Teks-ke-ucapan

​

Mulai cepat

{
  messages: {
    tts: {
      auto: "always",
      provider: "elevenlabs",
    },
  },
}

​

Penyedia yang didukung

​

Konfigurasi

{
  messages: {
    tts: {
      auto: "always",
      provider: "azure-speech",
      providers: {
        "azure-speech": {
          apiKey: "${AZURE_SPEECH_KEY}",
          region: "eastus",
          speakerVoice: "en-US-JennyNeural",
          lang: "en-US",
          outputFormat: "audio-24khz-48kbitrate-mono-mp3",
          voiceNoteOutputFormat: "ogg-24khz-16bit-mono-opus",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "elevenlabs",
      providers: {
        elevenlabs: {
          apiKey: "${ELEVENLABS_API_KEY}",
          model: "eleven_multilingual_v2",
          speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "google",
      providers: {
        google: {
          apiKey: "${GEMINI_API_KEY}",
          model: "gemini-3.1-flash-tts-preview",
          speakerVoice: "Kore",
          // Perintah gaya bahasa alami opsional:
          // audioProfile: "Bicaralah dengan nada tenang seperti pembawa acara podcast.",
          // speakerName: "Alex",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "gradium",
      providers: {
        gradium: {
          apiKey: "${GRADIUM_API_KEY}",
          speakerVoiceId: "YTpq7expH9539ERJ",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "inworld",
      providers: {
        inworld: {
          apiKey: "${INWORLD_API_KEY}",
          modelId: "inworld-tts-1.5-max",
          speakerVoiceId: "Sarah",
          temperature: 0.7,
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "tts-local-cli",
      providers: {
        "tts-local-cli": {
          command: "say",
          args: ["-o", "{{OutputPath}}", "{{Text}}"],
          outputFormat: "wav",
          timeoutMs: 120000,
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "microsoft",
      providers: {
        microsoft: {
          enabled: true,
          speakerVoice: "en-US-MichelleNeural",
          lang: "en-US",
          outputFormat: "audio-24khz-48kbitrate-mono-mp3",
          rate: "+0%",
          pitch: "+0%",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "minimax",
      providers: {
        minimax: {
          apiKey: "${MINIMAX_API_KEY}",
          model: "speech-2.8-hd",
          speakerVoiceId: "English_expressive_narrator",
          speed: 1.0,
          vol: 1.0,
          pitch: 0,
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "openai",
      summaryModel: "openai/gpt-4.1-mini",
      modelOverrides: { enabled: true },
      providers: {
        openai: {
          apiKey: "${OPENAI_API_KEY}",
          model: "gpt-4o-mini-tts",
          speakerVoice: "alloy",
        },
        elevenlabs: {
          apiKey: "${ELEVENLABS_API_KEY}",
          model: "eleven_multilingual_v2",
          speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",
          voiceSettings: { stability: 0.5, similarityBoost: 0.75, style: 0.0, useSpeakerBoost: true, speed: 1.0 },
          applyTextNormalization: "auto",
          languageCode: "en",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "openrouter",
      providers: {
        openrouter: {
          apiKey: "${OPENROUTER_API_KEY}",
          model: "hexgrad/kokoro-82m",
          speakerVoice: "af_alloy",
          responseFormat: "mp3",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "volcengine",
      providers: {
        volcengine: {
          apiKey: "${VOLCENGINE_TTS_API_KEY}",
          resourceId: "seed-tts-1.0",
          speakerVoice: "en_female_anna_mars_bigtts",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "xai",
      providers: {
        xai: {
          apiKey: "${XAI_API_KEY}",
          speakerVoiceId: "eve",
          language: "en",
          responseFormat: "mp3",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "xiaomi",
      providers: {
        xiaomi: {
          apiKey: "${XIAOMI_API_KEY}",
          model: "mimo-v2.5-tts",
          speakerVoice: "mimo_default",
          format: "mp3",
        },
      },
    },
  },
}

​

Penggantian suara per agen

{
  messages: {
    tts: {
      auto: "always",
      provider: "elevenlabs",
      providers: {
        elevenlabs: { apiKey: "${ELEVENLABS_API_KEY}", model: "eleven_multilingual_v2" },
      },
    },
  },
  agents: {
    list: [
      {
        id: "reader",
        tts: {
          providers: {
            elevenlabs: { speakerVoiceId: "EXAVITQu4vr4xnSDxMaL" },
          },
        },
      },
    ],
  },
}

1. messages.tts
2. agents.list[].tts aktif
3. penggantian saluran, ketika saluran mendukung channels.<channel>.tts
4. penggantian akun, ketika saluran meneruskan channels.<channel>.accounts.<id>.tts
5. preferensi /tts lokal untuk host ini
6. direktif [[tts:...]] sebaris ketika penggantian model diaktifkan

{
  messages: {
    tts: {
      provider: "openai",
      providers: {
        openai: { apiKey: "${OPENAI_API_KEY}", model: "gpt-4o-mini-tts" },
      },
    },
  },
  channels: {
    feishu: {
      accounts: {
        english: {
          tts: {
            providers: {
              openai: { speakerVoice: "shimmer" },
            },
          },
        },
      },
    },
  },
}

​

Persona

​

Persona minimal

{
  messages: {
    tts: {
      auto: "always",
      persona: "narrator",
      personas: {
        narrator: {
          label: "Narator",
          provider: "elevenlabs",
          providers: {
            elevenlabs: {
              speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",
              modelId: "eleven_multilingual_v2",
            },
          },
        },
      },
    },
  },
}

​

Persona lengkap (prompt netral terhadap penyedia)

{
  messages: {
    tts: {
      auto: "always",
      persona: "alfred",
      personas: {
        alfred: {
          label: "Alfred",
          description: "Narator kepala pelayan Inggris yang tenang, hangat, dan jenaka.",
          provider: "google",
          fallbackPolicy: "preserve-persona",
          prompt: {
            profile: "Kepala pelayan Inggris yang cerdas. Tenang, jenaka, hangat, menawan, ekspresif secara emosional, dan tidak pernah generik.",
            scene: "Ruang kerja yang tenang pada larut malam. Narasi dengan mikrofon dekat untuk operator tepercaya.",
            sampleContext: "Pembicara menjawab permintaan teknis pribadi dengan keyakinan yang ringkas dan kehangatan yang jenaka.",
            style: "Berkelas, bersahaja, sedikit geli.",
            accent: "Bahasa Inggris Britania.",
            pacing: "Terukur, dengan jeda dramatis singkat.",
            constraints: ["Jangan bacakan nilai konfigurasi.", "Jangan jelaskan persona."],
          },
          providers: {
            google: {
              model: "gemini-3.1-flash-tts-preview",
              speakerVoice: "Algieba",
              promptTemplate: "audio-profile-v1",
            },
            openai: { model: "gpt-4o-mini-tts", speakerVoice: "cedar" },
            elevenlabs: {
              speakerVoiceId: "voice_id",
              modelId: "eleven_multilingual_v2",
              seed: 42,
              voiceSettings: {
                stability: 0.65,
                similarityBoost: 0.8,
                style: 0.25,
                useSpeakerBoost: true,
                speed: 0.95,
              },
            },
          },
        },
      },
    },
  },
}

​

Resolusi persona

1. Preferensi lokal /tts persona <id>, jika diatur.
2. messages.tts.persona, jika diatur.
3. Tanpa persona.

1. Penggantian langsung (CLI, Gateway, Talk, direktif TTS yang diizinkan).
2. Preferensi lokal /tts provider <id>.
3. provider milik persona aktif.
4. messages.tts.provider.
5. Pemilihan otomatis dari registri.

1. messages.tts.providers.<id>
2. messages.tts.personas.<persona>.providers.<id>
3. Penggantian permintaan tepercaya
4. Penggantian direktif TTS yang dihasilkan model dan diizinkan

​

Cara penyedia menggunakan prompt persona

​

Kebijakan fallback

​

Direktif yang digerakkan model

Ini dia.

[[tts:speakerVoiceId=pMsXgVXv3BLzUgSXRplE model=eleven_v3 speed=1.1]]
[[tts:text]](tertawa) Bacakan lagu itu sekali lagi.[[/tts:text]]

• provider (ID penyedia terdaftar; memerlukan allowProvider: true)
• speakerVoice / speakerVoiceId (alias lama: voice, voiceName, voice_name, google_voice, voiceId)
• model / google_model
• stability, similarityBoost, style, speed, useSpeakerBoost
• vol / volume (volume MiniMax, (0, 10])
• pitch (nada bilangan bulat MiniMax, −12 hingga 12; nilai pecahan dipotong)
• emotion (tag emosi Volcengine)
• applyTextNormalization (auto|on|off)
• languageCode (ISO 639-1)
• seed

{ messages: { tts: { modelOverrides: { enabled: false } } } }

{ messages: { tts: { modelOverrides: { enabled: true, allowProvider: true, allowSeed: false } } } }

​

Perintah garis miring

/tts off | on | status
/tts chat on | off | default
/tts latest
/tts provider <id>
/tts persona <id> | off
/tts limit <chars>
/tts summary off
/tts audio <text>

• /tts on menulis preferensi TTS lokal ke always; /tts off menulisnya ke off.
• /tts chat on|off|default menulis penggantian TTS otomatis dengan cakupan sesi untuk percakapan saat ini.
• /tts persona <id> menulis preferensi persona lokal; /tts persona off menghapusnya.
• /tts latest membaca balasan asisten terbaru dari transkrip sesi saat ini dan mengirimkannya satu kali sebagai audio. Perintah ini hanya menyimpan hash balasan tersebut pada entri sesi untuk mencegah pengiriman suara duplikat.
• /tts audio menghasilkan balasan audio satu kali (dan tidak mengaktifkan TTS).
• /tts limit <chars> menerima 100–4096 (4096 adalah batas maksimum keterangan/pesan Telegram); nilai di luar rentang tersebut ditolak.
• limit dan summary disimpan dalam preferensi lokal, bukan konfigurasi utama.
• /tts status menyertakan diagnostik fallback untuk percobaan terbaru — Fallback: <primary> -> <used>, Attempts: ..., dan detail per percobaan (provider:outcome(reasonCode) latency).
• /status menampilkan mode TTS aktif beserta penyedia, model, suara, dan metadata titik akhir khusus yang telah disanitasi saat TTS diaktifkan.

​

Preferensi per pengguna

​

Format keluaran

• Transkode Feishu / WhatsApp: ketika balasan pesan suara diterima sebagai MP3/WebM/WAV/M4A atau berkas audio lain yang mungkin, Plugin kanal mentranskodenya menjadi Ogg/Opus 48 kHz dengan ffmpeg (libopus, 64 kbps) sebelum mengirim pesan suara native. WhatsApp mengirim hasilnya melalui payload audio Baileys dengan ptt: true dan audio/ogg; codecs=opus. Jika transkode gagal: Feishu menangkap galat dan kembali mengirimkan berkas asli sebagai lampiran biasa; WhatsApp tidak memiliki fallback, sehingga pengiriman itu sendiri gagal alih-alih memposting payload PTT yang tidak kompatibel.
• MiniMax: MP3 (model speech-2.8-hd, laju sampel 32 kHz) untuk lampiran audio normal; ditranskode menjadi Opus 48 kHz dengan ffmpeg untuk target pesan suara yang diiklankan kanal.
• Xiaomi MiMo: MP3 secara bawaan, atau WAV jika dikonfigurasi; ditranskode menjadi Opus 48 kHz dengan ffmpeg untuk target pesan suara yang diiklankan kanal.
• CLI lokal: menggunakan outputFormat yang dikonfigurasi. Target pesan suara dikonversi menjadi Ogg/Opus dan keluaran telefoni dikonversi menjadi PCM mono mentah 16 kHz dengan ffmpeg.
• Google Gemini: mengembalikan PCM mentah 24 kHz. OpenClaw membungkusnya sebagai WAV untuk lampiran audio, mentranskodenya menjadi Opus 48 kHz untuk target pesan suara, dan mengembalikan PCM secara langsung untuk Percakapan/telefoni.
• Gradium: WAV untuk lampiran audio, Opus untuk target pesan suara, dan ulaw_8000 pada 8 kHz untuk telefoni.
• Inworld: MP3 untuk lampiran audio normal, OGG_OPUS native untuk target pesan suara, dan PCM mentah pada 22050 Hz untuk Percakapan/telefoni.
• xAI: MP3 secara bawaan; sintesis berkas audio dapat menggunakan mp3, wav, pcm, mulaw, atau alaw untuk keluaran dengan buffering maupun streaming. Target pesan suara menggunakan MP3 untuk streaming dan fallback dengan buffering karena keluaran pcm, mulaw, dan alaw xAI merupakan audio mentah tanpa header. Sintesis dengan buffering menggunakan endpoint /v1/tts REST batch xAI; textToSpeechStream menggunakan wss://api.x.ai/v1/tts native. Ini bukan kontrak suara waktu nyata. Format pesan suara Opus native tidak didukung.
• Microsoft: menggunakan microsoft.outputFormat (bawaan audio-24khz-48kbitrate-mono-mp3).
  • Transport terpaket menerima outputFormat, tetapi tidak semua format tersedia dari layanan tersebut.
  • Nilai format keluaran mengikuti format keluaran Microsoft Speech (termasuk Ogg/WebM Opus).
  • Telegram sendVoice menerima OGG/MP3/M4A; gunakan OpenAI/ElevenLabs jika Anda memerlukan pesan suara Opus yang terjamin.
  • Jika format keluaran Microsoft yang dikonfigurasi gagal, OpenClaw mencoba kembali dengan MP3.
  • Jika tidak ada penggantian suara eksplisit yang ditetapkan dan suara bahasa Inggris bawaan digunakan, OpenClaw otomatis beralih ke suara neural bahasa Tionghoa (zh-CN-XiaoxiaoNeural, lokal zh-CN) jika teks balasan didominasi CJK.

​

Perilaku TTS otomatis

• Melewati TTS jika balasan sudah berisi media terstruktur.
• Melewati balasan yang sangat singkat (di bawah 10 karakter).
• Meringkas balasan panjang jika ringkasan diaktifkan, menggunakan summaryModel (atau agents.defaults.model.primary).
• Melampirkan audio yang dihasilkan ke balasan.
• Dalam mode: "final", tetap mengirim TTS hanya-audio untuk balasan akhir yang dialirkan setelah aliran teks selesai; media yang dihasilkan melalui normalisasi media kanal yang sama seperti lampiran balasan normal.

• Ringkasan aktif (bawaan) dan model ringkasan tersedia: meringkas teks menjadi sekitar maxLength karakter, lalu menyintesis ringkasan tersebut.
• Ringkasan nonaktif, peringkasan gagal, atau tidak tersedia kunci API untuk model ringkasan: memotong teks menjadi maxLength karakter dan menyintesis teks yang telah dipotong.

Balasan -> TTS diaktifkan?
  tidak -> kirim teks
  ya    -> memiliki media / singkat?
           ya    -> kirim teks
           tidak -> panjang > batas?
                    tidak -> TTS -> lampirkan audio
                    ya    -> ringkasan diaktifkan dan tersedia?
                             tidak -> potong -> TTS -> lampirkan audio
                             ya    -> ringkas -> TTS -> lampirkan audio

​

Referensi bidang

​

Alat agen

​

RPC Gateway

​

Tautan layanan

• Panduan teks ke ucapan OpenAI
• Referensi API Audio OpenAI
• Teks ke ucapan REST Azure Speech
• Penyedia Azure Speech
• Teks ke Ucapan ElevenLabs
• Autentikasi ElevenLabs
• Gradium
• API TTS Inworld
• API MiniMax T2A v2
• API HTTP TTS Volcengine
• Sintesis ucapan Xiaomi MiMo
• node-edge-tts
• Format keluaran Microsoft Speech
• Teks ke ucapan xAI

​

Terkait

• Ikhtisar media
• Pembuatan musik
• Pembuatan video
• Perintah garis miring
• Plugin panggilan suara