Deepgram

Deepgram ist eine Speech-to-Text-API. OpenClaw verwendet sie für die Transkription eingehender Audio- und Sprachnachrichten über tools.media.audio sowie für das Streaming-STT von Voice Call über plugins.entries.voice-call.config.streaming. Bei der Batch-Transkription wird die vollständige Audiodatei zu Deepgram hochgeladen und das Transkript in die Antwort-Pipeline eingefügt ({{Transcript}}- und [Audio]-Block). Das Voice-Call-Streaming leitet G.711-u-law-Frames in Echtzeit über den WebSocket-Endpunkt listen von Deepgram weiter und gibt vorläufige sowie endgültige Transkripte aus, sobald Deepgram sie zurückgibt.

Detail	Wert
Website	deepgram.com
Dokumentation	developers.deepgram.com
Authentifizierung	`DEEPGRAM_API_KEY`
Standardmodell	`nova-3`

Erste Schritte

API-Schlüssel festlegen

DEEPGRAM_API_KEY=dg_...

Audio-Provider aktivieren

{
  tools: {
    media: {
      audio: {
        enabled: true,
        models: [{ provider: "deepgram", model: "nova-3" }],
      },
    },
  },
}

Sprachnachricht senden

Senden Sie eine Audionachricht über einen beliebigen verbundenen Kanal. OpenClaw transkribiert sie über Deepgram und fügt das Transkript in die Antwort-Pipeline ein.

Konfigurationsoptionen

Option	Pfad	Beschreibung
`model`	`tools.media.models[].model`	Deepgram-Modell-ID (Standard: `nova-3`)
`language`	`tools.media.models[].language`	Sprachhinweis (optional)

providerOptions.deepgram führt zusätzliche Abfrageparameter direkt mit der Deepgram-Anfrage /listen zusammen, sodass jeder von Deepgram unterstützte Parametername funktioniert (zum Beispiel detect_language, punctuate, smart_format):

Mit Sprachhinweis
Mit Deepgram-Optionen

{
  tools: {
    media: {
      audio: {
        enabled: true,
        models: [{ provider: "deepgram", model: "nova-3", language: "en" }],
      },
    },
  },
}

{
  tools: {
    media: {
      audio: {
        enabled: true,
        providerOptions: {
          deepgram: {
            detect_language: true,
            punctuate: true,
            smart_format: true,
          },
        },
        models: [{ provider: "deepgram", model: "nova-3" }],
      },
    },
  },
}

Voice-Call-Streaming-STT

Das mitgelieferte Plugin deepgram registriert außerdem einen Provider für Echtzeittranskription für das Voice-Call-Plugin.

Einstellung	Konfigurationspfad	Standard
API-Schlüssel	`plugins.entries.voice-call.config.streaming.providers.deepgram.apiKey`	Fällt auf `DEEPGRAM_API_KEY` zurück
Basis-URL	`...deepgram.baseUrl`	`DEEPGRAM_BASE_URL` oder die öffentliche API von Deepgram
Modell	`...deepgram.model`	`nova-3`
Sprache	`...deepgram.language`	(nicht festgelegt)
Codierung	`...deepgram.encoding`	`mulaw`
Abtastrate	`...deepgram.sampleRate`	`8000`
Endpunkterkennung	`...deepgram.endpointingMs`	`800`
Zwischenergebnisse	`...deepgram.interimResults`	`true`

{
  plugins: {
    entries: {
      "voice-call": {
        config: {
          streaming: {
            enabled: true,
            provider: "deepgram",
            providers: {
              deepgram: {
                apiKey: "${DEEPGRAM_API_KEY}",
                model: "nova-3",
                endpointingMs: 800,
                language: "en-US",
              },
            },
          },
        },
      },
    },
  },
}

Legen Sie für einen benutzerdefinierten Deepgram-Endpunkt baseUrl auf den Endpunktstamm einschließlich eines etwaigen Basispfads, jedoch ohne /listen, fest. Echtzeitendpunkte akzeptieren http://, https://, ws:// und wss://. HTTP wird WS zugeordnet, HTTPS wird WSS zugeordnet, und explizite WebSocket-Schemata bleiben unverändert. Fehlerhafte URLs und andere Schemata führen während der Sitzungseinrichtung zu einem Fehler.

Voice Call empfängt Telefonie-Audio als G.711 u-law mit 8 kHz. Der Deepgram-Streaming-Provider verwendet standardmäßig encoding: "mulaw" und sampleRate: 8000, sodass Twilio-Medienframes direkt weitergeleitet werden können.

Hinweise

Authentifizierung

Die Authentifizierung folgt der standardmäßigen Authentifizierungsreihenfolge für Provider. DEEPGRAM_API_KEY ist der einfachste Weg.

Proxy und benutzerdefinierte Endpunkte

Überschreiben Sie bei Verwendung eines Proxys die Endpunkte oder Header im Deepgram-Eintrag tools.media.models[].

Ausgabeverhalten

Die Ausgabe folgt denselben Audioregeln wie bei anderen Providern (Größenbeschränkungen, Zeitüberschreitungen, Einfügen des Transkripts).

Medienwerkzeuge

Überblick über die Pipeline zur Verarbeitung von Audio, Bildern und Videos.

Konfiguration

Vollständige Konfigurationsreferenz einschließlich der Einstellungen für Medienwerkzeuge.

Fehlerbehebung

Häufige Probleme und Schritte zur Fehlerdiagnose.

FAQ

Häufig gestellte Fragen zur Einrichtung von OpenClaw.

Overview

Concepts and configuration

Providers

Erste Schritte

Konfigurationsoptionen

Voice-Call-Streaming-STT

Hinweise

Verwandte Themen

Medienwerkzeuge

Konfiguration

Fehlerbehebung

FAQ

​Erste Schritte

​Konfigurationsoptionen

​Voice-Call-Streaming-STT

​Hinweise

​Verwandte Themen

Medienwerkzeuge

Konfiguration

Fehlerbehebung

FAQ

Erste Schritte

Konfigurationsoptionen

Voice-Call-Streaming-STT

Hinweise

Verwandte Themen