Providers
ElevenLabs
O OpenClaw usa o ElevenLabs para conversão de texto em fala, conversão de fala em texto em lote com o Scribe
v2 e STT por streaming com o Scribe v2 Realtime. O plugin vem incluído e
habilitado por padrão; nenhuma etapa plugins install é necessária.
| Recurso | Superfície do OpenClaw | Padrão |
|---|---|---|
| Conversão de texto em fala | messages.tts / talk |
eleven_multilingual_v2 |
| Conversão de fala em texto em lote | tools.media.audio |
scribe_v2 |
| Conversão de fala em texto por streaming | Streaming de chamadas de voz ou realtime.transcriptionProvider do Google Meet |
scribe_v2_realtime |
Autenticação
Defina ELEVENLABS_API_KEY no ambiente. XI_API_KEY também é aceita para
compatibilidade com as ferramentas existentes do ElevenLabs.
export ELEVENLABS_API_KEY="..."Conversão de texto em fala
{ messages: { tts: { providers: { elevenlabs: { apiKey: "${ELEVENLABS_API_KEY}", voiceId: "pMsXgVXv3BLzUgSXRplE", modelId: "eleven_multilingual_v2", }, }, }, },}Defina modelId como eleven_v3 para usar a TTS v3 do ElevenLabs. O OpenClaw mantém
eleven_multilingual_v2 como padrão para instalações existentes.
Os canais de voz do Discord usam o endpoint de TTS por streaming do ElevenLabs quando o ElevenLabs
é o provedor voice.tts/messages.tts selecionado: a reprodução começa a partir do
fluxo de áudio retornado, em vez de esperar que o OpenClaw baixe primeiro todo o
arquivo de áudio. latencyTier corresponde ao parâmetro de consulta optimize_streaming_latency
do ElevenLabs para os modelos que o aceitam; o OpenClaw omite esse parâmetro para
eleven_v3, que o rejeita.
Conversão de fala em texto
Use o Scribe v2 para anexos de áudio recebidos e segmentos curtos de voz gravados:
{ tools: { media: { audio: { enabled: true, models: [{ provider: "elevenlabs", model: "scribe_v2" }], }, }, },}O OpenClaw envia o áudio multipartes para /v1/speech-to-text do ElevenLabs com
model_id: "scribe_v2". Quando presentes, as indicações de idioma correspondem a language_code.
STT por streaming
O plugin elevenlabs incluído registra o Scribe v2 Realtime para a transcrição por streaming
de chamadas de voz e do modo agente do Google Meet.
| Configuração | Caminho de configuração | Padrão |
|---|---|---|
| Chave de API | plugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKey |
Usa ELEVENLABS_API_KEY / XI_API_KEY como alternativa |
| Modelo | ...elevenlabs.modelId |
scribe_v2_realtime |
| Formato de áudio | ...elevenlabs.audioFormat |
ulaw_8000 |
| Taxa de amostragem | ...elevenlabs.sampleRate |
8000 |
| Estratégia de confirmação | ...elevenlabs.commitStrategy |
vad |
| Idioma | ...elevenlabs.languageCode |
(não definido) |
{ plugins: { entries: { "voice-call": { config: { streaming: { enabled: true, provider: "elevenlabs", providers: { elevenlabs: { apiKey: "${ELEVENLABS_API_KEY}", audioFormat: "ulaw_8000", commitStrategy: "vad", languageCode: "en", }, }, }, }, }, }, },}Para o modo agente do Google Meet, defina
plugins.entries.google-meet.config.realtime.transcriptionProvider como
"elevenlabs" e configure o mesmo bloco de provedor em
plugins.entries.google-meet.config.realtime.providers.elevenlabs.
