Saltar al contenido principal
Azure Speech es un proveedor de texto a voz de Azure AI Speech incluido. OpenClaw llama directamente a la API REST de Azure Speech con SSML, sintetizando MP3 para respuestas estándar, Ogg/Opus nativo para notas de voz y mulaw de 8 kHz para canales de telefonía como Voice Call. La solicitud envía el formato de salida propiedad del proveedor mediante el encabezado X-Microsoft-OutputFormat.
DetalleValor
ID del proveedorazure-speech (alias: azure)
Sitio webAzure AI Speech
DocumentaciónSpeech REST text-to-speech
AutenticaciónAZURE_SPEECH_KEY más AZURE_SPEECH_REGION
Voz predeterminadaen-US-JennyNeural
Salida de archivo predeterminadaaudio-24khz-48kbitrate-mono-mp3
Archivo de nota de voz predeterminadoogg-24khz-16bit-mono-opus

​
Primeros pasos

1

Crear un recurso de Azure Speech

En el portal de Azure, crea un recurso de Speech. Copia KEY 1 desde Resource Management > Keys and Endpoint, y copia la ubicación del recurso, como eastus.
AZURE_SPEECH_KEY=<speech-resource-key>
AZURE_SPEECH_REGION=eastus
2

Seleccionar Azure Speech en messages.tts

{
  messages: {
    tts: {
      auto: "always",
      provider: "azure-speech",
      providers: {
        "azure-speech": {
          voice: "en-US-JennyNeural",
          lang: "en-US",
        },
      },
    },
  },
}
3

Enviar un mensaje

Envía una respuesta mediante cualquier canal conectado. OpenClaw sintetiza el audio con Azure Speech y entrega MP3 para audio estándar, u Ogg/Opus cuando el canal espera una nota de voz.

​
Opciones de configuración

Todas las opciones están en messages.tts.providers["azure-speech"].
OpciónDescripción
apiKeyClave del recurso de Azure Speech. Recurre a AZURE_SPEECH_KEY, AZURE_SPEECH_API_KEY o SPEECH_KEY.
regionRegión del recurso de Azure Speech. Recurre a AZURE_SPEECH_REGION o SPEECH_REGION.
endpointAnulación opcional del endpoint de Azure Speech. Recurre a AZURE_SPEECH_ENDPOINT.
baseUrlAnulación opcional de la URL base de Azure Speech.
voiceShortName de la voz de Azure (predeterminado en-US-JennyNeural). Alias heredado: voiceId.
langCódigo de idioma SSML (predeterminado en-US).
outputFormatFormato de salida del archivo de audio (predeterminado audio-24khz-48kbitrate-mono-mp3).
voiceNoteOutputFormatFormato de salida de la nota de voz (predeterminado ogg-24khz-16bit-mono-opus).
timeoutMsAnulación del tiempo de espera de la solicitud en milisegundos. Recurre al messages.tts.timeoutMs global.
El proveedor se considera configurado cuando apiKey está definido junto con uno de region, endpoint o baseUrl. Las variables de entorno solo se comprueban como alternativa para las claves de configuración que no estén definidas.

​
Notas

Azure Speech usa una clave de recurso de Speech, no una clave de Azure OpenAI. La clave se envía como Ocp-Apim-Subscription-Key; OpenClaw deriva https://<region>.tts.speech.microsoft.com a partir de region salvo que proporciones endpoint o baseUrl.
Usa el valor ShortName de la voz de Azure Speech, por ejemplo en-US-JennyNeural. El proveedor incluido puede listar voces mediante el mismo recurso de Speech y filtra las voces marcadas como obsoletas, retiradas o deshabilitadas.
Azure acepta formatos de salida como audio-24khz-48kbitrate-mono-mp3, ogg-24khz-16bit-mono-opus y riff-24khz-16bit-mono-pcm. OpenClaw solicita Ogg/Opus para destinos voice-note para que los canales puedan enviar burbujas de voz nativas sin una conversión adicional a MP3, y fuerza raw-8khz-8bit-mono-mulaw para destinos de telefonía.
azure se acepta como alias de proveedor para la configuración existente, pero la configuración nueva debe usar azure-speech para evitar confusiones con los proveedores de modelos de Azure OpenAI.

​
Relacionado

Texto a voz

Descripción general de TTS, proveedores y configuración de messages.tts.

Configuración

Referencia completa de configuración, incluidos los ajustes de messages.tts.

Proveedores

Todos los proveedores incluidos de OpenClaw.

Solución de problemas

Problemas comunes y pasos de depuración.