Providers

Azure Speech

Azure Speech — це вбудований провайдер синтезу мовлення Azure AI Speech. OpenClaw викликає REST API Azure Speech безпосередньо з SSML, синтезуючи MP3 для стандартних відповідей, нативний Ogg/Opus для голосових повідомлень і mulaw із частотою 8 кГц для телефонних каналів, як-от Voice Call. У запиті формат виведення, визначений провайдером, передається через заголовок X-Microsoft-OutputFormat.

Відомості	Значення
Ідентифікатор провайдера	`azure-speech` (псевдонім: `azure`)
Вебсайт	Azure AI Speech
Документація	REST API Speech для синтезу мовлення
Автентифікація	`AZURE_SPEECH_KEY` разом із `AZURE_SPEECH_REGION`
Голос за замовчуванням	`en-US-JennyNeural`
Формат файлу за замовчуванням	`audio-24khz-48kbitrate-mono-mp3`
Формат файлу голосового повідомлення за замовчуванням	`ogg-24khz-16bit-mono-opus`

Початок роботи

Створіть ресурс Azure Speech

На порталі Azure створіть ресурс Speech. Скопіюйте KEY 1 із розділу Resource Management > Keys and Endpoint, а також скопіюйте розташування ресурсу, наприклад eastus.

Code

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

Виберіть Azure Speech у messages.tts

json5

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

Надішліть повідомлення

Надішліть відповідь через будь-який підключений канал. OpenClaw синтезує аудіо за допомогою Azure Speech і передає MP3 для стандартного аудіо або Ogg/Opus, коли канал очікує голосове повідомлення.

Параметри конфігурації

Усі параметри розташовані в messages.tts.providers["azure-speech"].

Параметр	Опис
`apiKey`	Ключ ресурсу Azure Speech. Резервно використовує `AZURE_SPEECH_KEY`, `AZURE_SPEECH_API_KEY` або `SPEECH_KEY`.
`region`	Регіон ресурсу Azure Speech. Резервно використовує `AZURE_SPEECH_REGION` або `SPEECH_REGION`.
`endpoint`	Необов’язкове перевизначення кінцевої точки Azure Speech. Резервно використовує `AZURE_SPEECH_ENDPOINT`.
`baseUrl`	Необов’язкове перевизначення базової URL-адреси Azure Speech.
`voice`	Значення ShortName голосу Azure (за замовчуванням `en-US-JennyNeural`). Застарілий псевдонім: `voiceId`.
`lang`	Код мови SSML (за замовчуванням `en-US`).
`outputFormat`	Формат вихідного аудіофайлу (за замовчуванням `audio-24khz-48kbitrate-mono-mp3`).
`voiceNoteOutputFormat`	Формат вихідного голосового повідомлення (за замовчуванням `ogg-24khz-16bit-mono-opus`).
`timeoutMs`	Перевизначення часу очікування запиту в мілісекундах. Резервно використовує глобальне значення `messages.tts.timeoutMs`.

Провайдер вважається налаштованим, коли встановлено apiKey і один із параметрів: region, endpoint або baseUrl. Змінні середовища перевіряються лише як резервний варіант для невстановлених ключів конфігурації.

Примітки

Автентифікація

Azure Speech використовує ключ ресурсу Speech, а не ключ Azure OpenAI. Ключ надсилається як Ocp-Apim-Subscription-Key; OpenClaw формує https://<region>.tts.speech.microsoft.com із region, якщо ви не вказали endpoint або baseUrl.

Назви голосів

Використовуйте значення ShortName голосу Azure Speech, наприклад en-US-JennyNeural. Вбудований провайдер може отримувати список голосів через той самий ресурс Speech і відфільтровує голоси, позначені як застарілі, вилучені або вимкнені.

Формати аудіо

Azure приймає такі формати виведення, як audio-24khz-48kbitrate-mono-mp3, ogg-24khz-16bit-mono-opus і riff-24khz-16bit-mono-pcm. OpenClaw запитує Ogg/Opus для цільових об’єктів voice-note, щоб канали могли надсилати нативні голосові повідомлення без додаткового перетворення MP3, і примусово використовує raw-8khz-8bit-mono-mulaw для телефонних цільових об’єктів.

Псевдонім

azure приймається як псевдонім провайдера для наявної конфігурації, але в новій конфігурації слід використовувати azure-speech, щоб уникнути плутанини з провайдерами моделей Azure OpenAI.