Deepgram

Deepgram は音声テキスト変換 API です。OpenClaw は、tools.media.audio を介した受信音声／ボイスノートの文字起こしと、plugins.entries.voice-call.config.streaming を介した Voice Call のストリーミング STT に使用します。バッチ文字起こしでは、音声ファイル全体を Deepgram にアップロードし、文字起こしを応答パイプライン（{{Transcript}} + [Audio] ブロック）に挿入します。 Voice Call ストリーミングでは、ライブの G.711 u-law フレームを Deepgram の WebSocket listen エンドポイント経由で転送し、Deepgram から返される途中および最終の文字起こしを出力します。

詳細	値
Web サイト	deepgram.com
ドキュメント	developers.deepgram.com
認証	`DEEPGRAM_API_KEY`
デフォルトモデル	`nova-3`

はじめに

API キーを設定する

DEEPGRAM_API_KEY=dg_...

音声プロバイダーを有効にする

{
  tools: {
    media: {
      audio: {
        enabled: true,
        models: [{ provider: "deepgram", model: "nova-3" }],
      },
    },
  },
}

ボイスノートを送信する

接続済みの任意のチャネルから音声メッセージを送信します。OpenClaw は Deepgram 経由で文字起こしし、その結果を応答パイプラインに挿入します。

設定オプション

オプション	パス	説明
`model`	`tools.media.models[].model`	Deepgram モデル ID（デフォルト：`nova-3`）
`language`	`tools.media.models[].language`	言語ヒント（任意）

providerOptions.deepgram は追加のクエリパラメーターを Deepgram の /listen リクエストに直接マージするため、Deepgram がサポートする任意のパラメーター名を使用できます（例：detect_language、punctuate、smart_format）。

言語ヒントを使用
Deepgram オプションを使用

{
  tools: {
    media: {
      audio: {
        enabled: true,
        models: [{ provider: "deepgram", model: "nova-3", language: "en" }],
      },
    },
  },
}

{
  tools: {
    media: {
      audio: {
        enabled: true,
        providerOptions: {
          deepgram: {
            detect_language: true,
            punctuate: true,
            smart_format: true,
          },
        },
        models: [{ provider: "deepgram", model: "nova-3" }],
      },
    },
  },
}

Voice Call ストリーミング STT

同梱の deepgram Plugin は、Voice Call Plugin 用のリアルタイム文字起こしプロバイダーも登録します。

設定	設定パス	デフォルト
API キー	`plugins.entries.voice-call.config.streaming.providers.deepgram.apiKey`	`DEEPGRAM_API_KEY` にフォールバック
ベース URL	`...deepgram.baseUrl`	`DEEPGRAM_BASE_URL` または Deepgram の公開 API
モデル	`...deepgram.model`	`nova-3`
言語	`...deepgram.language`	（未設定）
エンコーディング	`...deepgram.encoding`	`mulaw`
サンプルレート	`...deepgram.sampleRate`	`8000`
エンドポイント判定	`...deepgram.endpointingMs`	`800`
中間結果	`...deepgram.interimResults`	`true`

{
  plugins: {
    entries: {
      "voice-call": {
        config: {
          streaming: {
            enabled: true,
            provider: "deepgram",
            providers: {
              deepgram: {
                apiKey: "${DEEPGRAM_API_KEY}",
                model: "nova-3",
                endpointingMs: 800,
                language: "en-US",
              },
            },
          },
        },
      },
    },
  },
}

Deepgram カスタムエンドポイントを使用するには、 baseUrl を、/listen を含めず、ベースパスを含むエンドポイントルートに設定します。リアルタイムエンドポイントでは、http://、https://、ws://、wss:// を使用できます。HTTP は WS に、HTTPS は WSS にマッピングされ、明示的な WebSocket スキームは変更されません。不正な形式の URL やその他のスキームは、セッション設定中に失敗します。

Voice Call は、電話音声を 8 kHz G.711 u-law として受信します。Deepgram ストリーミングプロバイダーのデフォルトは encoding: "mulaw" と sampleRate: 8000 であるため、 Twilio メディアフレームを直接転送できます。

注記

認証

認証は標準のプロバイダー認証順序に従います。DEEPGRAM_API_KEY が最も簡単な方法です。

プロキシとカスタムエンドポイント

プロキシを使用する場合は、Deepgram の tools.media.models[] エントリでエンドポイントまたはヘッダーを上書きします。

出力動作

出力は、他のプロバイダーと同じ音声ルール（サイズ上限、タイムアウト、文字起こしの挿入）に従います。

メディアツール

音声、画像、動画の処理パイプラインの概要です。

設定

メディアツール設定を含む完全な設定リファレンスです。

トラブルシューティング

一般的な問題とデバッグ手順です。

よくある質問

OpenClaw のセットアップに関するよくある質問です。

Overview

Concepts and configuration

Providers

はじめに

設定オプション

Voice Call ストリーミング STT

注記

関連項目

メディアツール

設定

トラブルシューティング

よくある質問

​はじめに

​設定オプション

​Voice Call ストリーミング STT

​注記

​関連項目

メディアツール

設定

トラブルシューティング

よくある質問

はじめに

設定オプション

Voice Call ストリーミング STT

注記

関連項目