Skip to main content
OpenClaw टेक्स्ट-टू-स्पीच के लिए ElevenLabs, Scribe v2 के साथ बैच स्पीच-टू-टेक्स्ट और Scribe v2 Realtime के साथ स्ट्रीमिंग STT का उपयोग करता है। Plugin बंडल किया गया है और डिफ़ॉल्ट रूप से सक्षम है; किसी plugins install चरण की आवश्यकता नहीं है।

प्रमाणीकरण

परिवेश में ELEVENLABS_API_KEY सेट करें। मौजूदा ElevenLabs टूलिंग के साथ संगतता के लिए XI_API_KEY भी स्वीकार किया जाता है।

टेक्स्ट-टू-स्पीच

ElevenLabs v3 TTS का उपयोग करने के लिए modelId को eleven_v3 पर सेट करें। OpenClaw मौजूदा इंस्टॉलेशन के लिए eleven_multilingual_v2 को डिफ़ॉल्ट बनाए रखता है। जब ElevenLabs चयनित voice.tts/tts प्रदाता होता है, तब Discord वॉइस चैनल ElevenLabs के स्ट्रीमिंग TTS एंडपॉइंट का उपयोग करते हैं: OpenClaw द्वारा पहले पूरी ऑडियो फ़ाइल डाउनलोड किए जाने की प्रतीक्षा करने के बजाय, लौटाई गई ऑडियो स्ट्रीम से प्लेबैक शुरू हो जाता है। इसे स्वीकार करने वाले मॉडल के लिए latencyTier, ElevenLabs के optimize_streaming_latency क्वेरी पैरामीटर से मैप होता है; eleven_v3 के लिए OpenClaw उस पैरामीटर को छोड़ देता है, क्योंकि वह इसे अस्वीकार करता है।

स्पीच-टू-टेक्स्ट

इनबाउंड ऑडियो अटैचमेंट और छोटे रिकॉर्ड किए गए वॉइस खंडों के लिए Scribe v2 का उपयोग करें:
OpenClaw model_id: "scribe_v2" के साथ ElevenLabs /v1/speech-to-text पर मल्टीपार्ट ऑडियो भेजता है। उपलब्ध होने पर भाषा संकेत language_code से मैप होते हैं।

स्ट्रीमिंग STT

बंडल किया गया elevenlabs Plugin, Voice Call और Google Meet एजेंट-मोड स्ट्रीमिंग ट्रांसक्रिप्शन के लिए Scribe v2 Realtime को पंजीकृत करता है।
Voice Call, Twilio मीडिया को 8 kHz G.711 u-law के रूप में प्राप्त करता है। ElevenLabs रियलटाइम प्रदाता का डिफ़ॉल्ट ulaw_8000 है, इसलिए टेलीफ़ोनी फ़्रेम को ट्रांसकोडिंग के बिना अग्रेषित किया जा सकता है।
Google Meet एजेंट मोड के लिए, plugins.entries.google-meet.config.realtime.transcriptionProvider को "elevenlabs" पर सेट करें और plugins.entries.google-meet.config.realtime.providers.elevenlabs के अंतर्गत उसी प्रदाता ब्लॉक को कॉन्फ़िगर करें।

संबंधित