Providers
Deepgram
Deepgram to interfejs API zamiany mowy na tekst. OpenClaw używa go do transkrypcji przychodzących nagrań audio i notatek głosowych za pośrednictwem tools.media.audio oraz do strumieniowego rozpoznawania mowy w połączeniach głosowych za pośrednictwem plugins.entries.voice-call.config.streaming.
Transkrypcja wsadowa przesyła cały plik audio do Deepgram i wstawia transkrypcję do potoku odpowiedzi ({{Transcript}} + blok [Audio]). Strumieniowanie połączeń głosowych przekazuje na żywo ramki G.711 u-law przez punkt końcowy WebSocket listen usługi Deepgram i emituje częściowe oraz końcowe transkrypcje w miarę ich zwracania przez Deepgram.
| Szczegół | Wartość |
|---|---|
| Witryna | deepgram.com |
| Dokumentacja | developers.deepgram.com |
| Uwierzytelnianie | DEEPGRAM_API_KEY |
| Model domyślny | nova-3 |
Pierwsze kroki
Ustaw klucz API
DEEPGRAM_API_KEY=dg_...Włącz dostawcę obsługi audio
{ tools: { media: { audio: { enabled: true, models: [{ provider: "deepgram", model: "nova-3" }], }, }, },}Wyślij notatkę głosową
Wyślij wiadomość audio przez dowolny połączony kanał. OpenClaw transkrybuje ją za pomocą Deepgram i wstawia transkrypcję do potoku odpowiedzi.
Opcje konfiguracji
| Opcja | Ścieżka | Opis |
|---|---|---|
model |
tools.media.audio.models[].model |
Identyfikator modelu Deepgram (domyślnie: nova-3) |
language |
tools.media.audio.models[].language |
Wskazówka dotycząca języka (opcjonalna) |
providerOptions.deepgram scala dodatkowe parametry zapytania bezpośrednio z żądaniem Deepgram /listen, dlatego można użyć dowolnej nazwy parametru obsługiwanej przez Deepgram (na przykład detect_language, punctuate, smart_format):
Ze wskazówką dotyczącą języka
{ tools: { media: { audio: { enabled: true, models: [{ provider: "deepgram", model: "nova-3", language: "en" }], }, }, },}Z opcjami Deepgram
{ tools: { media: { audio: { enabled: true, providerOptions: { deepgram: { detect_language: true, punctuate: true, smart_format: true, }, }, models: [{ provider: "deepgram", model: "nova-3" }], }, }, },}Strumieniowe rozpoznawanie mowy w połączeniach głosowych
Dołączony Plugin deepgram rejestruje również dostawcę transkrypcji w czasie rzeczywistym dla Pluginu połączeń głosowych.
| Ustawienie | Ścieżka konfiguracji | Wartość domyślna |
|---|---|---|
| Klucz API | plugins.entries.voice-call.config.streaming.providers.deepgram.apiKey |
Używa zastępczo DEEPGRAM_API_KEY |
| Model | ...deepgram.model |
nova-3 |
| Język | ...deepgram.language |
(nie ustawiono) |
| Kodowanie | ...deepgram.encoding |
mulaw |
| Częstotliwość próbkowania | ...deepgram.sampleRate |
8000 |
| Wykrywanie końca wypowiedzi | ...deepgram.endpointingMs |
800 |
| Wyniki pośrednie | ...deepgram.interimResults |
true |
{ plugins: { entries: { "voice-call": { config: { streaming: { enabled: true, provider: "deepgram", providers: { deepgram: { apiKey: "${DEEPGRAM_API_KEY}", model: "nova-3", endpointingMs: 800, language: "en-US", }, }, }, }, }, }, },}Uwagi
Uwierzytelnianie
Uwierzytelnianie odbywa się zgodnie ze standardową kolejnością uwierzytelniania dostawców. DEEPGRAM_API_KEY to najprostsze rozwiązanie.
Serwer proxy i niestandardowe punkty końcowe
Podczas korzystania z serwera proxy zastąp punkty końcowe lub nagłówki za pomocą tools.media.audio.baseUrl i tools.media.audio.headers.
Sposób generowania danych wyjściowych
Dane wyjściowe podlegają tym samym regułom obsługi audio co u innych dostawców (limity rozmiaru, limity czasu, wstawianie transkrypcji).
Powiązane materiały
Omówienie potoku przetwarzania dźwięku, obrazów i wideo.
Pełna dokumentacja konfiguracji, w tym ustawień narzędzi multimedialnych.
Typowe problemy i kroki diagnostyczne.
Często zadawane pytania dotyczące konfiguracji OpenClaw.
