Providers
ElevenLabs
OpenClaw використовує ElevenLabs для синтезу мовлення з тексту, пакетного розпізнавання мовлення за допомогою Scribe
v2 і потокового розпізнавання мовлення за допомогою Scribe v2 Realtime. Plugin постачається в комплекті та
ввімкнений за замовчуванням; крок plugins install не потрібен.
| Можливість | Поверхня OpenClaw | Значення за замовчуванням |
|---|---|---|
| Синтез мовлення з тексту | messages.tts / talk |
eleven_multilingual_v2 |
| Пакетне розпізнавання мовлення | tools.media.audio |
scribe_v2 |
| Потокове розпізнавання мовлення | Потокова передача Voice Call або realtime.transcriptionProvider у Google Meet |
scribe_v2_realtime |
Автентифікація
Установіть ELEVENLABS_API_KEY у середовищі. XI_API_KEY також підтримується для
сумісності з наявними інструментами ElevenLabs.
export ELEVENLABS_API_KEY="..."Синтез мовлення з тексту
{ messages: { tts: { providers: { elevenlabs: { apiKey: "${ELEVENLABS_API_KEY}", voiceId: "pMsXgVXv3BLzUgSXRplE", modelId: "eleven_multilingual_v2", }, }, }, },}Установіть для modelId значення eleven_v3, щоб використовувати синтез мовлення ElevenLabs v3. OpenClaw зберігає
eleven_multilingual_v2 як значення за замовчуванням для наявних інсталяцій.
Голосові канали Discord використовують потокову кінцеву точку синтезу мовлення ElevenLabs, коли ElevenLabs
вибрано як постачальника voice.tts/messages.tts: відтворення починається з
отриманого аудіопотоку, не очікуючи, поки OpenClaw спочатку завантажить увесь
аудіофайл. latencyTier зіставляється з параметром запиту ElevenLabs optimize_streaming_latency
для моделей, які його підтримують; OpenClaw не передає цей параметр для
eleven_v3, оскільки ця модель його відхиляє.
Розпізнавання мовлення
Використовуйте Scribe v2 для вхідних аудіовкладень і коротких записаних голосових фрагментів:
{ tools: { media: { audio: { enabled: true, models: [{ provider: "elevenlabs", model: "scribe_v2" }], }, }, },}OpenClaw надсилає багатокомпонентні аудіодані до кінцевої точки ElevenLabs /v1/speech-to-text із
model_id: "scribe_v2". Підказки щодо мови, якщо вони наявні, зіставляються з language_code.
Потокове розпізнавання мовлення
Вбудований Plugin elevenlabs реєструє Scribe v2 Realtime для потокового розпізнавання мовлення
у Voice Call і режимі агента Google Meet.
| Параметр | Шлях конфігурації | Значення за замовчуванням |
|---|---|---|
| Ключ API | plugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKey |
Використовує резервно ELEVENLABS_API_KEY / XI_API_KEY |
| Модель | ...elevenlabs.modelId |
scribe_v2_realtime |
| Формат аудіо | ...elevenlabs.audioFormat |
ulaw_8000 |
| Частота дискретизації | ...elevenlabs.sampleRate |
8000 |
| Стратегія фіксації | ...elevenlabs.commitStrategy |
vad |
| Мова | ...elevenlabs.languageCode |
(не задано) |
{ plugins: { entries: { "voice-call": { config: { streaming: { enabled: true, provider: "elevenlabs", providers: { elevenlabs: { apiKey: "${ELEVENLABS_API_KEY}", audioFormat: "ulaw_8000", commitStrategy: "vad", languageCode: "en", }, }, }, }, }, }, },}Для режиму агента Google Meet установіть
plugins.entries.google-meet.config.realtime.transcriptionProvider у значення
"elevenlabs" і налаштуйте такий самий блок постачальника в
plugins.entries.google-meet.config.realtime.providers.elevenlabs.
