- Fournisseur :
google - Authentification :
GEMINI_API_KEYouGOOGLE_API_KEY - API : API Google Gemini
- Option d’exécution : le fournisseur/modèle
agentRuntime.id: "google-gemini-cli"réutilise OAuth de Gemini CLI tout en conservant les références de modèles canoniques sous la formegoogle/*.
Démarrage
Choisissez votre méthode d’authentification préférée et suivez les étapes de configuration.- Clé d’API
- Gemini CLI (OAuth)
Fonctionnalités
| Fonctionnalité | Pris en charge |
|---|---|
| Complétions de chat | Oui |
| Génération d’images | Oui |
| Génération de musique | Oui |
| Synthèse vocale | Oui |
| Voix en temps réel | Oui (Google Live API) |
| Compréhension des images | Oui |
| Transcription audio | Oui |
| Compréhension des vidéos | Oui |
| Recherche web (Grounding) | Oui |
| Pensée/raisonnement | Oui (Gemini 2.5+ / Gemini 3+) |
| Modèles Gemma 4 | Oui |
Recherche web
Le fournisseur de recherche webgemini inclus utilise le grounding Google Search de Gemini.
Configurez une clé de recherche dédiée sous plugins.entries.google.config.webSearch,
ou laissez-le réutiliser models.providers.google.apiKey après GEMINI_API_KEY :
webSearch.apiKey dédié, puis GEMINI_API_KEY,
puis models.providers.google.apiKey. webSearch.baseUrl est facultatif et
existe pour les proxys d’opérateur ou les points de terminaison compatibles avec l’API Gemini ; lorsqu’il est omis,
la recherche web Gemini réutilise models.providers.google.baseUrl. Consultez
Recherche Gemini pour le comportement de l’outil propre au fournisseur.
Génération d’images
Le fournisseur de génération d’imagesgoogle inclus utilise par défaut
google/gemini-3.1-flash-image-preview.
- Prend également en charge
google/gemini-3-pro-image-preview - Génération : jusqu’à 4 images par requête
- Mode édition : activé, jusqu’à 5 images d’entrée
- Contrôles de géométrie :
size,aspectRatioetresolution
Consultez Génération d’images pour les paramètres d’outil partagés, la sélection du fournisseur et le comportement de basculement.
Génération de vidéos
Le plugingoogle inclus enregistre également la génération de vidéos via l’outil partagé
video_generate.
- Modèle vidéo par défaut :
google/veo-3.1-fast-generate-preview - Modes : texte vers vidéo, image vers vidéo et flux de référence avec une seule vidéo
- Prend en charge
aspectRatio(16:9,9:16) etresolution(720P,1080P) ; la sortie audio n’est pas prise en charge par Veo aujourd’hui - Durées prises en charge : 4, 6 ou 8 secondes (les autres valeurs sont ajustées à la valeur autorisée la plus proche)
Consultez Génération de vidéos pour les paramètres d’outil partagés, la sélection du fournisseur et le comportement de basculement.
Génération de musique
Le plugingoogle inclus enregistre également la génération de musique via l’outil partagé
music_generate.
- Modèle musical par défaut :
google/lyria-3-clip-preview - Prend également en charge
google/lyria-3-pro-preview - Contrôles de prompt :
lyricsetinstrumental - Format de sortie :
mp3par défaut, pluswavsurgoogle/lyria-3-pro-preview - Entrées de référence : jusqu’à 10 images
- Les exécutions adossées à une session se détachent via le flux partagé de tâche/état, y compris
action: "status"
Consultez Génération de musique pour les paramètres d’outil partagés, la sélection du fournisseur et le comportement de basculement.
Synthèse vocale
Le fournisseur vocalgoogle inclus utilise le chemin TTS de l’API Gemini avec
gemini-3.1-flash-tts-preview.
- Voix par défaut :
Kore - Authentification :
messages.tts.providers.google.apiKey,models.providers.google.apiKey,GEMINI_API_KEYouGOOGLE_API_KEY - Sortie : WAV pour les pièces jointes TTS classiques, Opus pour les cibles de notes vocales, PCM pour Talk/téléphonie
- Sortie de note vocale : le PCM Google est encapsulé en WAV et transcodé en Opus 48 kHz avec
ffmpeg
generateContent terminée. Pour les conversations vocales avec la plus faible latence, utilisez le
fournisseur de voix en temps réel Google adossé à l’API Gemini Live plutôt que le TTS
par lots.
Pour utiliser Google comme fournisseur TTS par défaut :
audioProfile pour préfixer le texte parlé avec un prompt de style réutilisable. Définissez
speakerName lorsque le texte de votre prompt fait référence à un locuteur nommé.
Le TTS de l’API Gemini accepte également des balises audio expressives entre crochets dans le texte,
comme [whispers] ou [laughs]. Pour garder les balises hors de la réponse de chat visible
tout en les envoyant au TTS, placez-les dans un bloc [[tts:text]]...[[/tts:text]]
:
Une clé d’API Google Cloud Console limitée à l’API Gemini est valide pour ce
fournisseur. Il ne s’agit pas du chemin séparé de l’API Cloud Text-to-Speech.
Voix en temps réel
Le plugingoogle inclus enregistre un fournisseur de voix en temps réel adossé à
l’API Gemini Live pour les ponts audio backend tels que Voice Call et Google Meet.
| Paramètre | Chemin de configuration | Valeur par défaut |
|---|---|---|
| Modèle | plugins.entries.voice-call.config.realtime.providers.google.model | gemini-2.5-flash-native-audio-preview-12-2025 |
| Voix | ...google.voice | Kore |
| Température | ...google.temperature | (non défini) |
| Sensibilité de début VAD | ...google.startSensitivity | (non défini) |
| Sensibilité de fin VAD | ...google.endSensitivity | (non défini) |
| Durée de silence | ...google.silenceDurationMs | (non défini) |
| Gestion de l’activité | ...google.activityHandling | Valeur par défaut Google, start-of-activity-interrupts |
| Couverture du tour | ...google.turnCoverage | Valeur par défaut Google, only-activity |
| Désactiver le VAD auto | ...google.automaticActivityDetectionDisabled | false |
| Reprise de session | ...google.sessionResumption | true |
| Compression du contexte | ...google.contextWindowCompression | true |
| Clé API | ...google.apiKey | Se replie sur models.providers.google.apiKey, GEMINI_API_KEY ou GOOGLE_API_KEY |
Google Live API utilise l’audio bidirectionnel et l’appel de fonctions via un WebSocket.
OpenClaw adapte l’audio de passerelle téléphonie/Meet au flux PCM Live API de Gemini et
conserve les appels d’outils sur le contrat vocal temps réel partagé. Laissez
temperature
non défini sauf si vous devez modifier l’échantillonnage ; OpenClaw omet les valeurs non positives,
car Google Live peut renvoyer des transcriptions sans audio pour temperature: 0.
La transcription Gemini API est activée sans languageCodes ; le SDK Google actuel
rejette les indications de codes de langue sur ce chemin d’API.Control UI Talk prend en charge les sessions de navigateur Google Live avec des jetons
contraints à usage unique. Les fournisseurs vocaux temps réel côté backend uniquement peuvent aussi
s’exécuter via le transport de relais générique du Gateway, qui conserve les identifiants
du fournisseur sur le Gateway.
OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts.
Le smoke couvre aussi les chemins backend/WebRTC OpenAI ; le segment Google émet la même
forme de jeton Live API contraint que celle utilisée par Control UI Talk, ouvre le point de terminaison
WebSocket du navigateur, envoie la charge utile de configuration initiale et attend
setupComplete.
Configuration avancée
Réutilisation directe du cache Gemini
Réutilisation directe du cache Gemini
Pour les exécutions directes de l’API Gemini (
api: "google-generative-ai"), OpenClaw
transmet un handle cachedContent configuré aux requêtes Gemini.- Configurez les paramètres par modèle ou globaux avec
cachedContentou l’anciencached_content - Si les deux sont présents,
cachedContentl’emporte - Exemple de valeur :
cachedContents/prebuilt-context - L’utilisation des succès de cache Gemini est normalisée dans OpenClaw
cacheReadà partir decachedContentTokenCounten amont
Notes d’utilisation de Gemini CLI
Notes d’utilisation de Gemini CLI
Lors de l’utilisation du fournisseur OAuth
google-gemini-cli, OpenClaw utilise par défaut
la sortie stream-json de Gemini CLI et normalise l’utilisation à partir de la charge utile
stats finale. Les anciens remplacements --output-format json utilisent toujours
l’analyseur JSON.- Le texte de réponse diffusé provient des événements
messagede l’assistant. - Pour l’ancienne sortie JSON, le texte de réponse provient du champ
responsedu JSON de la CLI. - L’utilisation se replie sur
statslorsque la CLI laisseusagevide. stats.cachedest normalisé dans OpenClawcacheRead.- Si
stats.inputest absent, OpenClaw déduit les jetons d’entrée à partir destats.input_tokens - stats.cached.
Configuration de l’environnement et du daemon
Configuration de l’environnement et du daemon
Si le Gateway s’exécute comme daemon (launchd/systemd), assurez-vous que
GEMINI_API_KEY
est disponible pour ce processus (par exemple, dans ~/.openclaw/.env ou via
env.shellEnv).Articles connexes
Sélection du modèle
Choix des fournisseurs, des références de modèles et du comportement de basculement.
Génération d’images
Paramètres partagés de l’outil image et sélection du fournisseur.
Génération de vidéos
Paramètres partagés de l’outil vidéo et sélection du fournisseur.
Génération de musique
Paramètres partagés de l’outil musique et sélection du fournisseur.