Azure Speech - OpenClaw

Azure Speech ist ein Text-zu-Sprache-Provider von Azure AI Speech. In OpenClaw synthetisiert er ausgehende Antwort-Audiodateien standardmäßig als MP3, natives Ogg/Opus für Sprachnachrichten und 8-kHz-mulaw-Audio für Telefoniekanäle wie Sprachanruf. OpenClaw verwendet die Azure Speech REST API direkt mit SSML und sendet das Provider-eigene Ausgabeformat über X-Microsoft-OutputFormat.

Detail	Wert
Website	Azure AI Speech
Dokumentation	Speech REST text-to-speech
Authentifizierung	`AZURE_SPEECH_KEY` plus `AZURE_SPEECH_REGION`
Standardstimme	`en-US-JennyNeural`
Standard-Dateiausgabe	`audio-24khz-48kbitrate-mono-mp3`
Standard-Sprachnachrichtendatei	`ogg-24khz-16bit-mono-opus`

Erste Schritte

Create an Azure Speech resource

Erstellen Sie im Azure-Portal eine Speech-Ressource. Kopieren Sie KEY 1 aus Resource Management > Keys and Endpoint und kopieren Sie den Ressourcenstandort, zum Beispiel eastus.

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

Select Azure Speech in messages.tts

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

Send a message

Senden Sie eine Antwort über einen beliebigen verbundenen Kanal. OpenClaw synthetisiert das Audio mit Azure Speech und liefert MP3 für Standardaudio oder Ogg/Opus, wenn der Kanal eine Sprachnachricht erwartet.

Konfigurationsoptionen

Option	Pfad	Beschreibung
`apiKey`	`messages.tts.providers.azure-speech.apiKey`	Azure Speech-Ressourcenschlüssel. Fällt auf `AZURE_SPEECH_KEY`, `AZURE_SPEECH_API_KEY` oder `SPEECH_KEY` zurück.
`region`	`messages.tts.providers.azure-speech.region`	Azure Speech-Ressourcenregion. Fällt auf `AZURE_SPEECH_REGION` oder `SPEECH_REGION` zurück.
`endpoint`	`messages.tts.providers.azure-speech.endpoint`	Optionale Überschreibung des Azure Speech-Endpunkts bzw. der Basis-URL.
`baseUrl`	`messages.tts.providers.azure-speech.baseUrl`	Optionale Überschreibung der Azure Speech-Basis-URL.
`speakerVoice`	`messages.tts.providers.azure-speech.speakerVoice`	Azure-Stimmen-ShortName (Standard `en-US-JennyNeural`). Legacy-Alias: `voice`.
`lang`	`messages.tts.providers.azure-speech.lang`	SSML-Sprachcode (Standard `en-US`).
`outputFormat`	`messages.tts.providers.azure-speech.outputFormat`	Ausgabeformat für Audiodateien (Standard `audio-24khz-48kbitrate-mono-mp3`).
`voiceNoteOutputFormat`	`messages.tts.providers.azure-speech.voiceNoteOutputFormat`	Ausgabeformat für Sprachnachrichten (Standard `ogg-24khz-16bit-mono-opus`).

Hinweise

Authentication

Azure Speech verwendet einen Speech-Ressourcenschlüssel, keinen Azure OpenAI-Schlüssel. Der Schlüssel wird als Ocp-Apim-Subscription-Key gesendet; OpenClaw leitet https://<region>.tts.speech.microsoft.com aus region ab, sofern Sie nicht endpoint oder baseUrl angeben.

Voice names

Verwenden Sie den Azure Speech-Stimmenwert ShortName, zum Beispiel en-US-JennyNeural. Der gebündelte Provider kann Stimmen über dieselbe Speech-Ressource auflisten und filtert Stimmen heraus, die als veraltet oder ausgemustert markiert sind.

Audio outputs

Azure akzeptiert Ausgabeformate wie audio-24khz-48kbitrate-mono-mp3, ogg-24khz-16bit-mono-opus und riff-24khz-16bit-mono-pcm. OpenClaw fordert Ogg/Opus für voice-note-Ziele an, damit Kanäle native Sprachblasen ohne zusätzliche MP3-Konvertierung senden können.

Alias

azure wird als Provider-Alias für bestehende PRs und Benutzerkonfigurationen akzeptiert, neue Konfigurationen sollten jedoch azure-speech verwenden, um Verwechslungen mit Azure OpenAI-Modell-Providern zu vermeiden.

Text-to-speech

TTS-Übersicht, Provider und messages.tts-Konfiguration.

Configuration

Vollständige Konfigurationsreferenz einschließlich messages.tts-Einstellungen.

Providers

Alle gebündelten OpenClaw-Provider.

Troubleshooting

Häufige Probleme und Debugging-Schritte.

​Erste Schritte

​Konfigurationsoptionen

​Hinweise

​Verwandte Themen