Providers

Fala do Azure

O Azure Speech é um provedor integrado de conversão de texto em fala do Azure AI Speech. O OpenClaw chama diretamente a API REST do Azure Speech com SSML, sintetizando MP3 para respostas padrão, Ogg/Opus nativo para mensagens de voz e mulaw de 8 kHz para canais de telefonia, como chamadas de voz. A solicitação envia o formato de saída definido pelo provedor por meio do cabeçalho X-Microsoft-OutputFormat.

Detalhe	Valor
ID do provedor	`azure-speech` (alias: `azure`)
Site	Azure AI Speech
Documentação	Conversão de texto em fala pela API REST do Speech
Autenticação	`AZURE_SPEECH_KEY` mais `AZURE_SPEECH_REGION`
Voz padrão	`en-US-JennyNeural`
Saída de arquivo padrão	`audio-24khz-48kbitrate-mono-mp3`
Arquivo padrão de mensagem de voz	`ogg-24khz-16bit-mono-opus`

Primeiros passos

Crie um recurso do Azure Speech

No portal do Azure, crie um recurso do Speech. Copie KEY 1 de Resource Management > Keys and Endpoint e copie a localização do recurso, como eastus.

Code

AZURE_SPEECH_KEY=<speech-resource-key>AZURE_SPEECH_REGION=eastus

Selecione o Azure Speech em messages.tts

json5

{  messages: {    tts: {      auto: "always",      provider: "azure-speech",      providers: {        "azure-speech": {          voice: "en-US-JennyNeural",          lang: "en-US",        },      },    },  },}

Envie uma mensagem

Envie uma resposta por qualquer canal conectado. O OpenClaw sintetiza o áudio com o Azure Speech e entrega MP3 para áudio padrão ou Ogg/Opus quando o canal espera uma mensagem de voz.

Opções de configuração

Todas as opções ficam em messages.tts.providers["azure-speech"].

Opção	Descrição
`apiKey`	Chave do recurso do Azure Speech. Usa como alternativa `AZURE_SPEECH_KEY`, `AZURE_SPEECH_API_KEY` ou `SPEECH_KEY`.
`region`	Região do recurso do Azure Speech. Usa como alternativa `AZURE_SPEECH_REGION` ou `SPEECH_REGION`.
`endpoint`	Substituição opcional do endpoint do Azure Speech. Usa como alternativa `AZURE_SPEECH_ENDPOINT`.
`baseUrl`	Substituição opcional da URL base do Azure Speech.
`voice`	`ShortName` da voz do Azure (padrão: `en-US-JennyNeural`). Alias legado: `voiceId`.
`lang`	Código de idioma SSML (padrão: `en-US`).
`outputFormat`	Formato de saída do arquivo de áudio (padrão: `audio-24khz-48kbitrate-mono-mp3`).
`voiceNoteOutputFormat`	Formato de saída da mensagem de voz (padrão: `ogg-24khz-16bit-mono-opus`).
`timeoutMs`	Substituição do tempo limite da solicitação em milissegundos. Usa como alternativa o `messages.tts.timeoutMs` global.

O provedor é considerado configurado quando apiKey está definido junto com region, endpoint ou baseUrl. As variáveis de ambiente são verificadas apenas como alternativa para chaves de configuração que não foram definidas.

Observações

Autenticação

O Azure Speech usa uma chave de recurso do Speech, não uma chave do Azure OpenAI. A chave é enviada como Ocp-Apim-Subscription-Key; o OpenClaw deriva https://<region>.tts.speech.microsoft.com de region, a menos que você forneça endpoint ou baseUrl.

Nomes das vozes

Use o valor ShortName da voz do Azure Speech, por exemplo, en-US-JennyNeural. O provedor integrado pode listar vozes por meio do mesmo recurso do Speech e filtra as vozes marcadas como obsoletas, descontinuadas ou desabilitadas.

Saídas de áudio

O Azure aceita formatos de saída como audio-24khz-48kbitrate-mono-mp3, ogg-24khz-16bit-mono-opus e riff-24khz-16bit-mono-pcm. O OpenClaw solicita Ogg/Opus para destinos voice-note, para que os canais possam enviar balões de voz nativos sem uma conversão adicional para MP3, e força raw-8khz-8bit-mono-mulaw para destinos de telefonia.

Alias

azure é aceito como alias do provedor para configurações existentes, mas novas configurações devem usar azure-speech para evitar confusão com os provedores de modelos do Azure OpenAI.