ElevenLabs

OpenClaw usa ElevenLabs para la conversión de texto a voz, la conversión por lotes de voz a texto con Scribe v2 y la conversión de voz a texto en streaming con Scribe v2 Realtime. El plugin está incluido y habilitado de forma predeterminada; no se necesita ningún paso de plugins install.

Capacidad	Superficie de OpenClaw	Valor predeterminado
Conversión de texto a voz	`tts` / `talk`	`eleven_multilingual_v2`
Conversión por lotes de voz a texto	`tools.media.audio`	`scribe_v2`
Conversión de voz a texto en streaming	Streaming de Voice Call o `realtime.transcriptionProvider` de Google Meet	`scribe_v2_realtime`

Autenticación

Configure ELEVENLABS_API_KEY en el entorno. También se acepta XI_API_KEY por compatibilidad con las herramientas existentes de ElevenLabs.

export ELEVENLABS_API_KEY="..."

Conversión de texto a voz

{
  tts: {
    providers: {
      elevenlabs: {
        apiKey: "${ELEVENLABS_API_KEY}",
        voiceId: "pMsXgVXv3BLzUgSXRplE",
        modelId: "eleven_multilingual_v2",
      },
    },
  },
}

Configure modelId como eleven_v3 para usar la conversión de texto a voz v3 de ElevenLabs. OpenClaw mantiene eleven_multilingual_v2 como valor predeterminado para las instalaciones existentes. Los canales de voz de Discord usan el endpoint de conversión de texto a voz en streaming de ElevenLabs cuando ElevenLabs es el proveedor de voice.tts/tts seleccionado: la reproducción comienza desde el flujo de audio devuelto en lugar de esperar a que OpenClaw descargue primero todo el archivo de audio. latencyTier se asigna al parámetro de consulta optimize_streaming_latency de ElevenLabs para los modelos que lo aceptan; OpenClaw omite ese parámetro para eleven_v3, que lo rechaza.

Conversión de voz a texto

Use Scribe v2 para los archivos adjuntos de audio entrantes y los segmentos breves de voz grabados:

{
  tools: {
    media: {
      audio: {
        enabled: true,
        models: [{ provider: "elevenlabs", model: "scribe_v2" }],
      },
    },
  },
}

OpenClaw envía audio multiparte a /v1/speech-to-text de ElevenLabs con model_id: "scribe_v2". Las indicaciones de idioma se asignan a language_code cuando están presentes.

Conversión de voz a texto en streaming

El plugin elevenlabs incluido registra Scribe v2 Realtime para la transcripción en streaming de Voice Call y del modo agente de Google Meet.

Ajuste	Ruta de configuración	Valor predeterminado
Clave de API	`plugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKey`	Recurre a `ELEVENLABS_API_KEY` / `XI_API_KEY`
Modelo	`...elevenlabs.modelId`	`scribe_v2_realtime`
Formato de audio	`...elevenlabs.audioFormat`	`ulaw_8000`
Frecuencia de muestreo	`...elevenlabs.sampleRate`	`8000`
Estrategia de confirmación	`...elevenlabs.commitStrategy`	`vad`
Idioma	`...elevenlabs.languageCode`	(sin configurar)

{
  plugins: {
    entries: {
      "voice-call": {
        config: {
          streaming: {
            enabled: true,
            provider: "elevenlabs",
            providers: {
              elevenlabs: {
                apiKey: "${ELEVENLABS_API_KEY}",
                audioFormat: "ulaw_8000",
                commitStrategy: "vad",
                languageCode: "en",
              },
            },
          },
        },
      },
    },
  },
}

Voice Call recibe el contenido multimedia de Twilio como G.711 u-law a 8 kHz. El proveedor en tiempo real de ElevenLabs usa ulaw_8000 de forma predeterminada, por lo que las tramas de telefonía pueden reenviarse sin transcodificación.

Para el modo agente de Google Meet, configure plugins.entries.google-meet.config.realtime.transcriptionProvider como "elevenlabs" y configure el mismo bloque de proveedor en plugins.entries.google-meet.config.realtime.providers.elevenlabs.

Overview

Concepts and configuration

Providers

Autenticación

Conversión de texto a voz

Conversión de voz a texto

Conversión de voz a texto en streaming

Contenido relacionado

​Autenticación

​Conversión de texto a voz

​Conversión de voz a texto

​Conversión de voz a texto en streaming

​Contenido relacionado

Autenticación

Conversión de texto a voz

Conversión de voz a texto

Conversión de voz a texto en streaming

Contenido relacionado