Passer au contenu principal
OpenClaw utilise ElevenLabs pour la synthèse vocale, la transcription vocale par lots avec Scribe v2 et la STT en streaming avec Scribe v2 Realtime.
CapacitéSurface OpenClawPar défaut
Synthèse vocalemessages.tts / talkeleven_multilingual_v2
Transcription vocale par lotstools.media.audioscribe_v2
Transcription vocale en streamingStreaming Voice Call ou Google Meet realtime.transcriptionProviderscribe_v2_realtime

​
Authentification

Définissez ELEVENLABS_API_KEY dans l’environnement. XI_API_KEY est également accepté pour la compatibilité avec les outils ElevenLabs existants. 
export ELEVENLABS_API_KEY="..."

​
Synthèse vocale

{
  messages: {
    tts: {
      providers: {
        elevenlabs: {
          apiKey: "${ELEVENLABS_API_KEY}",
          speakerVoiceId: "pMsXgVXv3BLzUgSXRplE",
          modelId: "eleven_multilingual_v2",
        },
      },
    },
  },
}
Définissez modelId sur eleven_v3 pour utiliser la synthèse vocale ElevenLabs v3. OpenClaw conserve eleven_multilingual_v2 comme valeur par défaut pour les installations existantes. Les salons vocaux Discord utilisent le point de terminaison de synthèse vocale en streaming d’ElevenLabs lorsque ElevenLabs est le fournisseur voice.tts/messages.tts sélectionné. La lecture démarre à partir du flux audio renvoyé au lieu d’attendre qu’OpenClaw télécharge et écrive d’abord l’intégralité du fichier audio. latencyTier correspond au paramètre de requête optimize_streaming_latency d’ElevenLabs pour les modèles qui l’acceptent ; OpenClaw omet ce paramètre pour eleven_v3, qui le rejette.

​
Transcription vocale

Utilisez Scribe v2 pour les pièces jointes audio entrantes et les courts segments vocaux enregistrés : 
{
  tools: {
    media: {
      audio: {
        enabled: true,
        models: [{ provider: "elevenlabs", model: "scribe_v2" }],
      },
    },
  },
}
OpenClaw envoie l’audio multipart à /v1/speech-to-text d’ElevenLabs avec model_id: "scribe_v2". Les indices de langue correspondent à language_code lorsqu’ils sont présents.

​
STT en streaming

Le Plugin elevenlabs groupé enregistre Scribe v2 Realtime pour la transcription en streaming en mode agent de Voice Call et Google Meet.
ParamètreChemin de configurationPar défaut
Clé APIplugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKeyUtilise en secours ELEVENLABS_API_KEY / XI_API_KEY
Modèle...elevenlabs.modelIdscribe_v2_realtime
Format audio...elevenlabs.audioFormatulaw_8000
Fréquence d’échantillonnage...elevenlabs.sampleRate8000
Stratégie de validation...elevenlabs.commitStrategyvad
Langue...elevenlabs.languageCode(non défini)
{
  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 reçoit les médias Twilio sous forme de G.711 u-law à 8 kHz. Le fournisseur realtime ElevenLabs utilise par défaut ulaw_8000, ce qui permet de transmettre les trames téléphoniques sans transcodage.
Pour le mode agent Google Meet, définissez plugins.entries.google-meet.config.realtime.transcriptionProvider sur "elevenlabs" et configurez le même bloc de fournisseur sous plugins.entries.google-meet.config.realtime.providers.elevenlabs.

​
Associé