--- read_when: - Op zoek naar een overzicht van de mediamogelijkheden van OpenClaw - Bepalen welke mediaprovider u wilt configureren - Begrijpen hoe asynchrone mediageneratie werkt sidebarTitle: Media overview summary: Mogelijkheden voor afbeeldingen, video, muziek, spraak en mediabegrip in één oogopslag title: Mediaoverzicht x-i18n: generated_at: "2026-07-12T09:23:50Z" model: gpt-5.6 postprocess_version: locale-links-v1 provider: openai source_hash: f7d7bf8bd2052cdba088d7a612bb89b0fc3a95b3635c7fcd2138eb731121b85f source_path: tools/media-overview.md workflow: 16 --- OpenClaw genereert afbeeldingen, video's en muziek, begrijpt inkomende media (afbeeldingen, audio, video) en spreekt antwoorden hardop uit met tekst-naar-spraak. Alle mediamogelijkheden worden via tools aangestuurd: de agent bepaalt op basis van het gesprek wanneer deze worden gebruikt en elke tool verschijnt alleen wanneer ten minste één onderliggende provider is geconfigureerd. Live spraak gebruikt het Talk-sessiecontract in plaats van het pad voor eenmalige mediatools. Talk heeft drie modi: provider-native `realtime`, lokale of streamende `stt-tts` en `transcription` voor het uitsluitend observerend vastleggen van spraak. Deze modi delen providercatalogi, gebeurtenisenveloppen en annuleringssemantiek met telefonie, vergaderingen, browser-realtime en native push-to-talk-clients. ## Mogelijkheden Maak en bewerk afbeeldingen op basis van tekstprompts of referentieafbeeldingen via `image_generate`. Asynchroon in chatsessies — wordt op de achtergrond uitgevoerd en plaatst het resultaat wanneer het gereed is. Tekst-naar-video, afbeelding-naar-video en video-naar-video via `video_generate`. Asynchroon — wordt op de achtergrond uitgevoerd en plaatst het resultaat wanneer het gereed is. Genereer muziek of audiotracks via `music_generate`. Asynchroon in chatsessies binnen de gedeelde taaklevenscyclus voor mediageneratie. Zet uitgaande antwoorden om in gesproken audio via de tool `tts` en de configuratie `messages.tts`. Synchroon. Vat inkomende afbeeldingen, audio en video samen met modelproviders die beeld ondersteunen en speciale plugins voor mediabegrip. Transcribeer inkomende spraakberichten via batch-STT of providers voor streamende STT van Voice Call. ## Mogelijkhedenmatrix voor providers Deze tabel behandelt de speciale plugins voor mediageneratie, TTS en STT. Veel providers van chatmodellen (Anthropic, Google, OpenAI en andere) begrijpen inkomende media ook via hun antwoordmodel; bekijk de volledige providerlijst in [Mediabegrip](/nl/nodes/media-understanding#provider-support-matrix). | Provider | Afbeelding | Video | Muziek | TTS | STT | Realtime spraak | Mediabegrip | | ----------------- | :--------: | :---: | :----: | :-: | :-: | :-------------: | :---------: | | Alibaba | | ✓ | | | | | | | Azure Speech | | | | ✓ | | | | | BytePlus | | ✓ | | | | | | | ComfyUI | ✓ | ✓ | ✓ | | | | | | Deepgram | | | | | ✓ | | | | DeepInfra | ✓ | ✓ | | ✓ | ✓ | | ✓ | | ElevenLabs | | | | ✓ | ✓ | | | | fal | ✓ | ✓ | ✓ | | | | | | Google | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | | Gradium | | | | ✓ | | | | | Inworld | | | | ✓ | | | | | LiteLLM | ✓ | | | | | | | | Lokale CLI | | | | ✓ | | | | | Microsoft | | | | ✓ | | | | | Microsoft Foundry | ✓ | | | | | | | | MiniMax | ✓ | ✓ | ✓ | ✓ | | | | | Mistral | | | | | ✓ | | | | OpenAI | ✓ | ✓ | | ✓ | ✓ | ✓ | ✓ | | OpenRouter | ✓ | ✓ | ✓ | ✓ | ✓ | | ✓ | | PixVerse | | ✓ | | | | | | | Qwen | | ✓ | | | | | ✓ | | Runway | | ✓ | | | | | | | SenseAudio | | | | | ✓ | | | | Together | | ✓ | | | | | | | Volcengine | | | | ✓ | | | | | Vydra | ✓ | ✓ | | ✓ | | | | | xAI | ✓ | ✓ | | ✓ | ✓ | | ✓ | | Xiaomi MiMo | | | | ✓ | | | | **Realtime spraak** betekent hier provider-native bidirectionele realtime (Talk-modus `realtime`, bijvoorbeeld Gemini Live of de OpenAI Realtime API) — momenteel registreren alleen Google en OpenAI dit. Deepgram, ElevenLabs, Mistral, OpenAI en xAI registreren afzonderlijk streamende STT voor Voice Call (eenrichtingsaudio-naar-tekst); zie [Spraak-naar-tekst en Voice Call](#speech-to-text-and-voice-call) hieronder. Realtime spraak van xAI is een bovenstroomse mogelijkheid, maar wordt niet geregistreerd in OpenClaw totdat het gedeelde contract voor realtime spraak deze kan vertegenwoordigen. ## Asynchroon versus synchroon | Mogelijkheid | Modus | Reden | | ---------------- | ------------ | ----------------------------------------------------------------------------------------------------------------- | | Afbeelding | Asynchroon | Providerverwerking kan langer duren dan een chatbeurt; gegenereerde bijlagen gebruiken het gedeelde voltooiingspad. | | Tekst-naar-spraak | Synchroon | Providerantwoorden worden binnen enkele seconden geretourneerd en aan de audio van het antwoord toegevoegd. | | Video | Asynchroon | Providerverwerking duurt 30 s tot enkele minuten; trage wachtrijen kunnen tot de geconfigureerde time-out doorgaan. | | Muziek | Asynchroon | Heeft dezelfde kenmerken voor providerverwerking als video. | Voor asynchrone tools dient OpenClaw de aanvraag in bij de provider, retourneert het onmiddellijk een taak-ID en volgt het de taak in het taakregister. De agent blijft andere berichten beantwoorden terwijl de taak wordt uitgevoerd. Wanneer de provider klaar is, wekt OpenClaw de agent met de paden van de gegenereerde media, zodat deze de gebruiker via de normale zichtbare antwoordmodus van de sessie kan informeren: automatische bezorging van het definitieve antwoord wanneer dit is geconfigureerd, of `message(action="send")` wanneer de sessie de berichtentool vereist. Als de sessie van de aanvrager inactief is of het actief wekken mislukt, en er nog gegenereerde media in het voltooiingsantwoord ontbreken, stuurt OpenClaw een idempotente directe terugval met alleen de ontbrekende media. Media die al via het voltooiingsantwoord zijn bezorgd, worden niet opnieuw geplaatst. ## Spraak-naar-tekst en Voice Call Deepgram, DeepInfra, ElevenLabs, Google, Groq, Mistral, OpenAI, OpenRouter, SenseAudio en xAI kunnen allemaal inkomende audio transcriberen via het batchpad `tools.media.audio` wanneer dit is geconfigureerd. Kanaalplugins die vooraf een spraaknotitie controleren voor vermeldingsfiltering of opdrachtanalyse markeren de getranscribeerde bijlage in de inkomende context, zodat de gedeelde verwerking voor mediabegrip dat transcript hergebruikt in plaats van een tweede STT-aanroep voor dezelfde audio uit te voeren. Deepgram, ElevenLabs, Mistral, OpenAI en xAI registreren ook providers voor streamende STT van Voice Call, zodat live telefoonaudio naar de geselecteerde leverancier kan worden doorgestuurd zonder op een voltooide opname te wachten. Geef voor live gesprekken met gebruikers de voorkeur aan de [Talk-modus](/nl/nodes/talk). Batchaudio- bijlagen blijven op het mediapad; browser-realtime, native push-to-talk, telefonie en vergaderaudio moeten Talk-gebeurtenissen en de sessiegebonden catalogi gebruiken die door de Gateway worden geretourneerd. ## Providertoewijzingen (hoe leveranciers over oppervlakken zijn verdeeld) Oppervlakken voor afbeeldingen, video, muziek, batch-TTS, batch-STT, realtime spraak in de backend en mediabegrip. Oppervlakken voor afbeeldingen, video, batch-TTS, batch-STT, streamende STT voor Voice Call, realtime spraak in de backend en geheugeninsluitingen. Oppervlakken voor chat-/modelroutering, het genereren/bewerken van afbeeldingen, tekst-naar-video, batch-TTS, batch-STT, mediabegrip van afbeeldingen en geheugeninsluitingen. DeepInfra biedt ook herrangschikking, classificatie, objectdetectie en andere native modeltypen; OpenClaw heeft nog geen providercontract voor die categorieën, dus deze plugin registreert ze niet. Afbeeldingen, video, zoeken, code-uitvoering, batch-TTS, batch-STT en streamende STT voor Voice Call. Realtime spraak van xAI is een bovenstroomse mogelijkheid, maar wordt niet geregistreerd in OpenClaw totdat het gedeelde contract voor realtime spraak deze kan vertegenwoordigen. ## Gerelateerd - [Afbeeldingen genereren](/nl/tools/image-generation) - [Video's genereren](/nl/tools/video-generation) - [Muziek genereren](/nl/tools/music-generation) - [Tekst-naar-spraak](/nl/tools/tts) - [Mediabegrip](/nl/nodes/media-understanding) - [Audioknooppunten](/nl/nodes/audio) - [Talk-modus](/nl/nodes/talk)