Providers

Azure Speech

Azure Speech là nhà cung cấp chuyển văn bản thành giọng nói Azure AI Speech được tích hợp sẵn. OpenClaw gọi trực tiếp API REST Azure Speech bằng SSML, tổng hợp MP3 cho các phản hồi tiêu chuẩn, Ogg/Opus gốc cho tin nhắn thoại và mulaw 8 kHz cho các kênh điện thoại như Voice Call. Yêu cầu gửi định dạng đầu ra do nhà cung cấp sở hữu thông qua tiêu đề X-Microsoft-OutputFormat.

Chi tiết	Giá trị
ID nhà cung cấp	`azure-speech` (bí danh: `azure`)
Trang web	Azure AI Speech
Tài liệu	Chuyển văn bản thành giọng nói qua Speech REST
Xác thực	`AZURE_SPEECH_KEY` cùng với `AZURE_SPEECH_REGION`
Giọng nói mặc định	`en-US-JennyNeural`
Đầu ra tệp mặc định	`audio-24khz-48kbitrate-mono-mp3`
Tệp tin nhắn thoại mặc định	`ogg-24khz-16bit-mono-opus`

Bắt đầu

Tạo tài nguyên Azure Speech

Trong cổng thông tin Azure, hãy tạo một tài nguyên Speech. Sao chép KEY 1 từ Resource Management > Keys and Endpoint, rồi sao chép vị trí tài nguyên, chẳng hạn như eastus.

Code

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

Chọn Azure Speech trong messages.tts

json5

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

Gửi tin nhắn

Gửi phản hồi qua bất kỳ kênh nào đã kết nối. OpenClaw tổng hợp âm thanh bằng Azure Speech và gửi MP3 cho âm thanh tiêu chuẩn hoặc Ogg/Opus khi kênh yêu cầu tin nhắn thoại.

Các tùy chọn cấu hình

Tất cả tùy chọn nằm trong messages.tts.providers["azure-speech"].

Tùy chọn	Mô tả
`apiKey`	Khóa tài nguyên Azure Speech. Dự phòng dùng `AZURE_SPEECH_KEY`, `AZURE_SPEECH_API_KEY` hoặc `SPEECH_KEY`.
`region`	Khu vực tài nguyên Azure Speech. Dự phòng dùng `AZURE_SPEECH_REGION` hoặc `SPEECH_REGION`.
`endpoint`	Tùy chọn ghi đè điểm cuối Azure Speech. Dự phòng dùng `AZURE_SPEECH_ENDPOINT`.
`baseUrl`	Tùy chọn ghi đè URL cơ sở Azure Speech.
`voice`	ShortName của giọng nói Azure (mặc định `en-US-JennyNeural`). Bí danh cũ: `voiceId`.
`lang`	Mã ngôn ngữ SSML (mặc định `en-US`).
`outputFormat`	Định dạng đầu ra tệp âm thanh (mặc định `audio-24khz-48kbitrate-mono-mp3`).
`voiceNoteOutputFormat`	Định dạng đầu ra tin nhắn thoại (mặc định `ogg-24khz-16bit-mono-opus`).
`timeoutMs`	Tùy chọn ghi đè thời gian chờ yêu cầu tính bằng mili giây. Dự phòng dùng `messages.tts.timeoutMs` toàn cục.

Nhà cung cấp được xem là đã cấu hình khi apiKey được đặt cùng với một trong các giá trị region, endpoint hoặc baseUrl. Các biến môi trường chỉ được kiểm tra làm phương án dự phòng cho các khóa cấu hình chưa được đặt.

Ghi chú

Xác thực

Azure Speech sử dụng khóa tài nguyên Speech, không phải khóa Azure OpenAI. Khóa này được gửi dưới dạng Ocp-Apim-Subscription-Key; OpenClaw tạo https://<region>.tts.speech.microsoft.com từ region, trừ khi bạn cung cấp endpoint hoặc baseUrl.

Tên giọng nói

Sử dụng giá trị ShortName của giọng nói Azure Speech, ví dụ en-US-JennyNeural. Nhà cung cấp được tích hợp sẵn có thể liệt kê các giọng nói thông qua cùng tài nguyên Speech và lọc bỏ các giọng nói được đánh dấu là không còn được khuyến nghị, đã ngừng cung cấp hoặc bị vô hiệu hóa.

Đầu ra âm thanh

Azure chấp nhận các định dạng đầu ra như audio-24khz-48kbitrate-mono-mp3, ogg-24khz-16bit-mono-opus và riff-24khz-16bit-mono-pcm. OpenClaw yêu cầu Ogg/Opus cho các đích voice-note để các kênh có thể gửi bong bóng thoại gốc mà không cần chuyển đổi thêm sang MP3, đồng thời bắt buộc dùng raw-8khz-8bit-mono-mulaw cho các đích điện thoại.

Bí danh

azure được chấp nhận làm bí danh nhà cung cấp cho cấu hình hiện có, nhưng cấu hình mới nên sử dụng azure-speech để tránh nhầm lẫn với các nhà cung cấp mô hình Azure OpenAI.