Deepgram

Deepgram to interfejs API zamiany mowy na tekst. OpenClaw używa go do transkrypcji przychodzących wiadomości audio/notatek głosowych za pośrednictwem tools.media.audio oraz do strumieniowego STT połączeń głosowych za pośrednictwem plugins.entries.voice-call.config.streaming. Transkrypcja wsadowa przesyła kompletny plik audio do Deepgram i wprowadza transkrypcję do potoku odpowiedzi (blok {{Transcript}} + [Audio]). Strumieniowanie połączeń głosowych przekazuje na żywo ramki G.711 u-law przez punkt końcowy WebSocket listen Deepgram i emituje częściowe/końcowe transkrypcje w miarę ich zwracania przez Deepgram.

Szczegół	Wartość
Witryna	deepgram.com
Dokumentacja	developers.deepgram.com
Uwierzytelnianie	`DEEPGRAM_API_KEY`
Model domyślny	`nova-3`

Pierwsze kroki

Ustaw klucz API

DEEPGRAM_API_KEY=dg_...

Włącz dostawcę audio

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

Wyślij notatkę głosową

Wyślij wiadomość audio przez dowolny połączony kanał. OpenClaw transkrybuje ją za pomocą Deepgram i wprowadza transkrypcję do potoku odpowiedzi.

Opcje konfiguracji

Opcja	Ścieżka	Opis
`model`	`tools.media.audio.models[].model`	Identyfikator modelu Deepgram (domyślnie: `nova-3`)
`language`	`tools.media.audio.models[].language`	Wskazówka dotycząca języka (opcjonalna)

providerOptions.deepgram scala dodatkowe parametry zapytania bezpośrednio z żądaniem /listen Deepgram, dlatego działa każda nazwa parametru obsługiwana przez Deepgram (na przykład detect_language, punctuate, smart_format):

Ze wskazówką dotyczącą języka
Z opcjami Deepgram

{
  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" }],
      },
    },
  },
}

Strumieniowe STT połączeń głosowych

Dołączony Plugin deepgram rejestruje również dostawcę transkrypcji w czasie rzeczywistym dla Pluginu połączeń głosowych.

Ustawienie	Ścieżka konfiguracji	Wartość domyślna
Klucz API	`plugins.entries.voice-call.config.streaming.providers.deepgram.apiKey`	W razie braku używa `DEEPGRAM_API_KEY`
Bazowy adres URL	`...deepgram.baseUrl`	`DEEPGRAM_BASE_URL` lub publiczne API Deepgram
Model	`...deepgram.model`	`nova-3`
Język	`...deepgram.language`	(nie ustawiono)
Kodowanie	`...deepgram.encoding`	`mulaw`
Częstotliwość próbkowania	`...deepgram.sampleRate`	`8000`
Wyznaczanie końca wypowiedzi	`...deepgram.endpointingMs`	`800`
Wyniki pośrednie	`...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",
              },
            },
          },
        },
      },
    },
  },
}

W przypadku niestandardowego punktu końcowego Deepgram ustaw baseUrl na katalog główny punktu końcowego, uwzględniając ścieżkę bazową, ale bez /listen. Punkty końcowe czasu rzeczywistego akceptują http://, https://, ws:// i wss://. HTTP jest mapowany na WS, HTTPS na WSS, a jawnie określone schematy WebSocket pozostają bez zmian. Nieprawidłowe adresy URL i inne schematy powodują błąd podczas konfigurowania sesji.

Połączenia głosowe odbierają dźwięk telefoniczny w formacie 8 kHz G.711 u-law. Dostawca strumieniowy Deepgram domyślnie używa encoding: "mulaw" i sampleRate: 8000, dzięki czemu ramki multimedialne Twilio można przekazywać bezpośrednio.

Uwagi

Uwierzytelnianie

Uwierzytelnianie przebiega zgodnie ze standardową kolejnością uwierzytelniania dostawców. DEEPGRAM_API_KEY to najprostsza ścieżka.

Serwer proxy i niestandardowe punkty końcowe

Podczas korzystania z serwera proxy nadpisz punkty końcowe lub nagłówki za pomocą tools.media.audio.baseUrl i tools.media.audio.headers.

Sposób generowania danych wyjściowych

Dane wyjściowe podlegają tym samym regułom dotyczącym audio co u innych dostawców (limity rozmiaru, limity czasu, wprowadzanie transkrypcji).

Powiązane

Narzędzia multimedialne

Omówienie potoku przetwarzania dźwięku, obrazów i filmów.

Konfiguracja

Pełna dokumentacja konfiguracji, w tym ustawień narzędzi multimedialnych.

Rozwiązywanie problemów

Typowe problemy i kroki diagnostyczne.

Często zadawane pytania

Często zadawane pytania dotyczące konfiguracji OpenClaw.

Overview

Concepts and configuration

Providers

Pierwsze kroki

Opcje konfiguracji

Strumieniowe STT połączeń głosowych

Uwagi

Powiązane

Narzędzia multimedialne

Konfiguracja

Rozwiązywanie problemów

Często zadawane pytania

​Pierwsze kroki

​Opcje konfiguracji

​Strumieniowe STT połączeń głosowych

​Uwagi

​Powiązane

Narzędzia multimedialne

Konfiguracja

Rozwiązywanie problemów

Często zadawane pytania

Pierwsze kroki

Opcje konfiguracji

Strumieniowe STT połączeń głosowych

Uwagi

Powiązane