मुख्य सामग्री पर जाएं
Google plugin, Google AI Studio के माध्यम से Gemini मॉडलों तक पहुंच देता है, साथ ही image generation, media understanding (image/audio/video), text-to-speech, और Gemini Grounding के जरिए web search भी देता है.
  • प्रदाता: google
  • प्रमाणीकरण: GEMINI_API_KEY या GOOGLE_API_KEY
  • API: Google Gemini API
  • Runtime विकल्प: provider/model agentRuntime.id: "google-gemini-cli" Gemini CLI OAuth का फिर से उपयोग करता है, जबकि model refs को google/* के रूप में canonical रखता है.

​
शुरू करना

अपनी पसंदीदा प्रमाणीकरण विधि चुनें और सेटअप चरणों का पालन करें.
इसके लिए सर्वोत्तम: Google AI Studio के माध्यम से मानक Gemini API पहुंच.
1

ऑनबोर्डिंग चलाएं

openclaw onboard --auth-choice gemini-api-key
या key सीधे पास करें:
openclaw onboard --non-interactive \
  --mode local \
  --auth-choice gemini-api-key \
  --gemini-api-key "$GEMINI_API_KEY"
2

एक default model सेट करें

{
  agents: {
    defaults: {
      model: { primary: "google/gemini-3.1-pro-preview" },
    },
  },
}
3

सत्यापित करें कि model उपलब्ध है

openclaw models list --provider google
Environment variables GEMINI_API_KEY और GOOGLE_API_KEY दोनों स्वीकार किए जाते हैं. जो भी आपने पहले से configure किया है, उसका उपयोग करें.

​
क्षमताएं

क्षमतासमर्थित
Chat completionsहाँ
Image generationहाँ
Music generationहाँ
Text-to-speechहाँ
Realtime voiceहाँ (Google Live API)
Image understandingहाँ
Audio transcriptionहाँ
Video understandingहाँ
Web search (Grounding)हाँ
Thinking/reasoningहाँ (Gemini 2.5+ / Gemini 3+)
Gemma 4 modelsहाँ
Bundled gemini web-search provider, Gemini Google Search grounding का उपयोग करता है. plugins.entries.google.config.webSearch के अंतर्गत एक dedicated search key configure करें, या GEMINI_API_KEY के बाद इसे models.providers.google.apiKey का फिर से उपयोग करने दें: 
{
  plugins: {
    entries: {
      google: {
        config: {
          webSearch: {
            apiKey: "AIza...", // optional if GEMINI_API_KEY or models.providers.google.apiKey is set
            baseUrl: "https://generativelanguage.googleapis.com/v1beta", // falls back to models.providers.google.baseUrl
            model: "gemini-2.5-flash",
          },
        },
      },
    },
  },
}
Credential precedence dedicated webSearch.apiKey, फिर GEMINI_API_KEY, फिर models.providers.google.apiKey है. webSearch.baseUrl optional है और operator proxies या compatible Gemini API endpoints के लिए मौजूद है; जब omitted हो, Gemini web search models.providers.google.baseUrl का फिर से उपयोग करता है. Provider-specific tool behavior के लिए Gemini search देखें.
Gemini 3 models thinkingBudget के बजाय thinkingLevel का उपयोग करते हैं. OpenClaw Gemini 3, Gemini 3.1, और gemini-*-latest alias reasoning controls को thinkingLevel पर map करता है, ताकि default/low-latency runs disabled thinkingBudget values न भेजें./think adaptive fixed OpenClaw level चुनने के बजाय Google की dynamic thinking semantics बनाए रखता है. Gemini 3 और Gemini 3.1 fixed thinkingLevel omit करते हैं, ताकि Google level चुन सके; Gemini 2.5 Google का dynamic sentinel thinkingBudget: -1 भेजता है.Gemma 4 models (उदाहरण के लिए gemma-4-26b-a4b-it) thinking mode का समर्थन करते हैं. OpenClaw Gemma 4 के लिए thinkingBudget को supported Google thinkingLevel में rewrite करता है. Thinking को off सेट करने पर, MINIMAL पर map करने के बजाय thinking disabled बनी रहती है.

​
Image generation

Bundled google image-generation provider default रूप से google/gemini-3.1-flash-image-preview का उपयोग करता है.
  • google/gemini-3-pro-image-preview का भी समर्थन करता है
  • Generate: प्रति request अधिकतम 4 images
  • Edit mode: enabled, अधिकतम 5 input images
  • Geometry controls: size, aspectRatio, और resolution
Google को default image provider के रूप में उपयोग करने के लिए: 
{
  agents: {
    defaults: {
      imageGenerationModel: {
        primary: "google/gemini-3.1-flash-image-preview",
      },
    },
  },
}
Shared tool parameters, provider selection, और failover behavior के लिए Image Generation देखें.

​
Video generation

Bundled google plugin, shared video_generate tool के माध्यम से video generation भी register करता है.
  • Default video model: google/veo-3.1-fast-generate-preview
  • Modes: text-to-video, image-to-video, और single-video reference flows
  • aspectRatio (16:9, 9:16) और resolution (720P, 1080P) का समर्थन करता है; audio output आज Veo द्वारा supported नहीं है
  • Supported durations: 4, 6, या 8 seconds (अन्य values निकटतम allowed value पर snap होती हैं)
Google को default video provider के रूप में उपयोग करने के लिए: 
{
  agents: {
    defaults: {
      videoGenerationModel: {
        primary: "google/veo-3.1-fast-generate-preview",
      },
    },
  },
}
Shared tool parameters, provider selection, और failover behavior के लिए Video Generation देखें.

​
Music generation

Bundled google plugin, shared music_generate tool के माध्यम से music generation भी register करता है.
  • Default music model: google/lyria-3-clip-preview
  • google/lyria-3-pro-preview का भी समर्थन करता है
  • Prompt controls: lyrics और instrumental
  • Output format: default रूप से mp3, साथ ही google/lyria-3-pro-preview पर wav
  • Reference inputs: अधिकतम 10 images
  • Session-backed runs shared task/status flow के माध्यम से detach होते हैं, जिसमें action: "status" शामिल है
Google को default music provider के रूप में उपयोग करने के लिए: 
{
  agents: {
    defaults: {
      musicGenerationModel: {
        primary: "google/lyria-3-clip-preview",
      },
    },
  },
}
Shared tool parameters, provider selection, और failover behavior के लिए Music Generation देखें.

​
Text-to-speech

Bundled google speech provider, Gemini API TTS path का उपयोग करता है gemini-3.1-flash-tts-preview के साथ.
  • Default voice: Kore
  • Auth: messages.tts.providers.google.apiKey, models.providers.google.apiKey, GEMINI_API_KEY, या GOOGLE_API_KEY
  • Output: regular TTS attachments के लिए WAV, voice-note targets के लिए Opus, Talk/telephony के लिए PCM
  • Voice-note output: Google PCM को WAV के रूप में wrap किया जाता है और ffmpeg के साथ 48 kHz Opus में transcode किया जाता है
Google का batch Gemini TTS path completed generateContent response में generated audio लौटाता है. Lowest-latency spoken conversations के लिए, batch TTS के बजाय Gemini Live API द्वारा backed Google realtime voice provider का उपयोग करें. Google को default TTS provider के रूप में उपयोग करने के लिए: 
{
  messages: {
    tts: {
      auto: "always",
      provider: "google",
      providers: {
        google: {
          model: "gemini-3.1-flash-tts-preview",
          speakerVoice: "Kore",
          audioProfile: "Speak professionally with a calm tone.",
        },
      },
    },
  },
}
Gemini API TTS style control के लिए natural-language prompting का उपयोग करता है. Spoken text से पहले reusable style prompt prepend करने के लिए audioProfile सेट करें. जब आपका prompt text किसी named speaker को refer करता हो, तब speakerName सेट करें. Gemini API TTS text में expressive square-bracket audio tags भी स्वीकार करता है, जैसे [whispers] या [laughs]. Tags को visible chat reply से बाहर रखते हुए TTS को भेजने के लिए, उन्हें [[tts:text]]...[[/tts:text]] block के अंदर रखें: 
Here is the clean reply text.

[[tts:text]][whispers] Here is the spoken version.[[/tts:text]]
Gemini API तक restricted Google Cloud Console API key इस provider के लिए valid है. यह अलग Cloud Text-to-Speech API path नहीं है.

​
Realtime voice

Bundled google plugin, Voice Call और Google Meet जैसे backend audio bridges के लिए Gemini Live API द्वारा backed realtime voice provider register करता है.
सेटिंगकॉन्फ़िग पाथडिफ़ॉल्ट
मॉडलplugins.entries.voice-call.config.realtime.providers.google.modelgemini-2.5-flash-native-audio-preview-12-2025
वॉइस...google.voiceKore
तापमान...google.temperature(सेट नहीं)
VAD आरंभ संवेदनशीलता...google.startSensitivity(सेट नहीं)
VAD अंत संवेदनशीलता...google.endSensitivity(सेट नहीं)
मौन अवधि...google.silenceDurationMs(सेट नहीं)
गतिविधि हैंडलिंग...google.activityHandlingGoogle डिफ़ॉल्ट, start-of-activity-interrupts
टर्न कवरेज...google.turnCoverageGoogle डिफ़ॉल्ट, only-activity
स्वचालित VAD अक्षम करें...google.automaticActivityDetectionDisabledfalse
सेशन फिर से शुरू करना...google.sessionResumptiontrue
संदर्भ संपीड़न...google.contextWindowCompressiontrue
API कुंजी...google.apiKeymodels.providers.google.apiKey, GEMINI_API_KEY, या GOOGLE_API_KEY पर फ़ॉलबैक करता है
Voice Call रियलटाइम कॉन्फ़िग का उदाहरण: 
{
  plugins: {
    entries: {
      "voice-call": {
        enabled: true,
        config: {
          realtime: {
            enabled: true,
            provider: "google",
            providers: {
              google: {
                model: "gemini-2.5-flash-native-audio-preview-12-2025",
                speakerVoice: "Kore",
                activityHandling: "start-of-activity-interrupts",
                turnCoverage: "only-activity",
              },
            },
          },
        },
      },
    },
  },
}
Google Live API WebSocket पर द्विदिश ऑडियो और फ़ंक्शन कॉलिंग का उपयोग करता है। OpenClaw टेलीफ़ोनी/Meet ब्रिज ऑडियो को Gemini की PCM Live API स्ट्रीम के अनुरूप ढालता है और टूल कॉल को साझा रियलटाइम वॉइस कॉन्ट्रैक्ट पर रखता है। जब तक आपको सैंपलिंग बदलावों की ज़रूरत न हो, temperature को सेट न करें; OpenClaw गैर-सकारात्मक मानों को छोड़ देता है क्योंकि Google Live temperature: 0 के लिए ऑडियो के बिना ट्रांसक्रिप्ट लौटा सकता है। Gemini API ट्रांसक्रिप्शन languageCodes के बिना सक्षम है; वर्तमान Google SDK इस API पाथ पर भाषा-कोड संकेतों को अस्वीकार करता है।
Control UI Talk सीमित एक-बार उपयोग वाले टोकन के साथ Google Live ब्राउज़र सेशन का समर्थन करता है। केवल-बैकएंड रियलटाइम वॉइस प्रदाता सामान्य Gateway रिले ट्रांसपोर्ट के माध्यम से भी चल सकते हैं, जो प्रदाता क्रेडेंशियल को Gateway पर रखता है।
मेंटेनर लाइव सत्यापन के लिए, चलाएँ OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts. यह स्मोक OpenAI बैकएंड/WebRTC पाथ को भी कवर करता है; Google चरण वही सीमित Live API टोकन आकार जारी करता है जिसका उपयोग Control UI Talk करता है, ब्राउज़र WebSocket एंडपॉइंट खोलता है, शुरुआती सेटअप पेलोड भेजता है, और setupComplete की प्रतीक्षा करता है।

​
उन्नत कॉन्फ़िगरेशन

सीधे Gemini API रन (api: "google-generative-ai") के लिए, OpenClaw कॉन्फ़िगर किए गए cachedContent हैंडल को Gemini अनुरोधों तक पास करता है।
  • प्रति-मॉडल या वैश्विक पैरामीटर को इनमें से किसी एक के साथ कॉन्फ़िगर करें: cachedContent या लीगेसी cached_content
  • यदि दोनों मौजूद हैं, तो cachedContent प्रभावी होगा
  • उदाहरण मान: cachedContents/prebuilt-context
  • Gemini कैश-हिट उपयोग को अपस्ट्रीम cachedContentTokenCount से OpenClaw cacheRead में सामान्यीकृत किया जाता है
{
  agents: {
    defaults: {
      models: {
        "google/gemini-2.5-pro": {
          params: {
            cachedContent: "cachedContents/prebuilt-context",
          },
        },
      },
    },
  },
}
google-gemini-cli OAuth प्रदाता का उपयोग करते समय, OpenClaw डिफ़ॉल्ट रूप से Gemini CLI stream-json आउटपुट का उपयोग करता है और अंतिम stats पेलोड से उपयोग को सामान्यीकृत करता है। लीगेसी --output-format json ओवरराइड अब भी JSON पार्सर का उपयोग करते हैं।
  • स्ट्रीम किया गया उत्तर टेक्स्ट असिस्टेंट message इवेंट से आता है।
  • लीगेसी JSON आउटपुट के लिए, उत्तर टेक्स्ट CLI JSON response फ़ील्ड से आता है।
  • जब CLI usage को खाली छोड़ता है, तो उपयोग stats पर फ़ॉलबैक करता है।
  • stats.cached को OpenClaw cacheRead में सामान्यीकृत किया जाता है।
  • यदि stats.input अनुपस्थित है, तो OpenClaw इनपुट टोकन को stats.input_tokens - stats.cached से निकालता है।
यदि Gateway डेमन (launchd/systemd) के रूप में चलता है, तो सुनिश्चित करें कि GEMINI_API_KEY उस प्रक्रिया के लिए उपलब्ध है (उदाहरण के लिए, ~/.openclaw/.env में या env.shellEnv के माध्यम से)।

​
संबंधित

Model selection

प्रदाता, मॉडल रेफ़, और फ़ेलओवर व्यवहार चुनना।

Image generation

साझा इमेज टूल पैरामीटर और प्रदाता चयन।

Video generation

साझा वीडियो टूल पैरामीटर और प्रदाता चयन।

Music generation

साझा संगीत टूल पैरामीटर और प्रदाता चयन।