メインコンテンツへスキップ
Azure Speech は、バンドルされた Azure AI Speech のテキスト読み上げプロバイダーです。OpenClaw は SSML を使って Azure Speech REST API を直接呼び出し、標準の返信向けに MP3、 ボイスノート向けにネイティブ Ogg/Opus、Voice Call などの電話チャネル向けに 8 kHz mulaw を合成します。リクエストは、プロバイダー所有の出力形式を X-Microsoft-OutputFormat ヘッダーで送信します。
詳細値
プロバイダー IDazure-speech (エイリアス: azure)
Web サイトAzure AI Speech
ドキュメントSpeech REST text-to-speech
認証AZURE_SPEECH_KEY と AZURE_SPEECH_REGION
デフォルト音声en-US-JennyNeural
デフォルトファイル出力audio-24khz-48kbitrate-mono-mp3
デフォルトボイスノートファイルogg-24khz-16bit-mono-opus

​
はじめに

1

Azure Speech リソースを作成する

Azure ポータルで Speech リソースを作成します。 Resource Management > Keys and Endpoint から KEY 1 をコピーし、 eastus などのリソースの場所をコピーします。
AZURE_SPEECH_KEY=<speech-resource-key>
AZURE_SPEECH_REGION=eastus
2

messages.tts で Azure Speech を選択する

{
  messages: {
    tts: {
      auto: "always",
      provider: "azure-speech",
      providers: {
        "azure-speech": {
          voice: "en-US-JennyNeural",
          lang: "en-US",
        },
      },
    },
  },
}
3

メッセージを送信する

接続済みの任意のチャネルから返信を送信します。OpenClaw は Azure Speech で音声を合成し、 標準音声には MP3 を配信し、チャネルがボイスノートを想定している場合は Ogg/Opus を配信します。

​
設定オプション

すべてのオプションは messages.tts.providers["azure-speech"] の下にあります。
オプション説明
apiKeyAzure Speech リソースキー。AZURE_SPEECH_KEY、AZURE_SPEECH_API_KEY、または SPEECH_KEY にフォールバックします。
regionAzure Speech リソースリージョン。AZURE_SPEECH_REGION または SPEECH_REGION にフォールバックします。
endpoint任意の Azure Speech エンドポイント上書き。AZURE_SPEECH_ENDPOINT にフォールバックします。
baseUrl任意の Azure Speech ベース URL 上書き。
voiceAzure 音声の ShortName (デフォルト en-US-JennyNeural)。レガシーエイリアス: voiceId。
langSSML 言語コード (デフォルト en-US)。
outputFormat音声ファイル出力形式 (デフォルト audio-24khz-48kbitrate-mono-mp3)。
voiceNoteOutputFormatボイスノート出力形式 (デフォルト ogg-24khz-16bit-mono-opus)。
timeoutMsミリ秒単位のリクエストタイムアウト上書き。グローバルな messages.tts.timeoutMs にフォールバックします。
apiKey が設定され、さらに region、endpoint、または baseUrl のいずれかが設定されると、 このプロバイダーは設定済みと見なされます。環境変数は、未設定の設定キーに対するフォールバックとしてのみ確認されます。

​
注記

Azure Speech は Azure OpenAI キーではなく、Speech リソースキーを使用します。キーは Ocp-Apim-Subscription-Key として送信されます。endpoint または baseUrl を 指定しない限り、OpenClaw は region から https://<region>.tts.speech.microsoft.com を導出します。
Azure Speech 音声の ShortName 値を使用します。例: en-US-JennyNeural。バンドルされたプロバイダーは同じ Speech リソースを通じて 音声を一覧表示でき、非推奨、廃止済み、または無効としてマークされた音声を除外します。
Azure は audio-24khz-48kbitrate-mono-mp3、 ogg-24khz-16bit-mono-opus、riff-24khz-16bit-mono-pcm などの出力形式を受け付けます。OpenClaw は voice-note ターゲット向けに Ogg/Opus をリクエストするため、チャネルは追加の MP3 変換なしで ネイティブのボイスバブルを送信できます。また、電話ターゲット向けには raw-8khz-8bit-mono-mulaw を強制します。
既存の設定向けに azure はプロバイダーエイリアスとして受け付けられますが、新しい設定では Azure OpenAI モデルプロバイダーとの混同を避けるために azure-speech を使用してください。

​
関連

テキスト読み上げ

TTS の概要、プロバイダー、messages.tts 設定。

設定

messages.tts 設定を含む完全な設定リファレンス。

プロバイダー

バンドルされたすべての OpenClaw プロバイダー。

トラブルシューティング

よくある問題とデバッグ手順。