Deepgram

Deepgram es una API de conversión de voz a texto. OpenClaw la utiliza para la transcripción de audio y notas de voz entrantes mediante tools.media.audio y para la conversión de voz a texto (STT) en streaming de Voice Call mediante plugins.entries.voice-call.config.streaming. La transcripción por lotes carga el archivo de audio completo en Deepgram e inserta la transcripción en el pipeline de respuestas (bloque {{Transcript}} + [Audio]). El streaming de Voice Call reenvía en tiempo real tramas G.711 u-law mediante el endpoint WebSocket listen de Deepgram y emite transcripciones parciales y finales a medida que Deepgram las devuelve.

Detalle	Valor
Sitio web	deepgram.com
Documentación	developers.deepgram.com
Autenticación	`DEEPGRAM_API_KEY`
Modelo predeterminado	`nova-3`

Primeros pasos

Establecer la clave de API

DEEPGRAM_API_KEY=dg_...

Habilitar el proveedor de audio

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

Enviar una nota de voz

Envíe un mensaje de audio mediante cualquier canal conectado. OpenClaw lo transcribe mediante Deepgram e inserta la transcripción en el pipeline de respuestas.

Opciones de configuración

Opción	Ruta	Descripción
`model`	`tools.media.models[].model`	ID del modelo de Deepgram (predeterminado: `nova-3`)
`language`	`tools.media.models[].language`	Indicación de idioma (opcional)

providerOptions.deepgram combina parámetros de consulta adicionales directamente con la solicitud /listen de Deepgram, por lo que funciona cualquier nombre de parámetro compatible con Deepgram (por ejemplo, detect_language, punctuate, smart_format):

Con indicación de idioma
Con opciones de Deepgram

{
  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" }],
      },
    },
  },
}

STT en streaming de Voice Call

El plugin deepgram incluido también registra un proveedor de transcripción en tiempo real para el plugin Voice Call.

Ajuste	Ruta de configuración	Valor predeterminado
Clave de API	`plugins.entries.voice-call.config.streaming.providers.deepgram.apiKey`	Recurre a `DEEPGRAM_API_KEY`
URL base	`...deepgram.baseUrl`	`DEEPGRAM_BASE_URL` o la API pública de Deepgram
Modelo	`...deepgram.model`	`nova-3`
Idioma	`...deepgram.language`	(sin establecer)
Codificación	`...deepgram.encoding`	`mulaw`
Frecuencia de muestreo	`...deepgram.sampleRate`	`8000`
Detección de fin	`...deepgram.endpointingMs`	`800`
Resultados provisionales	`...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",
              },
            },
          },
        },
      },
    },
  },
}

Para usar un endpoint personalizado de Deepgram, establezca baseUrl en la raíz del endpoint, incluida cualquier ruta base, pero no /listen. Los endpoints en tiempo real aceptan http://, https://, ws:// y wss://. HTTP se asigna a WS, HTTPS se asigna a WSS y los esquemas WebSocket explícitos permanecen sin cambios. Las URL con formato incorrecto y otros esquemas provocan un fallo durante la configuración de la sesión.

Voice Call recibe audio de telefonía como G.711 u-law a 8 kHz. El proveedor de streaming de Deepgram utiliza de forma predeterminada encoding: "mulaw" y sampleRate: 8000, por lo que las tramas multimedia de Twilio pueden reenviarse directamente.

Notas

Autenticación

La autenticación sigue el orden estándar de autenticación de proveedores. DEEPGRAM_API_KEY es la opción más sencilla.

Proxy y endpoints personalizados

Sobrescriba los endpoints o encabezados en la entrada tools.media.models[] de Deepgram cuando utilice un proxy.

Comportamiento de la salida

La salida sigue las mismas reglas de audio que los demás proveedores (límites de tamaño, tiempos de espera e inserción de la transcripción).

Contenido relacionado

Herramientas multimedia

Descripción general del pipeline de procesamiento de audio, imágenes y vídeo.

Configuración

Referencia completa de configuración, incluidos los ajustes de las herramientas multimedia.

Solución de problemas

Problemas habituales y pasos de depuración.

Preguntas frecuentes

Preguntas frecuentes sobre la configuración de OpenClaw.

Overview

Concepts and configuration

Providers

Primeros pasos

Opciones de configuración

STT en streaming de Voice Call

Notas

Contenido relacionado

Herramientas multimedia

Configuración

Solución de problemas

Preguntas frecuentes

​Primeros pasos

​Opciones de configuración

​STT en streaming de Voice Call

​Notas

​Contenido relacionado

Herramientas multimedia

Configuración

Solución de problemas

Preguntas frecuentes

Primeros pasos

Opciones de configuración

STT en streaming de Voice Call

Notas

Contenido relacionado