メインコンテンツへスキップ
Deepgram は音声テキスト変換 API です。OpenClaw は tools.media.audio を通じた受信音声/ボイスメモの 文字起こしと、plugins.entries.voice-call.config.streaming を通じた Voice Call ストリーミング STT にこれを使用します。 バッチ文字起こしは完全な音声ファイルを Deepgram にアップロードし、 文字起こし結果を返信パイプライン（{{Transcript}} + [Audio] ブロック）に注入します。 Voice Call ストリーミングはライブの G.711 u-law フレームを Deepgram の WebSocket listen エンドポイントへ転送し、Deepgram が返すたびに部分/最終文字起こしを出力します。
詳細値
ウェブサイト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

1

API キーを設定する

DEEPGRAM_API_KEY=dg_...
2

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" }],
      },
    },
  },
}
3

ボイスメモを送信する

接続済みの任意のチャネルを通じて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、 文字起こし結果を返信パイプラインに注入します。

​
設定オプション

オプションパス説明
modeltools.media.audio.models[].modelDeepgram モデル ID（デフォルト: nova-3）
languagetools.media.audio.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 /listen リクエストへ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）: 
{
  tools: {
    media: {
      audio: {
        enabled: true,
        models: [{ provider: "deepgram", model: "nova-3", language: "en" }],
      },
    },
  },
}

​
Voice Call ストリーミング STT

バンドルされた 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.apiKeyDEEPGRAM_API_KEY にフォールバック
モデル...deepgram.modelnova-3
言語...deepgram.language（未設定）
エンコーディング...deepgram.encodingmulaw
サンプルレート...deepgram.sampleRate8000
エンドポイント処理...deepgram.endpointingMs800
暫定結果...deepgram.interimResultstrue
{
  plugins: {
    entries: {
      "voice-call": {
        config: {
          streaming: {
            enabled: true,
            provider: "deepgram",
            providers: {
              deepgram: {
                apiKey: "${DEEPGRAM_API_KEY}",
                model: "nova-3",
                endpointingMs: 800,
                language: "en-US",
              },
            },
          },
        },
      },
    },
  },
}
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はデフォルトで encoding: "mulaw" と sampleRate: 8000 を使用するため、 Twilio メディアフレームを直接転送できます。

​
メモ

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。
プロキシを使用する場合は、tools.media.audio.baseUrl と tools.media.audio.headers でエンドポイントまたはヘッダーを上書きします。
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、 文字起こし注入）に従います。

​
関連

メディアツール

音声、画像、動画処理パイプラインの概要。

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。

トラブルシューティング

よくある問題とデバッグ手順。

FAQ

OpenClaw セットアップに関するよくある質問。