تحويل النص إلى كلام

​

البدء السريع

{
  messages: {
    tts: {
      auto: "always",
      provider: "elevenlabs",
    },
  },
}

​

المزودون المدعومون

​

الإعدادات

{
  messages: {
    tts: {
      auto: "always",
      provider: "azure-speech",
      providers: {
        "azure-speech": {
          apiKey: "${AZURE_SPEECH_KEY}",
          region: "eastus",
          speakerVoice: "en-US-JennyNeural",
          lang: "en-US",
          outputFormat: "audio-24khz-48kbitrate-mono-mp3",
          voiceNoteOutputFormat: "ogg-24khz-16bit-mono-opus",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "elevenlabs",
      providers: {
        elevenlabs: {
          apiKey: "${ELEVENLABS_API_KEY}",
          model: "eleven_multilingual_v2",
          speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "google",
      providers: {
        google: {
          apiKey: "${GEMINI_API_KEY}",
          model: "gemini-3.1-flash-tts-preview",
          speakerVoice: "Kore",
          // مطالبات اختيارية للنمط بلغة طبيعية:
          // audioProfile: "تحدّث بنبرة هادئة تشبه نبرة مقدّم بودكاست.",
          // speakerName: "Alex",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "gradium",
      providers: {
        gradium: {
          apiKey: "${GRADIUM_API_KEY}",
          speakerVoiceId: "YTpq7expH9539ERJ",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "inworld",
      providers: {
        inworld: {
          apiKey: "${INWORLD_API_KEY}",
          modelId: "inworld-tts-1.5-max",
          speakerVoiceId: "Sarah",
          temperature: 0.7,
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "tts-local-cli",
      providers: {
        "tts-local-cli": {
          command: "say",
          args: ["-o", "{{OutputPath}}", "{{Text}}"],
          outputFormat: "wav",
          timeoutMs: 120000,
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "microsoft",
      providers: {
        microsoft: {
          enabled: true,
          speakerVoice: "en-US-MichelleNeural",
          lang: "en-US",
          outputFormat: "audio-24khz-48kbitrate-mono-mp3",
          rate: "+0%",
          pitch: "+0%",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "minimax",
      providers: {
        minimax: {
          apiKey: "${MINIMAX_API_KEY}",
          model: "speech-2.8-hd",
          speakerVoiceId: "English_expressive_narrator",
          speed: 1.0,
          vol: 1.0,
          pitch: 0,
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "openai",
      summaryModel: "openai/gpt-4.1-mini",
      modelOverrides: { enabled: true },
      providers: {
        openai: {
          apiKey: "${OPENAI_API_KEY}",
          model: "gpt-4o-mini-tts",
          speakerVoice: "alloy",
        },
        elevenlabs: {
          apiKey: "${ELEVENLABS_API_KEY}",
          model: "eleven_multilingual_v2",
          speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",
          voiceSettings: { stability: 0.5, similarityBoost: 0.75, style: 0.0, useSpeakerBoost: true, speed: 1.0 },
          applyTextNormalization: "auto",
          languageCode: "en",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "openrouter",
      providers: {
        openrouter: {
          apiKey: "${OPENROUTER_API_KEY}",
          model: "hexgrad/kokoro-82m",
          speakerVoice: "af_alloy",
          responseFormat: "mp3",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "volcengine",
      providers: {
        volcengine: {
          apiKey: "${VOLCENGINE_TTS_API_KEY}",
          resourceId: "seed-tts-1.0",
          speakerVoice: "en_female_anna_mars_bigtts",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "xai",
      providers: {
        xai: {
          apiKey: "${XAI_API_KEY}",
          speakerVoiceId: "eve",
          language: "en",
          responseFormat: "mp3",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "xiaomi",
      providers: {
        xiaomi: {
          apiKey: "${XIAOMI_API_KEY}",
          model: "mimo-v2.5-tts",
          speakerVoice: "mimo_default",
          format: "mp3",
        },
      },
    },
  },
}

​

تجاوزات الصوت الخاصة بكل وكيل

{
  messages: {
    tts: {
      auto: "always",
      provider: "elevenlabs",
      providers: {
        elevenlabs: { apiKey: "${ELEVENLABS_API_KEY}", model: "eleven_multilingual_v2" },
      },
    },
  },
  agents: {
    list: [
      {
        id: "reader",
        tts: {
          providers: {
            elevenlabs: { speakerVoiceId: "EXAVITQu4vr4xnSDxMaL" },
          },
        },
      },
    ],
  },
}

1. messages.tts
2. agents.list[].tts النشط
3. تجاوز القناة، عندما تدعم القناة channels.<channel>.tts
4. تجاوز الحساب، عندما تمرر القناة channels.<channel>.accounts.<id>.tts
5. تفضيلات /tts المحلية لهذا المضيف
6. توجيهات [[tts:...]] المضمّنة عند تمكين تجاوزات النموذج

{
  messages: {
    tts: {
      provider: "openai",
      providers: {
        openai: { apiKey: "${OPENAI_API_KEY}", model: "gpt-4o-mini-tts" },
      },
    },
  },
  channels: {
    feishu: {
      accounts: {
        english: {
          tts: {
            providers: {
              openai: { speakerVoice: "shimmer" },
            },
          },
        },
      },
    },
  },
}

​

الشخصيات

​

شخصية بالحد الأدنى

{
  messages: {
    tts: {
      auto: "always",
      persona: "narrator",
      personas: {
        narrator: {
          label: "الراوي",
          provider: "elevenlabs",
          providers: {
            elevenlabs: {
              speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",
              modelId: "eleven_multilingual_v2",
            },
          },
        },
      },
    },
  },
}

​

شخصية كاملة (مطالبة محايدة تجاه المزود)

{
  messages: {
    tts: {
      auto: "always",
      persona: "alfred",
      personas: {
        alfred: {
          label: "ألفريد",
          description: "راوٍ بريطاني بدور خادم شخصي، جاف الظرف ودافئ.",
          provider: "google",
          fallbackPolicy: "preserve-persona",
          prompt: {
            profile: "خادم شخصي بريطاني لامع. جاف الظرف، ذكي، دافئ، ساحر، معبّر عاطفيًا، وغير نمطي أبدًا.",
            scene: "غرفة دراسة هادئة في وقت متأخر من الليل. سرد قريب من الميكروفون لمشغّل موثوق.",
            sampleContext: "يجيب المتحدث عن طلب تقني خاص بثقة موجزة ودفء جاف.",
            style: "راقٍ، متحفظ، ومرح بخفة.",
            accent: "الإنجليزية البريطانية.",
            pacing: "متأنٍ، مع وقفات درامية قصيرة.",
            constraints: ["لا تقرأ قيم الإعدادات بصوت عالٍ.", "لا تشرح الشخصية."],
          },
          providers: {
            google: {
              model: "gemini-3.1-flash-tts-preview",
              speakerVoice: "Algieba",
              promptTemplate: "audio-profile-v1",
            },
            openai: { model: "gpt-4o-mini-tts", speakerVoice: "cedar" },
            elevenlabs: {
              speakerVoiceId: "voice_id",
              modelId: "eleven_multilingual_v2",
              seed: 42,
              voiceSettings: {
                stability: 0.65,
                similarityBoost: 0.8,
                style: 0.25,
                useSpeakerBoost: true,
                speed: 0.95,
              },
            },
          },
        },
      },
    },
  },
}

​

تحديد الشخصية

1. تفضيل /tts persona <id> المحلي، إذا كان معيّنًا.
2. messages.tts.persona، إذا كان معيّنًا.
3. لا توجد شخصية.

1. التجاوزات المباشرة (CLI وGateway وTalk وتوجيهات TTS المسموح بها).
2. تفضيل /tts provider <id> المحلي.
3. provider الخاص بالشخصية النشطة.
4. messages.tts.provider.
5. الاختيار التلقائي من السجل.

1. messages.tts.providers.<id>
2. messages.tts.personas.<persona>.providers.<id>
3. تجاوزات الطلب الموثوق
4. تجاوزات توجيهات TTS المسموح بها والصادرة عن النموذج

​

كيفية استخدام المزودين لمطالبات الشخصية

​

سياسة الرجوع الاحتياطي

​

التوجيهات المستندة إلى النموذج

تفضل.

[[tts:speakerVoiceId=pMsXgVXv3BLzUgSXRplE model=eleven_v3 speed=1.1]]
[[tts:text]](يضحك) اقرأ الأغنية مرة أخرى.[[/tts:text]]

• provider (معرّف مزود مسجل؛ يتطلب allowProvider: true)
• speakerVoice / speakerVoiceId (الأسماء البديلة القديمة: voice وvoiceName وvoice_name وgoogle_voice وvoiceId)
• model / google_model
• stability وsimilarityBoost وstyle وspeed وuseSpeakerBoost
• vol / volume (مستوى صوت MiniMax، (0, 10])
• pitch (حدة صوت MiniMax الصحيحة، من −12 إلى 12؛ تُحذف الأجزاء الكسرية)
• emotion (وسم المشاعر في Volcengine)
• applyTextNormalization (auto|on|off)
• languageCode (ISO 639-1)
• seed

{ messages: { tts: { modelOverrides: { enabled: false } } } }

{ messages: { tts: { modelOverrides: { enabled: true, allowProvider: true, allowSeed: false } } } }

​

أوامر الشرطة المائلة

/tts off | on | status
/tts chat on | off | default
/tts latest
/tts provider <id>
/tts persona <id> | off
/tts limit <chars>
/tts summary off
/tts audio <text>

• يكتب /tts on تفضيل TTS المحلي إلى always؛ ويكتبه /tts off إلى off.
• يكتب /tts chat on|off|default تجاوزًا لـ TTS التلقائي ضمن نطاق الجلسة للمحادثة الحالية.
• يكتب /tts persona <id> تفضيل الشخصية المحلي؛ ويمسحه /tts persona off.
• يقرأ /tts latest أحدث رد للمساعد من نص الجلسة الحالية ويرسله صوتيًا مرة واحدة. ولا يخزن في إدخال الجلسة سوى تجزئة لذلك الرد لمنع الإرسال الصوتي المكرر.
• ينشئ /tts audio ردًا صوتيًا لمرة واحدة (ولا يفعّل TTS).
• يقبل /tts limit <chars> القيم 100–4096 (4096 هو الحد الأقصى للتسمية التوضيحية/الرسالة في Telegram)؛ وتُرفض القيم خارج هذا النطاق.
• يُخزّن limit وsummary في التفضيلات المحلية، وليس في الإعدادات الرئيسية.
• يتضمن /tts status تشخيصات الرجوع الاحتياطي لأحدث محاولة — Fallback: <primary> -> <used> وAttempts: ... وتفاصيل كل محاولة (provider:outcome(reasonCode) latency).
• يعرض /status وضع TTS النشط، بالإضافة إلى المزود والنموذج والصوت وبيانات تعريف نقطة النهاية المخصصة المنقحة، عند تمكين TTS.

​

تفضيلات كل مستخدم

​

تنسيقات الإخراج

• إعادة ترميز Feishu / WhatsApp: عندما يصل رد ملاحظة صوتية بصيغة MP3/WebM/WAV/M4A أو ملف صوتي آخر محتمل، يعيد Plugin القناة ترميزه إلى Ogg/Opus بتردد 48 kHz باستخدام ffmpeg ‏(libopus، ‏64 kbps) قبل إرسال الرسالة الصوتية الأصلية. يرسل WhatsApp النتيجة عبر حمولة Baileys ‏audio مع ptt: true وaudio/ogg; codecs=opus. عند فشل إعادة الترميز: يلتقط Feishu الخطأ ويعود إلى إرسال الملف الأصلي كمرفق عادي؛ ولا يملك WhatsApp مسارًا احتياطيًا، لذا تفشل عملية الإرسال نفسها بدلًا من نشر حمولة PTT غير متوافقة.
• MiniMax: ‏MP3 (نموذج speech-2.8-hd، ومعدل أخذ عينات 32 kHz) لمرفقات الصوت العادية؛ ويُعاد ترميزه إلى Opus بتردد 48 kHz باستخدام ffmpeg لأهداف الملاحظات الصوتية التي تعلن عنها القناة.
• Xiaomi MiMo: ‏MP3 افتراضيًا، أو WAV عند تكوينه؛ ويُعاد ترميزه إلى Opus بتردد 48 kHz باستخدام ffmpeg لأهداف الملاحظات الصوتية التي تعلن عنها القناة.
• CLI المحلي: يستخدم outputFormat المكوّن. تُحوّل أهداف الملاحظات الصوتية إلى Ogg/Opus، ويُحوّل إخراج الاتصالات الهاتفية إلى PCM خام أحادي القناة بتردد 16 kHz باستخدام ffmpeg.
• Google Gemini: يعيد PCM خامًا بتردد 24 kHz. يغلّفه OpenClaw بصيغة WAV لمرفقات الصوت، ويعيد ترميزه إلى Opus بتردد 48 kHz لأهداف الملاحظات الصوتية، ويعيد PCM مباشرةً للمحادثة/الاتصالات الهاتفية.
• Gradium: ‏WAV لمرفقات الصوت، وOpus لأهداف الملاحظات الصوتية، وulaw_8000 بتردد 8 kHz للاتصالات الهاتفية.
• Inworld: ‏MP3 لمرفقات الصوت العادية، وOGG_OPUS الأصلي لأهداف الملاحظات الصوتية، وPCM الخام بتردد 22050 Hz للمحادثة/الاتصالات الهاتفية.
• xAI: ‏MP3 افتراضيًا؛ وقد يستخدم توليف الملفات الصوتية mp3 أو wav أو pcm أو mulaw أو alaw لكل من الإخراج المخزّن مؤقتًا والمتدفق. تستخدم أهداف الملاحظات الصوتية MP3 للتدفق والمسار الاحتياطي المخزّن مؤقتًا لأن مخرجات xAI ‏pcm وmulaw وalaw هي صوت خام بلا ترويسات. يستخدم التوليف المخزّن مؤقتًا نقطة نهاية REST الدفعية /v1/tts الخاصة بـ xAI؛ ويستخدم textToSpeechStream ‏wss://api.x.ai/v1/tts الأصلي. هذا ليس عقد الصوت في الوقت الفعلي. تنسيق Opus الأصلي للملاحظات الصوتية غير مدعوم.
• Microsoft: يستخدم microsoft.outputFormat (الافتراضي audio-24khz-48kbitrate-mono-mp3).
  • تقبل وسيلة النقل المضمّنة outputFormat، لكن ليست كل التنسيقات متاحة من الخدمة.
  • تتبع قيم تنسيق الإخراج تنسيقات إخراج Microsoft Speech (بما فيها Ogg/WebM Opus).
  • يقبل sendVoice في Telegram صيغ OGG/MP3/M4A؛ استخدم OpenAI/ElevenLabs إذا كنت تحتاج إلى رسائل صوتية مضمونة بصيغة Opus.
  • إذا فشل تنسيق إخراج Microsoft المكوّن، يعيد OpenClaw المحاولة باستخدام MP3.
  • عند عدم تعيين تجاوز صريح للصوت واستخدام الصوت الإنجليزي الافتراضي، يتحوّل OpenClaw تلقائيًا إلى صوت عصبي صيني (zh-CN-XiaoxiaoNeural، والإعداد المحلي zh-CN) إذا كان نص الرد تغلب عليه أحرف CJK.

​

سلوك النطق التلقائي

• يتخطى تحويل النص إلى كلام إذا كان الرد يحتوي بالفعل على وسائط منظّمة.
• يتخطى الردود القصيرة جدًا (أقل من 10 أحرف).
• يلخّص الردود الطويلة عند تمكين الملخصات، باستخدام summaryModel (أو agents.defaults.model.primary).
• يرفق الصوت المُنشأ بالرد.
• في mode: "final"، يظل يرسل تحويل النص إلى كلام صوتيًا فقط للردود النهائية المتدفقة بعد اكتمال تدفق النص؛ وتمر الوسائط المُنشأة بعملية تسوية وسائط القناة نفسها التي تمر بها مرفقات الرد العادية.

• التلخيص مفعّل (افتراضيًا) ويتوفر نموذج تلخيص: يلخّص النص إلى نحو maxLength حرفًا، ثم يولّف الملخص.
• التلخيص معطّل، أو فشل التلخيص، أو لا يتوفر مفتاح API لنموذج التلخيص: يقتطع النص إلى maxLength حرفًا ويولّف النص المقتطع.

الرد -> هل تحويل النص إلى كلام مفعّل؟
  لا  -> إرسال النص
  نعم -> هل توجد وسائط / هل الرد قصير؟
          نعم -> إرسال النص
          لا  -> هل الطول > الحد؟
                   لا  -> تحويل النص إلى كلام -> إرفاق الصوت
                   نعم -> هل التلخيص مفعّل ومتاح؟
                            لا  -> اقتطاع -> تحويل النص إلى كلام -> إرفاق الصوت
                            نعم -> تلخيص -> تحويل النص إلى كلام -> إرفاق الصوت

​

مرجع الحقول

​

أداة الوكيل

​

استدعاء Gateway عن بُعد

​

روابط الخدمات

• دليل OpenAI لتحويل النص إلى كلام
• مرجع واجهة OpenAI Audio API
• تحويل النص إلى كلام عبر Azure Speech REST
• مزوّد Azure Speech
• تحويل النص إلى كلام من ElevenLabs
• المصادقة في ElevenLabs
• Gradium
• واجهة Inworld TTS API
• واجهة MiniMax T2A v2 API
• واجهة Volcengine TTS HTTP API
• تركيب الكلام من Xiaomi MiMo
• node-edge-tts
• تنسيقات إخراج الكلام من Microsoft
• تحويل النص إلى كلام من xAI

​

مواضيع ذات صلة

• نظرة عامة على الوسائط
• توليد الموسيقى
• توليد الفيديو
• أوامر الشرطة المائلة
• Plugin المكالمات الصوتية