフォルトは `ogg-24khz-16bit-mono-opus`。</ParamField>
  </Accordion>

  <Accordion title="ElevenLabs">
    <ParamField path="apiKey" type="string">`ELEVENLABS_API_KEY` または `XI_API_KEY` にフォールバックします。</ParamField>
    <ParamField path="model" type="string">モデル ID。デフォルトは `eleven_multilingual_v2`。旧 ID の `eleven_turbo_v2_5`/`eleven_turbo_v2` は、対応する `flash` モデルに正規化されます。</ParamField>
    <ParamField path="speakerVoiceId" type="string">ElevenLabs の音声 ID。デフォルトは `pMsXgVXv3BLzUgSXRplE`。旧エイリアス：`voiceId`。</ParamField>
    <ParamField path="voiceSettings" type="object">
      `stability`、`similarityBoost`、`style`（それぞれ `0..1`、デフォルトは `0.5`/`0.75`/`0`）、`useSpeakerBoost`（`true|false`、デフォルトは `true`）、`speed`（`0.5..2.0`、デフォルトは `1.0`）。
    </ParamField>
    <ParamField path="applyTextNormalization" type='"auto" | "on" | "off"'>テキスト正規化モード。</ParamField>
    <ParamField path="languageCode" type="string">2 文字の ISO 639-1（例：`en`、`de`）。</ParamField>
    <ParamField path="seed" type="number">ベストエフォートの決定性に使用する整数 `0..4294967295`。</ParamField>
    <ParamField path="baseUrl" type="string">ElevenLabs API のベース URL を上書きします。</ParamField>
  </Accordion>

  <Accordion title="Google Gemini">
    <ParamField path="apiKey" type="string">`GEMINI_API_KEY` / `GOOGLE_API_KEY` にフォールバックします。省略した場合、TTS は環境変数へのフォールバック前に `models.providers.google.apiKey` を再利用できます。</ParamField>
    <ParamField path="model" type="string">Gemini TTS モデル。デフォルトは `gemini-3.1-flash-tts-preview`。</ParamField>
    <ParamField path="speakerVoice" type="string">Gemini の組み込み音声名。デフォルトは `Kore`。旧エイリアス：`voiceName`、`voice`。</ParamField>
    <ParamField path="audioProfile" type="string">発話テキストの前に付加する自然言語のスタイルプロンプト。</ParamField>
    <ParamField path="speakerName" type="string">プロンプトで名前付き話者を使用する場合に、発話テキストの前に付加する任意の話者ラベル。</ParamField>
    <ParamField path="promptTemplate" type='"audio-profile-v1"'>`audio-profile-v1` に設定すると、アクティブなペルソナのプロンプトフィールドが決定的な Gemini TTS プロンプト構造でラップされます。</ParamField>
    <ParamField path="personaPrompt" type="string">テンプレートのディレクターズノートに追加される、Google 固有の追加ペルソナプロンプトテキスト。</ParamField>
    <ParamField path="baseUrl" type="string">`https://generativelanguage.googleapis.com` のみ受け付けます。</ParamField>
  </Accordion>

  <Accordion title="Gradium">
    <ParamField path="apiKey" type="string">環境変数：`GRADIUM_API_KEY`。</ParamField>
    <ParamField path="baseUrl" type="string">`api.gradium.ai` 上の HTTPS Gradium API URL。デフォルトは `https://api.gradium.ai`。</ParamField>
    <ParamField path="speakerVoiceId" type="string">デフォルトは Emma（`YTpq7expH9539ERJ`）。旧エイリアス：`voiceId`。</ParamField>
  </Accordion>

  <Accordion title="Inworld">
    ### Inworld のプライマリ

    <ParamField path="apiKey" type="string">環境変数: `INWORLD_API_KEY`。</ParamField>
    <ParamField path="baseUrl" type="string">デフォルトは `https://api.inworld.ai`。</ParamField>
    <ParamField path="modelId" type="string">デフォルトは `inworld-tts-1.5-max`。ほかに `inworld-tts-1.5-mini`、`inworld-tts-1-max`、`inworld-tts-1`。</ParamField>
    <ParamField path="speakerVoiceId" type="string">デフォルトは `Sarah`。レガシーエイリアス: `voiceId`。</ParamField>
    <ParamField path="temperature" type="number">サンプリング温度 `0..2`（0 を除く）。</ParamField>

  </Accordion>

  <Accordion title="ローカル CLI (tts-local-cli)">
    <ParamField path="command" type="string">CLI TTS 用のローカル実行ファイルまたはコマンド文字列。</ParamField>
    <ParamField path="args" type="string[]">コマンド引数。`{{Text}}`、`{{OutputPath}}`、`{{OutputDir}}`、`{{OutputBase}}` プレースホルダーをサポートします。</ParamField>
    <ParamField path="outputFormat" type='"mp3" | "opus" | "wav"'>想定される CLI 出力形式。音声添付ファイルのデフォルトは `mp3`。</ParamField>
    <ParamField path="timeoutMs" type="number">コマンドのタイムアウト（ミリ秒）。デフォルトは `120000`。</ParamField>
    <ParamField path="cwd" type="string">オプションのコマンド作業ディレクトリ。</ParamField>
    <ParamField path="env" type="Record<string, string>">コマンド用のオプションの環境変数オーバーライド。</ParamField>

    コマンドの標準出力と、生成または変換された音声は 50 MiB に制限されます。診断用の標準エラー出力は 1 MiB に制限されます。いずれかの上限を超えると、OpenClaw はコマンドを終了し、音声合成を失敗させます。

  </Accordion>

  <Accordion title="Microsoft（API キー不要）">
    <ParamField path="enabled" type="boolean" default="true">Microsoft 音声の使用を許可します。</ParamField>
    <ParamField path="speakerVoice" type="string">Microsoft ニューラル音声名（例: `en-US-MichelleNeural`）。レガシーエイリアス: `voice`。デフォルトの英語音声が有効で、返信テキストが CJK 中心の場合、OpenClaw は自動的に `zh-CN-XiaoxiaoNeural` に切り替えます。</ParamField>
    <ParamField path="lang" type="string">言語コード（例: `en-US`）。</ParamField>
    <ParamField path="outputFormat" type="string">Microsoft の出力形式。デフォルトは `audio-24khz-48kbitrate-mono-mp3`。同梱の Edge ベースのトランスポートでは、すべての形式がサポートされているわけではありません。</ParamField>
    <ParamField path="rate / pitch / volume" type="string">パーセント文字列（例: `+10%`、`-5%`）。</ParamField>
    <ParamField path="saveSubtitles" type="boolean">音声ファイルとともに JSON 字幕を書き込みます。</ParamField>
    <ParamField path="proxy" type="string">Microsoft 音声リクエスト用のプロキシ URL。</ParamField>
    <ParamField path="timeoutMs" type="number">リクエストタイムアウトのオーバーライド（ms）。</ParamField>
    <ParamField path="edge.*" type="object" deprecated>レガシーエイリアス。`openclaw doctor --fix` を実行して、永続化された設定を `providers.microsoft` に書き換えてください。</ParamField>
  </Accordion>

  <Accordion title="MiniMax">
    <ParamField path="apiKey" type="string">`MINIMAX_API_KEY` にフォールバックします。Token Plan 認証には `MINIMAX_OAUTH_TOKEN`、`MINIMAX_CODE_PLAN_KEY`、または `MINIMAX_CODING_API_KEY` を使用します。</ParamField>
    <ParamField path="baseUrl" type="string">デフォルトは `https://api.minimax.io`。環境変数: `MINIMAX_API_HOST`。</ParamField>
    <ParamField path="model" type="string">デフォルトは `speech-2.8-hd`。環境変数: `MINIMAX_TTS_MODEL`。</ParamField>
    <ParamField path="speakerVoiceId" type="string">デフォルトは `English_expressive_narrator`。環境変数: `MINIMAX_TTS_VOICE_ID`。レガシーエイリアス: `voiceId`。</ParamField>
    <ParamField path="speed" type="number">`0.5..2.0`。デフォルトは `1.0`。</ParamField>
    <ParamField path="vol" type="number">`(0, 10]`。デフォルトは `1.0`。</ParamField>
    <ParamField path="pitch" type="number">整数 `-12..12`。デフォルトは `0`。小数値はリクエスト前に切り捨てられます。</ParamField>
  </Accordion>

  <Accordion title="OpenAI">
    <ParamField path="apiKey" type="string">`OPENAI_API_KEY` にフォールバックします。</ParamField>
    <ParamField path="model" type="string">OpenAI TTS モデル ID。デフォルトは `gpt-4o-mini-tts`。</ParamField>
    <ParamField path="speakerVoice" type="string">音声名（例: `alloy`、`cedar`）。デフォルトは `coral`。レガシーエイリアス: `voice`。</ParamField>
    <ParamField path="instructions" type="string">明示的な OpenAI の `instructions` フィールド。設定した場合、ペルソナプロンプトのフィールドは自動マッピングされ**ません**。</ParamField>
    <ParamField path="extraBody / extra_body" type="Record<string, unknown>">生成された OpenAI TTS フィールドの後に、`/audio/speech` リクエスト本文へマージされる追加の JSON フィールド。`lang` などのプロバイダー固有キーを必要とする Kokoro のような OpenAI 互換エンドポイントに使用します。安全でないプロトタイプキーは無視されます。</ParamField>
    <ParamField path="baseUrl" type="string">
      OpenAI TTS エンドポイントをオーバーライドします。解決順序: 設定 → `OPENAI_TTS_BASE_URL` → `https://api.openai.com/v1`。デフォルト以外の値は OpenAI 互換 TTS エンドポイントとして扱われるため、カスタムのモデル名と音声名が受け入れられ、`speed` に対する `0.25..4.0` の範囲チェックは適用されなくなります。
    </ParamField>
  </Accordion>

  <Accordion title="OpenRouter">
    <ParamField path="apiKey" type="string">環境変数: `OPENROUTER_API_KEY`。`models.providers.openrouter.apiKey` を再利用できます。</ParamField>
    <ParamField path="baseUrl" type="string">デフォルトは `https://openrouter.ai/api/v1`。レガシーの `https://openrouter.ai/v1` は正規化されます。</ParamField>
    <ParamField path="model" type="string">デフォルトは `hexgrad/kokoro-82m`。エイリアス: `modelId`。</ParamField>
    <ParamField path="speakerVoice" type="string">デフォルトは `af_alloy`。レガシーエイリアス: `voice`、`voiceId`。</ParamField>
    <ParamField path="responseFormat" type='"mp3" | "pcm"'>デフォルトは `mp3`。</ParamField>
    <ParamField path="speed" type="number">プロバイダーネイティブの速度オーバーライド。</ParamField>
  </Accordion>

  <Accordion title="Volcengine (BytePlus Seed Speech)">
    <ParamField path="apiKey" type="string">環境変数: `VOLCENGINE_TTS_API_KEY` または `BYTEPLUS_SEED_SPEECH_API_KEY`。</ParamField>
    <ParamField path="resourceId" type="string">デフォルトは `seed-tts-1.0`。環境変数: `VOLCENGINE_TTS_RESOURCE_ID`。プロジェクトに TTS 2.0 の利用権限がある場合は `seed-tts-2.0` を使用してください。</ParamField>
    <ParamField path="appKey" type="string">アプリキーヘッダー。デフォルトは `aGjiRDfUWi`。環境変数: `VOLCENGINE_TTS_APP_KEY`。</ParamField>
    <ParamField path="baseUrl" type="string">Seed Speech TTS HTTP エンドポイントをオーバーライドします。環境変数: `VOLCENGINE_TTS_BASE_URL`。</ParamField>
    <ParamField path="speakerVoice" type="string">音声タイプ。デフォルトは `en_female_anna_mars_bigtts`。環境変数: `VOLCENGINE_TTS_VOICE`。レガシーエイリアス: `voice`。</ParamField>
    <ParamField path="speedRatio" type="number">プロバイダーネイティブの速度比率、`0.2..3`。</ParamField>
    <ParamField path="emotion" type="string">プロバイダーネイティブの感情タグ。</ParamField>
    <ParamField path="appId / token / cluster" type="string" deprecated>レガシーの Volcengine Speech Console フィールド。環境変数: `VOLCENGINE_TTS_APPID`、`VOLCENGINE_TTS_TOKEN`、`VOLCENGINE_TTS_CLUSTER`（デフォルトは `volcano_tts`）。</ParamField>
  </Accordion>

  <Accordion title="xAI">
    <ParamField path="apiKey" type="string">環境変数: `XAI_API_KEY`。</ParamField>
    <ParamField path="baseUrl" type="string">デフォルトは `https://api.x.ai/v1`。環境変数: `XAI_BASE_URL`。</ParamField>
    <ParamField path="speakerVoiceId" type="string">デフォルトは `eve`。認証がある場合、`openclaw infer tts voices --provider xai` は現在の組み込みカタログを取得します。認証がない場合は、オフラインのフォールバック `ara`、`eve`、`leo`、`rex`、`sal` を一覧表示します。アカウントのカスタム音声 ID は、組み込みリストにない場合でも転送されます。レガシーエイリアス: `voiceId`。</ParamField>
    <ParamField path="language" type="string">BCP-47 言語コードまたは `auto`。デフォルトは `en`。</ParamField>
    <ParamField path="responseFormat" type='"mp3" | "wav" | "pcm" | "mulaw" | "alaw"'>デフォルトは `mp3`。</ParamField>
    <ParamField path="speed" type="number">プロバイダーネイティブの速度オーバーライド、`0.7..1.5`。</ParamField>
  </Accordion>

  <Accordion title="Xiaomi MiMo">
    <ParamField path="apiKey" type="string">環境変数: `XIAOMI_API_KEY`。</ParamField>
    <ParamField path="baseUrl" type="string">デフォルトは `https://api.xiaomimimo.com/v1`。環境変数: `XIAOMI_BASE_URL`。</ParamField>
    <ParamField path="model" type="string">デフォルトは `mimo-v2.5-tts`。環境変数: `XIAOMI_TTS_MODEL`。`mimo-v2-tts` と `mimo-v2.5-tts-voicedesign` もサポートします。</ParamField>
    <ParamField path="speakerVoice" type="string">プリセット音声モデルのデフォルトは `mimo_default`。環境変数: `XIAOMI_TTS_VOICE`。レガシーエイリアス: `voice`。`mimo-v2.5-tts-voicedesign` では送信されません。</ParamField>
    <ParamField path="format" type='"mp3" | "wav"'>デフォルトは `mp3`。環境変数: `XIAOMI_TTS_FORMAT`。</ParamField>
    <ParamField path="style" type="string">ユーザーメッセージとして送信される、オプションの自然言語によるスタイル指示。読み上げられません。`mimo-v2.5-tts-voicedesign` では、これが音声デザインのプロンプトになります。省略した場合、OpenClaw がデフォルトを指定します。</ParamField>
  </Accordion>
</AccordionGroup>

## エージェントツール

`tts` ツールはテキストを音声に変換し、返信配信用の音声添付ファイルを返します。
Feishu、Matrix、Telegram、WhatsApp では、音声はファイル添付ではなく
ボイスメッセージとして配信されます。この経路では `ffmpeg` が
利用可能な場合、Feishu と WhatsApp は Opus 以外の TTS 出力をトランスコードできます。

WhatsApp は Baileys を介して音声を PTT ボイスノート（`audio` と
`ptt: true`）として送信し、クライアントがボイスノートのキャプションを
一貫して表示しないため、表示テキストを PTT 音声とは**別に**送信します。

このツールはオプションの `channel` フィールドと `timeoutMs` フィールドを受け入れます。`timeoutMs` は、
呼び出しごとのプロバイダーリクエストタイムアウト（ミリ秒）です。呼び出しごとの値は
`messages.tts.timeoutMs` をオーバーライドし、設定された TTS タイムアウトは Plugin が指定した
プロバイダーのデフォルト値をオーバーライドします。

## Gateway RPC

| メソッド          | 目的                                         |
| ----------------- | -------------------------------------------- |
| `tts.status`      | 現在の TTS 状態と直前の試行を読み取ります。 |
| `tts.enable`      | ローカルの自動設定を `always` にします。    |
| `tts.disable`     | ローカルの自動設定を `off` にします。       |
| `tts.convert`     | 1 回限りのテキスト → 音声変換。             |
| `tts.setProvider` | ローカルのプロバイダー設定を指定します。    |
| `tts.personas`    | 設定済みのペルソナと有効なペルソナを一覧表示します。 |
| `tts.setPersona`  | ローカルのペルソナ設定を指定します。        |
| `tts.providers`   | 設定済みプロバイダーと状態を一覧表示します。 |

## サービスリンク

- [OpenAI テキスト読み上げガイド](https://platform.openai.com/docs/guides/text-to-speech)
- [OpenAI Audio API リファレンス](https://platform.openai.com/docs/api-reference/audio)
- [Azure Speech REST テキスト読み上げ](https://learn.microsoft.com/azure/ai-services/speech-service/rest-text-to-speech)
- [Azure Speech プロバイダー](/ja-JP/providers/azure-speech)
- [ElevenLabs テキスト読み上げ](https://elevenlabs.io/docs/api-reference/text-to-speech)
- [ElevenLabs 認証](https://elevenlabs.io/docs/api-reference/authentication)
- [Gradium](/ja-JP/providers/gradium)
- [Inworld TTS API](https://docs.inworld.ai/tts/tts)
- [MiniMax T2A v2 API](https://platform.minimaxi.com/document/T2A%20V2)
- [Volcengine TTS HTTP API](/ja-JP/providers/volcengine#text-to-speech)
- [Xiaomi MiMo 音声合成](/ja-JP/providers/xiaomi#text-to-speech)
- [node-edge-tts](https://github.com/SchneeHertz/node-edge-tts)
- [Microsoft Speech の出力形式](https://learn.microsoft.com/azure/ai-services/speech-service/rest-text-to-speech#audio-outputs)
- [xAI テキスト読み上げ](https://docs.x.ai/developers/rest-api-reference/inference/voice#text-to-speech-rest)

## 関連項目

- [メディアの概要](/ja-JP/tools/media-overview)
- [音楽生成](/ja-JP/tools/music-generation)
- [動画生成](/ja-JP/tools/video-generation)
- [スラッシュコマンド](/ja-JP/tools/slash-commands)
- [音声通話 Plugin](/ja-JP/plugins/voice-call)