OpenClaw usa ElevenLabs per la sintesi vocale, la trascrizione batch da voce a testo con Scribe
v2 e lo STT in streaming con Scribe v2 Realtime.
| Funzionalità | Superficie OpenClaw | Predefinito |
|---|
| Sintesi vocale | messages.tts / talk | eleven_multilingual_v2 |
| Voce-testo batch | tools.media.audio | scribe_v2 |
| Voce-testo in streaming | Streaming di Voice Call o Google Meet realtime.transcriptionProvider | scribe_v2_realtime |
Autenticazione
Imposta ELEVENLABS_API_KEY nell’ambiente. XI_API_KEY è accettata anche per
compatibilità con gli strumenti ElevenLabs esistenti.
export ELEVENLABS_API_KEY="..."
Sintesi vocale
{
messages: {
tts: {
providers: {
elevenlabs: {
apiKey: "${ELEVENLABS_API_KEY}",
speakerVoiceId: "pMsXgVXv3BLzUgSXRplE",
modelId: "eleven_multilingual_v2",
},
},
},
},
}
modelId su eleven_v3 per usare ElevenLabs v3 TTS. OpenClaw mantiene
eleven_multilingual_v2 come predefinito per le installazioni esistenti.
I canali vocali Discord usano l’endpoint TTS in streaming di ElevenLabs quando
ElevenLabs è il provider voice.tts/messages.tts selezionato. La riproduzione
inizia dallo stream audio restituito invece di attendere che OpenClaw scarichi e
scriva prima l’intero file audio. latencyTier viene mappato al parametro di
query optimize_streaming_latency di ElevenLabs per i modelli che lo accettano;
OpenClaw omette quel parametro per eleven_v3, che lo rifiuta.
Trascrizione voce-testo
Usa Scribe v2 per gli allegati audio in ingresso e i brevi segmenti vocali registrati:
{
tools: {
media: {
audio: {
enabled: true,
models: [{ provider: "elevenlabs", model: "scribe_v2" }],
},
},
},
}
/v1/speech-to-text con
model_id: "scribe_v2". I suggerimenti sulla lingua vengono mappati a language_code quando presenti.
STT in streaming
Il Plugin elevenlabs incluso registra Scribe v2 Realtime per Voice Call e
la trascrizione in streaming in modalità agente di Google Meet.
| Impostazione | Percorso di configurazione | Predefinito |
|---|
| Chiave API | plugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKey | Ripiega su ELEVENLABS_API_KEY / XI_API_KEY |
| Modello | ...elevenlabs.modelId | scribe_v2_realtime |
| Formato audio | ...elevenlabs.audioFormat | ulaw_8000 |
| Frequenza di campionamento | ...elevenlabs.sampleRate | 8000 |
| Strategia di commit | ...elevenlabs.commitStrategy | vad |
| Lingua | ...elevenlabs.languageCode | (non impostato) |
{
plugins: {
entries: {
"voice-call": {
config: {
streaming: {
enabled: true,
provider: "elevenlabs",
providers: {
elevenlabs: {
apiKey: "${ELEVENLABS_API_KEY}",
audioFormat: "ulaw_8000",
commitStrategy: "vad",
languageCode: "en",
},
},
},
},
},
},
},
}
Voice Call riceve i media Twilio come G.711 u-law a 8 kHz. Il provider realtime
di ElevenLabs usa come predefinito ulaw_8000, quindi i frame di telefonia possono essere inoltrati senza
transcodifica.
plugins.entries.google-meet.config.realtime.transcriptionProvider su
"elevenlabs" e configura lo stesso blocco provider sotto
plugins.entries.google-meet.config.realtime.providers.elevenlabs.
Correlati
