ElevenLabs

OpenClaw utilise ElevenLabs pour la synthèse vocale, la transcription vocale par lots avec Scribe v2 et la transcription vocale en continu avec Scribe v2 Realtime. Le Plugin est inclus et activé par défaut ; aucune étape plugins install n’est nécessaire.

Fonctionnalité	Surface OpenClaw	Valeur par défaut
Synthèse vocale	`messages.tts` / `talk`	`eleven_multilingual_v2`
Transcription vocale par lots	`tools.media.audio`	`scribe_v2`
Transcription vocale en continu	Diffusion de Voice Call ou `realtime.transcriptionProvider` de Google Meet	`scribe_v2_realtime`

Authentification

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

export ELEVENLABS_API_KEY="..."

Synthèse vocale

{
  messages: {
    tts: {
      providers: {
        elevenlabs: {
          apiKey: "${ELEVENLABS_API_KEY}",
          voiceId: "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 continu d’ElevenLabs lorsque ce dernier est le fournisseur voice.tts/messages.tts sélectionné : la lecture commence à partir du flux audio renvoyé au lieu d’attendre qu’OpenClaw télécharge 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 refuse.

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 indications de langue correspondent à language_code lorsqu’elles sont présentes.

Transcription vocale en continu

Le Plugin elevenlabs inclus enregistre Scribe v2 Realtime pour la transcription en continu de Voice Call et du mode agent de Google Meet.

Paramètre	Chemin de configuration	Valeur par défaut
Clé API	`plugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKey`	Se rabat sur `ELEVENLABS_API_KEY` / `XI_API_KEY`
Modèle	`...elevenlabs.modelId`	`scribe_v2_realtime`
Format audio	`...elevenlabs.audioFormat`	`ulaw_8000`
Fréquence d’échantillonnage	`...elevenlabs.sampleRate`	`8000`
Stratégie de validation	`...elevenlabs.commitStrategy`	`vad`
Langue	`...elevenlabs.languageCode`	(non définie)

{
  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 au format G.711 u-law à 8 kHz. Le fournisseur temps réel ElevenLabs utilise ulaw_8000 par défaut, ce qui permet de transférer les trames téléphoniques sans transcodage.

Pour le mode agent de 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.

Overview

Concepts and configuration

Providers

Authentification

Synthèse vocale

Transcription vocale

Transcription vocale en continu

Ressources associées

​Authentification

​Synthèse vocale

​Transcription vocale

​Transcription vocale en continu

​Ressources associées

Authentification

Synthèse vocale

Transcription vocale

Transcription vocale en continu

Ressources associées