Providers

Речь Azure

Azure Speech — это встроенный провайдер преобразования текста в речь на базе Azure AI Speech. OpenClaw напрямую вызывает REST API Azure Speech с использованием SSML, синтезируя MP3 для обычных ответов, нативный Ogg/Opus для голосовых сообщений и mulaw с частотой 8 кГц для телефонных каналов, таких как Voice Call. В запросе принадлежащий провайдеру формат вывода передаётся через заголовок X-Microsoft-OutputFormat.

Сведения	Значение
Идентификатор провайдера	`azure-speech` (псевдоним: `azure`)
Веб-сайт	Azure AI Speech
Документация	REST API Speech для преобразования текста в речь
Аутентификация	`AZURE_SPEECH_KEY` и `AZURE_SPEECH_REGION`
Голос по умолчанию	`en-US-JennyNeural`
Формат файла по умолчанию	`audio-24khz-48kbitrate-mono-mp3`
Формат файла голосового сообщения по умолчанию	`ogg-24khz-16bit-mono-opus`

Начало работы

Создайте ресурс Azure Speech

На портале Azure создайте ресурс Speech. Скопируйте KEY 1 из раздела Resource Management > Keys and Endpoint, а также скопируйте расположение ресурса, например eastus.

Code

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

Выберите Azure Speech в messages.tts

json5

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

Отправьте сообщение

Отправьте ответ через любой подключённый канал. OpenClaw синтезирует аудио с помощью Azure Speech и отправит MP3 для обычного аудио или Ogg/Opus, если канал ожидает голосовое сообщение.

Параметры конфигурации

Все параметры находятся в messages.tts.providers["azure-speech"].

Параметр	Описание
`apiKey`	Ключ ресурса Azure Speech. Если не задан, используются `AZURE_SPEECH_KEY`, `AZURE_SPEECH_API_KEY` или `SPEECH_KEY`.
`region`	Регион ресурса Azure Speech. Если не задан, используется `AZURE_SPEECH_REGION` или `SPEECH_REGION`.
`endpoint`	Необязательное переопределение конечной точки Azure Speech. Если не задано, используется `AZURE_SPEECH_ENDPOINT`.
`baseUrl`	Необязательное переопределение базового URL Azure Speech.
`voice`	ShortName голоса Azure (по умолчанию `en-US-JennyNeural`). Устаревший псевдоним: `voiceId`.
`lang`	Код языка SSML (по умолчанию `en-US`).
`outputFormat`	Формат выходного аудиофайла (по умолчанию `audio-24khz-48kbitrate-mono-mp3`).
`voiceNoteOutputFormat`	Формат вывода голосового сообщения (по умолчанию `ogg-24khz-16bit-mono-opus`).
`timeoutMs`	Переопределение времени ожидания запроса в миллисекундах. Если не задано, используется глобальное значение `messages.tts.timeoutMs`.

Провайдер считается настроенным, когда задан apiKey и один из следующих параметров: region, endpoint или baseUrl. Переменные окружения проверяются только как резервный вариант для незаданных ключей конфигурации.

Примечания

Аутентификация

Azure Speech использует ключ ресурса Speech, а не ключ Azure OpenAI. Ключ передаётся как Ocp-Apim-Subscription-Key; OpenClaw формирует https://<region>.tts.speech.microsoft.com на основе region, если вы не указали endpoint или baseUrl.

Названия голосов

Используйте значение ShortName голоса Azure Speech, например en-US-JennyNeural. Встроенный провайдер может получать список голосов через тот же ресурс Speech и исключает голоса, помеченные как устаревшие, выведенные из эксплуатации или отключённые.

Форматы аудио

Azure принимает такие форматы вывода, как audio-24khz-48kbitrate-mono-mp3, ogg-24khz-16bit-mono-opus и riff-24khz-16bit-mono-pcm. OpenClaw запрашивает Ogg/Opus для целей voice-note, чтобы каналы могли отправлять нативные голосовые сообщения без дополнительного преобразования из MP3, и принудительно использует raw-8khz-8bit-mono-mulaw для телефонных целей.

Псевдоним

azure принимается как псевдоним провайдера в существующей конфигурации, однако в новой конфигурации следует использовать azure-speech, чтобы избежать путаницы с провайдерами моделей Azure OpenAI.