ElevenLabs

OpenClaw usa ElevenLabs per la sintesi vocale, la trascrizione vocale in testo in batch con Scribe v2 e la trascrizione vocale in testo in streaming con Scribe v2 Realtime. Il Plugin è incluso e abilitato per impostazione predefinita; non è necessario alcun passaggio plugins install.

Funzionalità	Superficie OpenClaw	Valore predefinito
Sintesi vocale	`messages.tts` / `talk`	`eleven_multilingual_v2`
Trascrizione vocale in testo in batch	`tools.media.audio`	`scribe_v2`
Trascrizione vocale in testo in streaming	Streaming di Voice Call o `realtime.transcriptionProvider` di Google Meet	`scribe_v2_realtime`

Autenticazione

Imposta ELEVENLABS_API_KEY nell’ambiente. È accettata anche XI_API_KEY per garantire la 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 la sintesi vocale ElevenLabs v3. OpenClaw mantiene eleven_multilingual_v2 come valore predefinito per le installazioni esistenti. I canali vocali di Discord usano l’endpoint di sintesi vocale in streaming di ElevenLabs quando ElevenLabs è il provider voice.tts/messages.tts selezionato: la riproduzione inizia dal flusso audio restituito anziché attendere che OpenClaw scarichi prima l’intero file audio. latencyTier corrisponde al parametro di query optimize_streaming_latency di ElevenLabs per i modelli che lo accettano; OpenClaw omette tale parametro per eleven_v3, che lo rifiuta.

Trascrizione vocale in 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" }],
      },
    },
  },
}

OpenClaw invia audio multipart a /v1/speech-to-text di ElevenLabs con model_id: "scribe_v2". Le indicazioni sulla lingua vengono associate a language_code, se presenti.

Trascrizione vocale in testo 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	Valore 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 impostata)

{
  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 contenuti multimediali Twilio come G.711 u-law a 8 kHz. Il provider in tempo reale di ElevenLabs usa ulaw_8000 per impostazione predefinita, 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 del provider in plugins.entries.google-meet.config.realtime.providers.elevenlabs.

Overview

Concepts and configuration

Providers

Autenticazione

Sintesi vocale

Trascrizione vocale in testo

Trascrizione vocale in testo in streaming

Contenuti correlati

​Autenticazione

​Sintesi vocale

​Trascrizione vocale in testo

​Trascrizione vocale in testo in streaming

​Contenuti correlati

Autenticazione

Sintesi vocale

Trascrizione vocale in testo

Trascrizione vocale in testo in streaming

Contenuti correlati