xAI

Wbudowany dostawca wyszukiwania internetowego grok preferuje xAI OAuth, a następnie korzysta awaryjnie z XAI_API_KEY lub klucza wyszukiwania internetowego pluginu:

openclaw models auth login --provider xai --method oauthopenclaw config set tools.web.search.provider grok

Wbudowany plugin xai rejestruje generowanie filmów za pośrednictwem współdzielonego narzędzia video_generate.

• Model domyślny: xai/grok-imagine-video
• Dodatkowy model: xai/grok-imagine-video-1.5
• Tryby klasyczne: tekst na film, obraz na film, generowanie na podstawie obrazu referencyjnego, zdalna edycja filmu i zdalne rozszerzanie filmu
• Tryb Video 1.5: tylko obraz na film, z dokładnie jednym obrazem pierwszej klatki
• Proporcje obrazu: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3; po pominięciu tej wartości klasyczne generowanie obrazu na film i generowanie obrazu na film w Video 1.5 dziedziczą proporcje obrazu źródłowego
• Rozdzielczości: klasyczne 480P/720P; Video 1.5 obsługuje również 1080P; wszystkie tryby generowania domyślnie używają 480P
• Czas trwania: 1–15 sekund w przypadku generowania/obrazu na film, 1–10 sekund przy używaniu klasycznych ról reference_image, 2–10 sekund w przypadku klasycznego rozszerzania
• Generowanie na podstawie obrazów referencyjnych: ustaw imageRoles na reference_image dla każdego dostarczonego obrazu; xAI akceptuje maksymalnie 7 takich obrazów
• Edycja/rozszerzanie filmu dziedziczy proporcje obrazu i rozdzielczość filmu wejściowego; te operacje nie przyjmują nadpisań geometrii
• Domyślny limit czasu operacji: 600 sekund, chyba że ustawiono video_generate.timeoutMs lub agents.defaults.videoGenerationModel.timeoutMs

Video 1.5 rozpoznaje również identyfikatory xAI grok-imagine-video-1.5-preview i grok-imagine-video-1.5-2026-05-30. OpenClaw przekazuje wybrany identyfikator bez zmian, ale stosuje tę samą walidację dopuszczającą wyłącznie obrazy.

Aby używać xAI jako domyślnego dostawcy filmów:

{  agents: {    defaults: {      videoGenerationModel: {        primary: "xai/grok-imagine-video",      },    },  },}

Wbudowany plugin xai rejestruje generowanie obrazów za pośrednictwem współdzielonego narzędzia image_generate.

• Domyślny model obrazów: xai/grok-imagine-image
• Dodatkowy model: xai/grok-imagine-image-quality
• Tryby: tekst na obraz oraz edycja obrazu referencyjnego
• Dane referencyjne: jeden image lub maksymalnie trzy images
• Proporcje obrazu: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 2:1, 1:2, 19.5:9, 9:19.5, 20:9, 9:20
• Rozdzielczości: 1K, 2K
• Liczba: maksymalnie 4 obrazy
• Domyślny limit czasu operacji: 600 sekund, chyba że ustawiono image_generate.timeoutMs lub agents.defaults.imageGenerationModel.timeoutMs

OpenClaw żąda od xAI odpowiedzi obrazowych b64_json, aby wygenerowane multimedia mogły być przechowywane i dostarczane standardową ścieżką załączników kanału. Lokalne obrazy referencyjne są konwertowane na adresy URL danych; zdalne odwołania http(s) są przekazywane bez zmian.

Aby używać xAI jako domyślnego dostawcy obrazów:

{  agents: {    defaults: {      imageGenerationModel: {        primary: "xai/grok-imagine-image",      },    },  },}

Wbudowany plugin xai rejestruje syntezę mowy za pośrednictwem współdzielonego interfejsu dostawcy tts.

• Głosy: uwierzytelniony katalog na żywo z xAI; wyświetl go za pomocą openclaw infer tts voices --provider xai
• Zapasowe głosy offline: ara, eve, leo, rex, sal
• Domyślny głos: eve
• Identyfikatory niestandardowych głosów konta są przekazywane nawet wtedy, gdy nie występują w odpowiedzi wbudowanego katalogu
• Formaty: mp3, wav, pcm, mulaw, alaw
• Język: kod BCP-47 lub auto
• Szybkość: natywne dla dostawcy nadpisanie szybkości
• Natywny format wiadomości głosowych Opus nie jest obsługiwany

Aby używać xAI jako domyślnego dostawcy TTS:

{  messages: {    tts: {      provider: "xai",      providers: {        xai: {          voiceId: "eve",        },      },    },  },}

Wbudowany plugin xai rejestruje wsadowe rozpoznawanie mowy za pośrednictwem interfejsu transkrypcji analizy multimediów OpenClaw.

• Punkt końcowy: REST xAI /v1/stt
• Ścieżka wejściowa: przesyłanie pliku dźwiękowego jako multipart
• Wybór modelu: xAI wybiera model transkrypcji wewnętrznie; punkt końcowy nie ma selektora modelu
• Używane wszędzie tam, gdzie transkrypcja przychodzącego dźwięku odczytuje tools.media.audio, w tym dla segmentów kanałów głosowych Discord i załączników dźwiękowych kanałów

Aby wymusić użycie xAI do transkrypcji przychodzącego dźwięku:

{  tools: {    media: {      audio: {        models: [          {            type: "provider",            provider: "xai",          },        ],      },    },  },}

Język można podać we współdzielonej konfiguracji multimediów dźwiękowych lub w żądaniu transkrypcji dla konkretnego wywołania. Współdzielony interfejs OpenClaw przyjmuje wskazówki w prompcie, ale integracja REST STT z xAI przekazuje wyłącznie plik i język, ponieważ tylko one odpowiadają bieżącemu publicznemu punktowi końcowemu xAI.

Wbudowany plugin xai rejestruje również dostawcę transkrypcji w czasie rzeczywistym dla dźwięku z połączeń głosowych na żywo.

• Punkt końcowy: WebSocket xAI wss://api.x.ai/v1/stt
• Domyślne kodowanie: mulaw
• Domyślna częstotliwość próbkowania: 8000
• Domyślne wykrywanie końca wypowiedzi: 800ms
• Transkrypcje częściowe: domyślnie włączone

Strumień multimediów Twilio funkcji Voice Call wysyła ramki dźwięku G.711 mu-law, dlatego dostawca xAI przekazuje te ramki bezpośrednio, bez transkodowania:

{  plugins: {    entries: {      "voice-call": {        config: {          streaming: {            enabled: true,            provider: "xai",            providers: {              xai: {                apiKey: "${XAI_API_KEY}",                endpointingMs: 800,                language: "en",              },            },          },        },      },    },  },}

Konfiguracja należąca do dostawcy znajduje się w plugins.entries.voice-call.config.streaming.providers.xai. Obsługiwane klucze to apiKey, baseUrl, sampleRate, encoding (pcm, mulaw lub alaw), interimResults, endpointingMs oraz language.

Wbudowany plugin xAI udostępnia x_search jako narzędzie OpenClaw do wyszukiwania treści w X (dawniej Twitter) za pośrednictwem Grok.

Ścieżka konfiguracji: plugins.entries.xai.config.xSearch

{  plugins: {    entries: {      xai: {        config: {          xSearch: {            enabled: true,            model: "grok-4.3",            baseUrl: "https://api.x.ai/v1",            inlineCitations: true,          },        },      },    },  },}

Wbudowany plugin xAI udostępnia code_execution jako narzędzie OpenClaw do zdalnego wykonywania kodu w środowisku piaskownicy xAI.

Ścieżka konfiguracji: plugins.entries.xai.config.codeExecution

{  plugins: {    entries: {      xai: {        config: {          codeExecution: {            enabled: true,            model: "grok-4.3",          },        },      },    },  },}

• Uwierzytelnianie xAI może korzystać z klucza API, zmiennej środowiskowej, zapasowej konfiguracji pluginu lub OAuth z kwalifikującym się kontem xAI. OAuth korzysta z weryfikacji kodem urządzenia bez wywołania zwrotnego do localhost. xAI decyduje, które konta mogą otrzymywać tokeny API OAuth, a strona zgody może wyświetlać Grok Build, mimo że OpenClaw nie wymaga aplikacji Grok Build.
• OpenClaw obecnie nie udostępnia rodziny modeli wieloagentowych xAI. xAI obsługuje te modele przez interfejs Responses API, ale nie przyjmują one narzędzi klienckich ani niestandardowych używanych przez współdzieloną pętlę agentów OpenClaw. Zobacz ograniczenia modeli wieloagentowych xAI.
• Głos xAI Realtime nie jest jeszcze zarejestrowany jako dostawca OpenClaw. Wymaga innego kontraktu dwukierunkowej sesji głosowej niż wsadowe STT lub transkrypcja strumieniowa.
• Parametr quality obrazów xAI, mask obrazu oraz natywna proporcja obrazu auto nie są udostępniane, dopóki współdzielone narzędzie image_generate nie otrzyma odpowiednich ustawień między dostawcami.

• OpenClaw automatycznie stosuje poprawki zgodności schematu narzędzi i wywołań narzędzi specyficzne dla xAI we współdzielonej ścieżce uruchamiającej.
• Natywne żądania xAI domyślnie ustawiają tool_stream: true. Ustaw agents.defaults.models["xai/<model>"].params.tool_stream na false, aby to wyłączyć.
• Wbudowana warstwa xAI usuwa nieobsługiwane ograniczenia liczby elementów contains w schemacie oraz nieobsługiwane klucze ładunku poziomu rozumowania przed wysłaniem natywnych żądań xAI. Grok 4.5 obsługuje niski, średni i wysoki poziom (domyślnie wysoki). Grok 4.3 obsługuje brak, niski, średni i wysoki poziom (domyślnie niski). Inne modele xAI zdolne do rozumowania nie udostępniają konfigurowalnego sterowania poziomem, ale nadal żądają include: ["reasoning.encrypted_content"], aby wcześniejsze zaszyfrowane rozumowanie mogło zostać ponownie użyte w kolejnych turach.
• web_search, x_search i code_execution są udostępniane jako narzędzia OpenClaw. OpenClaw dołącza do żądania każdego narzędzia wyłącznie konkretną wbudowaną funkcję xAI, której ono potrzebuje, zamiast dołączać wszystkie natywne narzędzia do każdej tury czatu.
• web_search Grok odczytuje plugins.entries.xai.config.webSearch.baseUrl. x_search odczytuje plugins.entries.xai.config.xSearch.baseUrl, a następnie używa zapasowo bazowego adresu URL wyszukiwania internetowego Grok.
• x_search i code_execution należą do wbudowanego pluginu xAI, zamiast być zakodowane na stałe w podstawowym środowisku wykonawczym modelu.
• code_execution to zdalne wykonywanie w piaskownicy xAI, a nie lokalne exec.