Deepgram

Deepgram คือ API แปลงเสียงเป็นข้อความ OpenClaw ใช้ API นี้เพื่อถอดเสียงไฟล์เสียง/ข้อความเสียงขาเข้าผ่าน tools.media.audio และใช้สำหรับ STT แบบสตรีมของ Voice Call ผ่าน plugins.entries.voice-call.config.streaming

การถอดเสียงแบบแบตช์จะอัปโหลดไฟล์เสียงทั้งหมดไปยัง Deepgram และแทรกข้อความถอดเสียงลงในกระบวนการตอบกลับ (บล็อก {{Transcript}} + [Audio]) ส่วนการสตรีมของ Voice Call จะส่งต่อเฟรม G.711 u-law แบบสดผ่านปลายทาง WebSocket listen ของ Deepgram และส่งข้อความถอดเสียงบางส่วน/ฉบับสมบูรณ์ออกมาเมื่อ Deepgram ส่งกลับ

เริ่มต้นใช้งาน

DEEPGRAM_API_KEY=dg_...

{  tools: {    media: {      audio: {        enabled: true,        models: [{ provider: "deepgram", model: "nova-3" }],      },    },  },}

ตัวเลือกการกำหนดค่า

providerOptions.deepgram จะผสานพารามิเตอร์คำขอเพิ่มเติมเข้ากับคำขอ /listen ของ Deepgram โดยตรง ดังนั้นจึงใช้ชื่อพารามิเตอร์ใด ๆ ที่ Deepgram รองรับได้ (ตัวอย่างเช่น detect_language, punctuate, smart_format):

{  tools: {    media: {      audio: {        enabled: true,        models: [{ provider: "deepgram", model: "nova-3", language: "en" }],      },    },  },}

{  tools: {    media: {      audio: {        enabled: true,        providerOptions: {          deepgram: {            detect_language: true,            punctuate: true,            smart_format: true,          },        },        models: [{ provider: "deepgram", model: "nova-3" }],      },    },  },}

STT แบบสตรีมของ Voice Call

Plugin deepgram ที่รวมมาให้ยังลงทะเบียนผู้ให้บริการถอดเสียงแบบเรียลไทม์สำหรับ Plugin Voice Call ด้วย

{  plugins: {    entries: {      "voice-call": {        config: {          streaming: {            enabled: true,            provider: "deepgram",            providers: {              deepgram: {                apiKey: "${DEEPGRAM_API_KEY}",                model: "nova-3",                endpointingMs: 800,                language: "en-US",              },            },          },        },      },    },  },}

หมายเหตุ

ที่เกี่ยวข้อง