Skip to main content
Azure Speech は、バンドルされている Azure AI Speech のテキスト読み上げプロバイダーです。OpenClaw は SSML を使用して Azure Speech REST API を直接呼び出し、標準の返信には MP3、 音声メモにはネイティブの Ogg/Opus、Voice Call などの電話チャネルには 8 kHz mulaw を合成します。リクエストでは、プロバイダーが管理する出力形式を X-Microsoft-OutputFormat ヘッダーで送信します。

​
はじめに

1

Azure Speech リソースを作成する

Azure portal 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。
2

tts で Azure Speech を選択する

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、チャネルが音声メモを必要とする場合は 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 tts.providers["azure-speech"] の下にあります。 apiKey に加えて、region、endpoint、または baseUrl のいずれかが設定されると、プロバイダーは設定済みとみなされます。 環境変数は、未設定のまま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。 ワークスペースの .env ファイルでは AZURE_SPEECH_ENDPOINT を設定できません。 エンドポイントのルーティングには、プロセス環境、グローバルランタイムの dotenv、 または明示的な設定を使用してください。

​
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（例: en-US-JennyNeural）を使用します。 バンドルされているプロバイダーは、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 ターゲットに Ogg/Opus を リクエストするため、チャネルは MP3 への追加変換なしでネイティブの音声バブルを送信できます。 また、電話ターゲットでは raw-8khz-8bit-mono-mulaw を強制します。
既存の設定では azure がプロバイダーのエイリアスとして受け付けられますが、 Azure OpenAI モデルプロバイダーとの混同を避けるため、新しい設定では azure-speech を使用してください。

​
関連項目

テキスト読み上げ

TTS の概要、プロバイダー、および tts の設定。

設定

tts の設定を含む、完全な設定リファレンス。

プロバイダー

OpenClaw にバンドルされているすべてのプロバイダー。

トラブルシューティング

一般的な問題とデバッグ手順。