OpenClaw menggunakan ElevenLabs untuk teks-ke-ucapan, ucapan-ke-teks batch dengan Scribe
v2, dan STT streaming dengan Scribe v2 Realtime.
| Kemampuan | Permukaan OpenClaw | Bawaan |
|---|
| Teks-ke-ucapan | messages.tts / talk | eleven_multilingual_v2 |
| Ucapan-ke-teks batch | tools.media.audio | scribe_v2 |
| Ucapan-ke-teks streaming | streaming Panggilan Suara atau Google Meet realtime.transcriptionProvider | scribe_v2_realtime |
Autentikasi
Tetapkan ELEVENLABS_API_KEY di lingkungan. XI_API_KEY juga diterima untuk
kompatibilitas dengan tooling ElevenLabs yang sudah ada.
export ELEVENLABS_API_KEY="..."
Teks-ke-ucapan
{
messages: {
tts: {
providers: {
elevenlabs: {
apiKey: "${ELEVENLABS_API_KEY}",
speakerVoiceId: "pMsXgVXv3BLzUgSXRplE",
modelId: "eleven_multilingual_v2",
},
},
},
},
}
modelId ke eleven_v3 untuk menggunakan TTS ElevenLabs v3. OpenClaw mempertahankan
eleven_multilingual_v2 sebagai bawaan untuk instalasi yang sudah ada.
Kanal suara Discord menggunakan endpoint TTS streaming ElevenLabs saat ElevenLabs menjadi
penyedia voice.tts/messages.tts yang dipilih. Pemutaran dimulai dari
stream audio yang dikembalikan, alih-alih menunggu OpenClaw mengunduh dan menulis
seluruh file audio terlebih dahulu. latencyTier dipetakan ke parameter kueri
optimize_streaming_latency ElevenLabs untuk model yang menerimanya; OpenClaw
menghilangkan parameter tersebut untuk eleven_v3, yang menolaknya.
Ucapan-ke-teks
Gunakan Scribe v2 untuk lampiran audio masuk dan segmen suara rekaman pendek:
{
tools: {
media: {
audio: {
enabled: true,
models: [{ provider: "elevenlabs", model: "scribe_v2" }],
},
},
},
}
/v1/speech-to-text dengan
model_id: "scribe_v2". Petunjuk bahasa dipetakan ke language_code jika ada.
STT streaming
Plugin elevenlabs bawaan mendaftarkan Scribe v2 Realtime untuk Panggilan Suara dan
transkripsi streaming mode agen Google Meet.
| Pengaturan | Jalur konfigurasi | Bawaan |
|---|
| Kunci API | plugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKey | Beralih ke ELEVENLABS_API_KEY / XI_API_KEY jika tidak ada |
| Model | ...elevenlabs.modelId | scribe_v2_realtime |
| Format audio | ...elevenlabs.audioFormat | ulaw_8000 |
| Laju sampel | ...elevenlabs.sampleRate | 8000 |
| Strategi commit | ...elevenlabs.commitStrategy | vad |
| Bahasa | ...elevenlabs.languageCode | (tidak ditetapkan) |
{
plugins: {
entries: {
"voice-call": {
config: {
streaming: {
enabled: true,
provider: "elevenlabs",
providers: {
elevenlabs: {
apiKey: "${ELEVENLABS_API_KEY}",
audioFormat: "ulaw_8000",
commitStrategy: "vad",
languageCode: "en",
},
},
},
},
},
},
},
}
Panggilan Suara menerima media Twilio sebagai G.711 u-law 8 kHz. Penyedia realtime
ElevenLabs menggunakan ulaw_8000 secara default, sehingga frame telepon dapat diteruskan tanpa
transcoding.
plugins.entries.google-meet.config.realtime.transcriptionProvider ke
"elevenlabs" dan konfigurasikan blok penyedia yang sama di bawah
plugins.entries.google-meet.config.realtime.providers.elevenlabs.
Terkait
