Vai al contenuto principale

Documentation Index

Fetch the complete documentation index at: https://docs2.openclaw.ai/llms.txt

Use this file to discover all available pages before exploring further.

OpenClaw usa ElevenLabs per la sintesi vocale, la trascrizione batch da voce a testo con Scribe v2 e l’STT in streaming con Scribe v2 Realtime.
CapacitàSuperficie OpenClawPredefinito
Sintesi vocalemessages.tts / talkeleven_multilingual_v2
Trascrizione batch da voce a testotools.media.audioscribe_v2
Trascrizione da voce a testo in streamingStreaming Voice Call o Google Meet realtime.transcriptionProviderscribe_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}",
          voiceId: "pMsXgVXv3BLzUgSXRplE",
          modelId: "eleven_multilingual_v2",
        },
      },
    },
  },
}
Imposta 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 parte 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 ometta quel parametro per eleven_v3, che lo rifiuta.

​
Da voce a testo

Usa Scribe v2 per gli allegati audio in ingresso e brevi segmenti vocali registrati: 
{
  tools: {
    media: {
      audio: {
        enabled: true,
        models: [{ provider: "elevenlabs", model: "scribe_v2" }],
      },
    },
  },
}
OpenClaw invia audio multipart a ElevenLabs /v1/speech-to-text con model_id: "scribe_v2". Gli 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 per la trascrizione in streaming in modalità agente di Google Meet.
ImpostazionePercorso di configurazionePredefinito
Chiave APIplugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKeyRipiega su ELEVENLABS_API_KEY / XI_API_KEY
Modello...elevenlabs.modelIdscribe_v2_realtime
Formato audio...elevenlabs.audioFormatulaw_8000
Frequenza di campionamento...elevenlabs.sampleRate8000
Strategia di commit...elevenlabs.commitStrategyvad
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 ElevenLabs usa ulaw_8000 come predefinito, quindi i frame di telefonia possono essere inoltrati senza transcodifica.
Per la modalità agente di Google Meet, imposta 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