openai, dla obu kształtów uwierzytelniania.
OpenClaw używa openai/* jako kanonicznej trasy modeli OpenAI. Osadzone tury agentów
na modelach OpenAI domyślnie działają przez natywne środowisko uruchomieniowe serwera aplikacji Codex;
bezpośrednie uwierzytelnianie kluczem API OpenAI pozostaje dostępne dla nieagentowych
powierzchni OpenAI, takich jak obrazy, osadzania, mowa i realtime.
- Modele agentów - modele
openai/*przez środowisko uruchomieniowe Codex; zaloguj się przy użyciu uwierzytelniania Codex do korzystania z subskrypcji ChatGPT/Codex albo skonfiguruj zgodny z Codex zapasowy profil klucza API OpenAI, gdy celowo chcesz używać uwierzytelniania kluczem API. - Nieagentowe API OpenAI - bezpośredni dostęp do OpenAI Platform z rozliczaniem
na podstawie użycia przez
OPENAI_API_KEYalbo wdrożenie klucza API OpenAI. - Konfiguracja legacy - starsze odwołania do modeli Codex są naprawiane przez
openclaw doctor --fixdoopenai/*oraz środowiska uruchomieniowego Codex.
Szybki wybór
| Cel | Użyj | Uwagi |
|---|---|---|
| Subskrypcja ChatGPT/Codex z natywnym środowiskiem uruchomieniowym Codex | openai/gpt-5.5 | Domyślna konfiguracja agenta OpenAI. Zaloguj się przy użyciu uwierzytelniania Codex. |
| Ograniczona wersja zapoznawcza GPT-5.6 | openai/gpt-5.6-sol, -terra lub -luna | Wymaga organizacji API zatwierdzonej przez OpenAI albo obszaru roboczego Codex. |
| Bezpośrednie rozliczanie kluczem API dla modeli agentów | openai/gpt-5.5 plus zgodny z Codex profil klucza API | Użyj auth.order.openai, aby umieścić zapas po uwierzytelnianiu subskrypcyjnym. |
| Bezpośrednie rozliczanie kluczem API przez jawne OpenClaw | openai/gpt-5.5 plus środowisko uruchomieniowe dostawcy/modelu openclaw | Wybierz normalny profil klucza API openai. |
| Najnowszy alias API ChatGPT Instant | openai/chat-latest | Tylko bezpośredni klucz API. Ruchomy alias do eksperymentów, nie domyślny. |
| Uwierzytelnianie subskrypcji ChatGPT/Codex przez OpenClaw | openai/gpt-5.5 plus środowisko uruchomieniowe dostawcy/modelu openclaw | Wybierz profil OAuth openai dla trasy zgodności. |
| Generowanie lub edycja obrazów | openai/gpt-image-2 | Działa z OPENAI_API_KEY albo OAuth OpenAI Codex. |
| Obrazy z przezroczystym tłem | openai/gpt-image-1.5 | Użyj outputFormat=png lub webp i openai.background=transparent. |
Mapa nazw
Nazwy są podobne, ale nie są zamienne:| Nazwa, którą widzisz | Warstwa | Znaczenie |
|---|---|---|
openai | Prefiks dostawcy | Kanoniczna trasa modeli OpenAI; tury agentów używają środowiska uruchomieniowego Codex. |
| starszy prefiks OpenAI Codex | Starszy prefiks | Starsza przestrzeń nazw modeli/profili. openclaw doctor --fix migruje ją do openai. |
Plugin codex | Plugin | Dołączony Plugin OpenClaw, który udostępnia natywne środowisko uruchomieniowe serwera aplikacji Codex i kontrolki czatu /codex. |
dostawca/model agentRuntime.id: codex | Środowisko uruchomieniowe agenta | Wymusza natywną uprząż serwera aplikacji Codex dla pasujących osadzonych tur. |
/codex ... | Zestaw poleceń czatu | Powiąż/kontroluj wątki serwera aplikacji Codex z rozmowy. |
runtime: "acp", agentId: "codex" | Trasa sesji ACP | Jawna ścieżka awaryjna, która uruchamia Codex przez ACP/acpx. |
openai/*, podczas gdy
profile uwierzytelniania wskazują na dane uwierzytelniające klucza API albo OAuth ChatGPT/Codex. Użyj
auth.order.openai do konfiguracji; openclaw doctor --fix przepisuje starsze
starsze odwołania do modeli Codex, starsze identyfikatory profili uwierzytelniania Codex i
starszą kolejność uwierzytelniania Codex na kanoniczną trasę OpenAI.
GPT-5.5 jest dostępny zarówno przez bezpośredni dostęp kluczem API OpenAI Platform, jak i
trasy subskrypcji/OAuth. Dla subskrypcji ChatGPT/Codex oraz natywnego wykonywania Codex
użyj
openai/gpt-5.5; nieustawiona konfiguracja środowiska uruchomieniowego wybiera teraz uprząż Codex
dla tur agentów OpenAI. Używaj profili klucza API OpenAI tylko wtedy, gdy chcesz
bezpośredniego uwierzytelniania kluczem API dla modelu agenta OpenAI.Ograniczona wersja zapoznawcza GPT-5.6
OpenClaw rozpoznaje trzy publiczne identyfikatory modeli GPT-5.6:openai/gpt-5.6-solopenai/gpt-5.6-terraopenai/gpt-5.6-luna
max w bieżącym katalogu serwera aplikacji Codex. Komunikat
OpenAI o premierze opisuje Sol jako poziom flagowy, Terra jako poziom
zrównoważony, a Luna jako szybki poziom o niższym koszcie. Zobacz
komunikat o premierze GPT-5.6
i przewodnik dostępu do wersji zapoznawczej.
Dostęp jest przyznawany z listy dozwolonych podczas wersji zapoznawczej i może być nadany osobno dla
API oraz Codex. Sam płatny plan ChatGPT nie daje dostępu. OpenClaw zachowuje
openai/gpt-5.5 jako domyślne; wybranie odwołania GPT-5.6 bez dostępu zwraca
błąd dostępu z upstreamu zamiast cicho przełączać się na alternatywę.
Tury modeli agentów OpenAI wymagają dołączonego Plugin serwera aplikacji Codex. Jawna
konfiguracja środowiska uruchomieniowego OpenClaw pozostaje dostępna jako opcjonalna trasa zgodności. Gdy OpenClaw jest
jawnie wybrane z profilem OAuth
openai, OpenClaw zachowuje
publiczne odwołanie do modelu jako openai/* i wewnętrznie trasuje przez transport
uwierzytelniania Codex. Uruchom openclaw doctor --fix, aby naprawić nieaktualne
starsze odwołania do modeli Codex, codex-cli/* albo stare przypięcia sesji środowiska uruchomieniowego, które nie pochodzą z
jawnej konfiguracji środowiska uruchomieniowego.Zakres funkcji OpenClaw
| Możliwość OpenAI | Powierzchnia OpenClaw | Status |
|---|---|---|
| Czat / Responses | dostawca modelu openai/<model> | Tak |
| Modele subskrypcji Codex | openai/<model> z OpenAI OAuth | Tak |
| Starsze odwołania do modeli Codex | starsze odwołania do modeli Codex lub codex-cli/<model> | Naprawiane przez doctor do openai/<model> |
| Uprząż serwera aplikacji Codex | openai/<model> z pominiętym środowiskiem uruchomieniowym albo agentRuntime.id: codex dostawcy/modelu | Tak |
| Wyszukiwanie w sieci po stronie serwera | Natywne narzędzie OpenAI Responses | Tak, gdy wyszukiwanie w sieci jest włączone i nie przypięto dostawcy |
| Obrazy | image_generate | Tak |
| Wideo | video_generate | Tak |
| Tekst na mowę | messages.tts.provider: "openai" / tts | Tak |
| Wsadowa mowa na tekst | tools.media.audio / rozumienie mediów | Tak |
| Strumieniowa mowa na tekst | Voice Call streaming.provider: "openai" | Tak |
| Głos realtime | Voice Call realtime.provider: "openai" / Control UI Talk talk.realtime.provider: "openai" | Tak (wymaga środków OpenAI Platform, nie subskrypcji Codex/ChatGPT) |
| Osadzania | dostawca osadzania pamięci | Tak |
Głos realtime OpenAI (używany przez
realtime.provider: "openai" w Voice Call i
Control UI Talk z talk.realtime.provider: "openai") przechodzi przez
publiczne API Realtime OpenAI Platform, rozliczane ze środków OpenAI
Platform zamiast z limitu subskrypcji Codex/ChatGPT. Konto
ze zdrowym OAuth OpenAI, które bez problemów uruchamia modele czatu wspierane przez Codex,
nadal potrzebuje profilu uwierzytelniania kluczem API OpenAI albo klucza API Platform z opłaconym
rozliczaniem Platform dla głosu realtime.Naprawa: doładuj środki Platform na
platform.openai.com/account/billing
dla organizacji obsługującej twoje dane uwierzytelniające realtime. Głos realtime akceptuje
profil uwierzytelniania kluczem API openai utworzony przez openclaw onboard --auth-choice openai-api-key,
klucz Platform OPENAI_API_KEY skonfigurowany przez talk.realtime.providers.openai.apiKey
dla Control UI Talk, plugins.entries.voice-call.config.realtime.providers.openai.apiKey
dla Voice Call albo zmienną środowiskową OPENAI_API_KEY. Profile OAuth OpenAI
nadal mogą uruchamiać wspierane przez Codex modele czatu openai/* w tej samej
instalacji OpenClaw, ale nie konfigurują głosu realtime.Osadzania pamięci
OpenClaw może używać OpenAI albo zgodnego z OpenAI punktu końcowego osadzania do indeksowaniamemory_search i osadzań zapytań:
queryInputType i documentInputType pod memorySearch. OpenClaw przekazuje
je jako specyficzne dla dostawcy pola żądania input_type: osadzania zapytań używają
queryInputType; zaindeksowane fragmenty pamięci i indeksowanie wsadowe używają
documentInputType. Zobacz odwołanie konfiguracji pamięci, aby poznać pełny przykład.
Pierwsze kroki
Wybierz preferowaną metodę uwierzytelniania i wykonaj kroki konfiguracji.- Klucz API (OpenAI Platform)
- Subskrypcja Codex
Najlepsze dla: bezpośredniego dostępu do API i rozliczania na podstawie użycia.
Aby wypróbować bieżący model Instant ChatGPT z API OpenAI, ustaw model
na
Uzyskaj klucz API
Utwórz albo skopiuj klucz API z panelu OpenAI Platform.
Podsumowanie tras
| Odwołanie do modelu | Konfiguracja środowiska wykonawczego | Trasa | Uwierzytelnianie |
|---|---|---|---|
openai/gpt-5.5 | pominięta / provider/model agentRuntime.id: "codex" | mechanizm app-server Codex | profil OpenAI zgodny z Codex |
openai/gpt-5.4-mini | pominięta / provider/model agentRuntime.id: "codex" | mechanizm app-server Codex | profil OpenAI zgodny z Codex |
openai/gpt-5.5 | provider/model agentRuntime.id: "openclaw" | osadzone środowisko wykonawcze OpenClaw | wybrany profil openai |
Modele agentów
openai/* używają mechanizmu app-server Codex. Aby używać
uwierzytelniania kluczem API dla modelu agenta, utwórz profil klucza API
zgodny z Codex i ustaw jego kolejność przez auth.order.openai; OPENAI_API_KEY
pozostaje bezpośrednim mechanizmem awaryjnym dla powierzchni API OpenAI
innych niż agenty. Uruchom openclaw doctor --fix, aby zmigrować starsze
wpisy kolejności uwierzytelniania starszego typu Codex.Przykład konfiguracji
openai/chat-latest:chat-latest to ruchomy alias. OpenAI dokumentuje go jako najnowszy model
Instant używany w ChatGPT i zaleca gpt-5.5 do produkcyjnego użycia API, więc
zachowaj openai/gpt-5.5 jako stabilną wartość domyślną, chyba że wyraźnie
chcesz zachowania tego aliasu. Alias obecnie akceptuje tylko medium dla
szczegółowości tekstu, więc OpenClaw normalizuje niezgodne nadpisania
szczegółowości tekstu OpenAI dla tego modelu.Natywne uwierzytelnianie app-server Codex
Natywny mechanizm app-server Codex używa odwołań do modeliopenai/* oraz pominiętej
konfiguracji środowiska wykonawczego lub provider/model agentRuntime.id: "codex", ale jego uwierzytelnianie
nadal opiera się na koncie. OpenClaw wybiera uwierzytelnianie w tej kolejności:
- Uporządkowane profile uwierzytelniania OpenAI dla agenta, najlepiej pod
auth.order.openai. Uruchomopenclaw doctor --fix, aby zmigrować starsze identyfikatory profili uwierzytelniania starszego typu Codex i starszą kolejność uwierzytelniania Codex. - Istniejące konto app-server, takie jak lokalne logowanie ChatGPT w Codex CLI.
- Tylko dla lokalnych uruchomień app-server stdio:
CODEX_API_KEY, a następnieOPENAI_API_KEY, gdy app-server nie zgłasza konta i nadal wymaga uwierzytelniania OpenAI.
OPENAI_API_KEY dla bezpośrednich modeli OpenAI
lub osadzeń. Awaryjny klucz API ze zmiennej środowiskowej to tylko lokalna ścieżka stdio bez konta; nie jest
wysyłany do połączeń WebSocket app-server. Gdy wybrany jest profil Codex
w stylu subskrypcji, OpenClaw także nie przekazuje CODEX_API_KEY ani OPENAI_API_KEY
do uruchomionego procesu podrzędnego stdio app-server i wysyła wybrane poświadczenia
przez RPC logowania app-server. Gdy ten profil subskrypcji jest blokowany przez
limit użycia Codex, OpenClaw może przełączyć się na następny uporządkowany profil klucza API
openai:* bez zmiany wybranego modelu ani opuszczania mechanizmu Codex.
Po upływie czasu resetu subskrypcji profil subskrypcji znów się kwalifikuje.
Generowanie obrazów
Dołączony Pluginopenai rejestruje generowanie obrazów przez narzędzie image_generate.
Obsługuje zarówno generowanie obrazów za pomocą klucza API OpenAI, jak i generowanie obrazów
przez OAuth Codex za pomocą tego samego odwołania do modelu openai/gpt-image-2.
| Możliwość | Klucz API OpenAI | Codex OAuth |
|---|---|---|
| Odwołanie modelu | openai/gpt-image-2 | openai/gpt-image-2 |
| Uwierzytelnianie | OPENAI_API_KEY | Logowanie OpenAI Codex OAuth |
| Transport | OpenAI Images API | Backend Codex Responses |
| Maks. liczba obrazów na żądanie | 4 | 4 |
| Tryb edycji | Włączony (do 5 obrazów referencyjnych) | Włączony (do 5 obrazów referencyjnych) |
| Nadpisania rozmiaru | Obsługiwane, w tym rozmiary 2K/4K | Obsługiwane, w tym rozmiary 2K/4K |
| Proporcje / rozdzielczość | Nieprzekazywane do OpenAI Images API | Mapowane na obsługiwany rozmiar, gdy jest to bezpieczne |
Zobacz Generowanie obrazów, aby poznać wspólne parametry narzędzia, wybór dostawcy i zachowanie przełączania awaryjnego.
gpt-image-2 jest domyślny zarówno dla generowania obrazów z tekstu OpenAI, jak i
edycji obrazów. gpt-image-1.5, gpt-image-1 i gpt-image-1-mini pozostają dostępne jako
jawne nadpisania modelu. Użyj openai/gpt-image-1.5 dla wyjścia
PNG/WebP z przezroczystym tłem; bieżące API gpt-image-2 odrzuca
background: "transparent".
W przypadku żądania z przezroczystym tłem agenci powinni wywołać image_generate z
model: "openai/gpt-image-1.5", outputFormat: "png" lub "webp" oraz
background: "transparent"; starsza opcja dostawcy openai.background jest
nadal akceptowana. OpenClaw chroni też publiczne ścieżki OpenAI i
OpenAI Codex OAuth, przepisując domyślne przezroczyste żądania openai/gpt-image-2
na gpt-image-1.5; Azure i niestandardowe punkty końcowe zgodne z OpenAI zachowują
skonfigurowane nazwy wdrożeń/modeli.
To samo ustawienie jest dostępne dla bezgłowych uruchomień CLI:
--output-format i --background z
openclaw infer image edit, gdy zaczynasz od pliku wejściowego.
--openai-background pozostaje dostępne jako alias specyficzny dla OpenAI.
Użyj --quality low|medium|high|auto, gdy musisz kontrolować jakość i koszt
OpenAI Images. Użyj --openai-moderation low|auto, aby przekazać
specyficzną dla dostawcy wskazówkę moderacji OpenAI z image generate albo image edit.
W przypadku instalacji ChatGPT/Codex OAuth zachowaj to samo odwołanie openai/gpt-image-2. Gdy
skonfigurowany jest profil OAuth openai, OpenClaw rozwiązuje zapisany token dostępu
OAuth i wysyła żądania obrazów przez backend Codex Responses. Nie próbuje najpierw
OPENAI_API_KEY ani po cichu nie wraca do klucza API dla tego żądania.
Skonfiguruj models.providers.openai jawnie z kluczem API,
niestandardowym bazowym URL-em albo punktem końcowym Azure, gdy chcesz zamiast tego użyć
bezpośredniej ścieżki OpenAI Images API.
Jeśli ten niestandardowy punkt końcowy obrazów znajduje się w zaufanej sieci LAN/adresacji prywatnej, ustaw też
browser.ssrfPolicy.dangerouslyAllowPrivateNetwork: true; OpenClaw utrzymuje
prywatne/wewnętrzne punkty końcowe obrazów zgodne z OpenAI zablokowane, chyba że ta zgoda
jest obecna.
Generowanie:
Generowanie wideo
Dołączony Pluginopenai rejestruje generowanie wideo przez narzędzie video_generate.
| Możliwość | Wartość |
|---|---|
| Model domyślny | openai/sora-2 |
| Tryby | Tekst-na-wideo, obraz-na-wideo, edycja pojedynczego wideo |
| Wejścia referencyjne | 1 obraz lub 1 wideo |
| Nadpisania rozmiaru | Obsługiwane dla tekst-na-wideo i obraz-na-wideo |
| Inne nadpisania | aspectRatio, resolution, audio, watermark są ignorowane z ostrzeżeniem narzędzia |
POST /v1/videos z obrazem
input_reference. Edycje pojedynczego wideo używają POST /v1/videos/edits z
przesłanym wideo w polu video.
Zobacz Generowanie wideo, aby poznać wspólne parametry narzędzia, wybór dostawcy i zachowanie przełączania awaryjnego.
Wkład do promptu GPT-5
OpenClaw dodaje wspólny wkład do promptu GPT-5 dla uruchomień z rodziny GPT-5 na powierzchniach promptów składanych przez OpenClaw. Ma zastosowanie według identyfikatora modelu, więc ścieżki OpenClaw/dostawcy, takie jak starsze odwołania sprzed naprawy (starsze odwołanie Codex GPT-5.5),openrouter/openai/gpt-5.5, opencode/gpt-5.5 i inne zgodne odwołania GPT-5 otrzymują tę samą nakładkę. Starsze modele GPT-4.x jej nie otrzymują.
Dołączony natywny harness Codex nie otrzymuje tej nakładki OpenClaw GPT-5 przez instrukcje deweloperskie serwera aplikacji Codex. Natywny Codex zachowuje bazę, model i zachowanie dokumentów projektu należące do Codex, a OpenClaw wyłącza wbudowaną osobowość Codex dla natywnych wątków, aby pliki osobowości obszaru roboczego agenta pozostały nadrzędne. OpenClaw wnosi tylko kontekst środowiska uruchomieniowego, taki jak dostarczanie kanałem, dynamiczne narzędzia OpenClaw, delegowanie ACP, kontekst obszaru roboczego i OpenClaw Skills.
Wkład GPT-5 dodaje otagowany kontrakt zachowania dotyczący trwałości persony, bezpieczeństwa wykonywania, dyscypliny narzędzi, kształtu wyjścia, kontroli ukończenia i weryfikacji na pasujących promptach składanych przez OpenClaw. Zachowanie odpowiedzi specyficzne dla kanału i wiadomości cichych pozostaje we wspólnym prompcie systemowym OpenClaw i zasadach dostarczania wychodzącego. Warstwa przyjaznego stylu interakcji jest osobna i konfigurowalna.
| Wartość | Efekt |
|---|---|
"friendly" (domyślnie) | Włącza warstwę przyjaznego stylu interakcji |
"on" | Alias dla "friendly" |
"off" | Wyłącza tylko warstwę przyjaznego stylu |
- Konfiguracja
- CLI
Starsze
plugins.entries.openai.config.personality jest nadal odczytywane jako awaryjna zgodność, gdy wspólne ustawienie agents.defaults.promptOverlays.gpt5.personality nie jest ustawione.Głos i mowa
Synteza mowy (TTS)
Synteza mowy (TTS)
Dołączony Plugin
Dostępne modele:
openai rejestruje syntezę mowy dla powierzchni messages.tts.| Ustawienie | Ścieżka konfiguracji | Domyślnie |
|---|---|---|
| Model | messages.tts.providers.openai.model | gpt-4o-mini-tts |
| Głos | messages.tts.providers.openai.speakerVoice | coral |
| Szybkość | messages.tts.providers.openai.speed | (nieustawione) |
| Instrukcje | messages.tts.providers.openai.instructions | (nieustawione, tylko gpt-4o-mini-tts) |
| Format | messages.tts.providers.openai.responseFormat | opus dla notatek głosowych, mp3 dla plików |
| Klucz API | messages.tts.providers.openai.apiKey | Wraca do OPENAI_API_KEY |
| Bazowy URL | messages.tts.providers.openai.baseUrl | https://api.openai.com/v1 |
| Dodatkowe body | messages.tts.providers.openai.extraBody / extra_body | (nieustawione) |
gpt-4o-mini-tts, tts-1, tts-1-hd. Dostępne głosy: alloy, ash, ballad, cedar, coral, echo, fable, juniper, marin, onyx, nova, sage, shimmer, verse.extraBody jest scalane z JSON-em żądania /audio/speech po polach wygenerowanych przez OpenClaw, więc używaj go dla punktów końcowych zgodnych z OpenAI, które wymagają dodatkowych kluczy, takich jak lang. Klucze prototypu są ignorowane.Ustaw
OPENAI_TTS_BASE_URL, aby nadpisać bazowy URL TTS bez wpływu na punkt końcowy API czatu. OpenAI TTS i głos Realtime są konfigurowane przez klucz API OpenAI Platform; instalacje wyłącznie OAuth nadal mogą używać modeli czatu wspieranych przez Codex, ale nie odsłuchu na żywo OpenAI.Mowa-na-tekst
Mowa-na-tekst
Dołączony Plugin Wskazówki dotyczące języka i promptu są przekazywane do OpenAI, gdy zostaną dostarczone przez
wspólną konfigurację mediów audio albo żądanie transkrypcji dla pojedynczego wywołania.
openai rejestruje wsadowe rozpoznawanie mowy na tekst przez
powierzchnię transkrypcji rozumienia mediów OpenClaw.- Model domyślny:
gpt-4o-transcribe - Punkt końcowy: OpenAI REST
/v1/audio/transcriptions - Ścieżka wejściowa: przesyłanie wieloczęściowego pliku audio
- Obsługiwane przez OpenClaw wszędzie tam, gdzie przychodząca transkrypcja audio używa
tools.media.audio, w tym segmenty kanałów głosowych Discord i załączniki audio kanałów
Transkrypcja Realtime
Transkrypcja Realtime
Dołączony Plugin
openai rejestruje transkrypcję Realtime dla Plugin Voice Call.| Ustawienie | Ścieżka konfiguracji | Domyślnie |
|---|---|---|
| Model | plugins.entries.voice-call.config.streaming.providers.openai.model | gpt-4o-transcribe |
| Język | ...openai.language | (nieustawione) |
| Prompt | ...openai.prompt | (nieustawione) |
| Czas trwania ciszy | ...openai.silenceDurationMs | 800 |
| Próg VAD | ...openai.vadThreshold | 0.5 |
| Uwierzytelnianie | ...openai.apiKey, OPENAI_API_KEY lub openai OAuth | Klucze API łączą się bezpośrednio; OAuth tworzy sekret klienta transkrypcji Realtime |
Używa połączenia WebSocket z
wss://api.openai.com/v1/realtime z dźwiękiem G.711 u-law (g711_ulaw / audio/pcmu). Gdy skonfigurowany jest tylko openai OAuth, Gateway tworzy efemeryczny sekret klienta transkrypcji Realtime przed otwarciem WebSocket. Ten dostawca strumieniowania jest przeznaczony dla ścieżki transkrypcji Realtime w Voice Call; głos Discord obecnie nagrywa krótkie segmenty i zamiast tego używa wsadowej ścieżki transkrypcji tools.media.audio.Głos Realtime
Głos Realtime
Dołączony Plugin
Dostępne wbudowane głosy Realtime dla
openai rejestruje głos Realtime dla Plugin Voice Call.| Ustawienie | Ścieżka konfiguracji | Domyślnie |
|---|---|---|
| Model | plugins.entries.voice-call.config.realtime.providers.openai.model | gpt-realtime-2 |
| Głos | ...openai.voice | alloy |
| Temperatura (mostek wdrożenia Azure) | ...openai.temperature | 0.8 |
| Próg VAD | ...openai.vadThreshold | 0.5 |
| Czas trwania ciszy | ...openai.silenceDurationMs | 500 |
| Dopełnienie prefiksu | ...openai.prefixPaddingMs | 300 |
| Nakład wnioskowania | ...openai.reasoningEffort | (nie ustawiono) |
| Uwierzytelnianie | profil uwierzytelniania kluczem API openai, ...openai.apiKey lub OPENAI_API_KEY | Wymagany klucz API OpenAI Platform; OpenAI OAuth nie konfiguruje głosu Realtime |
gpt-realtime-2: alloy, ash,
ballad, coral, echo, sage, shimmer, verse, marin, cedar.
OpenAI zaleca marin i cedar, aby uzyskać najlepszą jakość Realtime. To
oddzielny zestaw względem powyższych głosów Text-to-speech; nie zakładaj, że głos TTS
taki jak fable, nova lub onyx jest poprawny dla sesji Realtime.Mostki OpenAI realtime po stronie backendu używają kształtu sesji GA Realtime WebSocket, który nie akceptuje
session.temperature. Wdrożenia Azure OpenAI pozostają dostępne przez azureEndpoint i azureDeployment oraz zachowują kształt sesji zgodny z wdrożeniem. Obsługuje dwukierunkowe wywoływanie narzędzi i dźwięk G.711 u-law.Głos Realtime jest wybierany podczas tworzenia sesji. OpenAI pozwala później zmieniać większość
pól sesji, ale głosu nie można zmienić po tym, gdy
model wyemituje dźwięk w tej sesji. OpenClaw obecnie udostępnia
wbudowane identyfikatory głosów Realtime jako ciągi znaków.
Control UI Talk używa przeglądarkowych sesji OpenAI realtime z wygenerowanym przez Gateway
efemerycznym sekretem klienta oraz bezpośrednią wymianą WebRTC SDP w przeglądarce z
OpenAI Realtime API. Gateway tworzy ten sekret klienta z wybranym
profilem uwierzytelniania kluczem API
openai albo skonfigurowanym kluczem API OpenAI Platform. Przekaźnik Gateway
i backendowe mostki Realtime WebSocket Voice Call używają tej samej
ścieżki uwierzytelniania wyłącznie kluczem API dla natywnych punktów końcowych OpenAI. Weryfikacja live
dla opiekunów jest dostępna przez
OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts;
odcinki OpenAI weryfikują zarówno backendowy mostek WebSocket, jak i przeglądarkową
wymianę WebRTC SDP bez logowania sekretów.Punkty końcowe Azure OpenAI
Dołączony provideropenai może kierować generowanie obrazów do zasobu Azure OpenAI
przez nadpisanie bazowego adresu URL. Na ścieżce generowania obrazów OpenClaw
wykrywa nazwy hostów Azure w models.providers.openai.baseUrl i automatycznie przełącza się na
kształt żądania Azure.
Głos Realtime używa oddzielnej ścieżki konfiguracji
(
plugins.entries.voice-call.config.realtime.providers.openai.azureEndpoint)
i nie zależy od models.providers.openai.baseUrl. Zobacz akordeon Głos Realtime
w sekcji Głos i mowa, aby poznać jego ustawienia Azure.- Masz już subskrypcję Azure OpenAI, limit lub umowę enterprise
- Potrzebujesz regionalnej rezydencji danych albo kontroli zgodności zapewnianych przez Azure
- Chcesz utrzymać ruch w istniejącej dzierżawie Azure
Konfiguracja
Aby generować obrazy w Azure przez dołączonego provideraopenai, wskaż
models.providers.openai.baseUrl na swój zasób Azure i ustaw apiKey na
klucz Azure OpenAI (nie klucz OpenAI Platform):
*.openai.azure.com*.services.ai.azure.com*.cognitiveservices.azure.com
- Wysyła nagłówek
api-keyzamiastAuthorization: Bearer - Używa ścieżek o zakresie wdrożenia (
/openai/deployments/{deployment}/...) - Dołącza
?api-version=...do każdego żądania - Używa domyślnego limitu czasu żądania 600 s dla wywołań generowania obrazów Azure.
Wartości
timeoutMsdla pojedynczego wywołania nadal nadpisują tę wartość domyślną.
Routing Azure dla ścieżki generowania obrazów providera
openai wymaga
OpenClaw 2026.4.22 lub nowszego. Wcześniejsze wersje traktują każdy niestandardowy
openai.baseUrl jak publiczny punkt końcowy OpenAI i nie zadziałają z wdrożeniami
obrazów Azure.Wersja API
UstawAZURE_OPENAI_API_VERSION, aby przypiąć konkretną wersję zapoznawczą Azure lub GA
dla ścieżki generowania obrazów Azure:
2024-12-01-preview, gdy zmienna nie jest ustawiona.
Nazwy modeli są nazwami wdrożeń
Azure OpenAI wiąże modele z wdrożeniami. Dla żądań generowania obrazów Azure kierowanych przez dołączonego provideraopenai pole model w OpenClaw
musi być nazwą wdrożenia Azure skonfigurowaną w portalu Azure, a nie
publicznym identyfikatorem modelu OpenAI.
Jeśli utworzysz wdrożenie o nazwie gpt-image-2-prod, które obsługuje gpt-image-2:
openai.
Dostępność regionalna
Generowanie obrazów Azure jest obecnie dostępne tylko w części regionów (na przykładeastus2, swedencentral, polandcentral, westus3,
uaenorth). Przed utworzeniem wdrożenia sprawdź aktualną listę regionów Microsoftu
i potwierdź, że konkretny model jest oferowany w Twoim regionie.
Różnice parametrów
Azure OpenAI i publiczne OpenAI nie zawsze akceptują te same parametry obrazów. Azure może odrzucać opcje, na które publiczne OpenAI pozwala (na przykład określone wartościbackground w gpt-image-2), albo udostępniać je tylko w określonych wersjach
modelu. Te różnice pochodzą z Azure i bazowego modelu, a nie z
OpenClaw. Jeśli żądanie Azure kończy się błędem walidacji, sprawdź
zestaw parametrów obsługiwany przez konkretne wdrożenie i wersję API w
portalu Azure.
Azure OpenAI używa natywnego transportu i zachowania zgodności, ale nie otrzymuje
ukrytych nagłówków atrybucji OpenClaw — zobacz akordeon Trasy natywne a zgodne z OpenAI
w sekcji Konfiguracja zaawansowana.Dla ruchu chat lub Responses w Azure (poza generowaniem obrazów) użyj
przepływu onboardingu albo dedykowanej konfiguracji providera Azure — samo
openai.baseUrl
nie wybiera kształtu API/uwierzytelniania Azure. Istnieje osobny
provider azure-openai-responses/*; zobacz
akordeon Compaction po stronie serwera poniżej.Konfiguracja zaawansowana
Transport (WebSocket a SSE)
Transport (WebSocket a SSE)
OpenClaw używa najpierw WebSocket, z fallbackiem do SSE (
Powiązana dokumentacja OpenAI:
"auto") dla openai/*.W trybie "auto" OpenClaw:- Ponawia jedną wczesną awarię WebSocket przed przejściem na SSE
- Po awarii oznacza WebSocket jako zdegradowany na około 60 sekund i używa SSE podczas okresu wygaszania
- Dołącza stabilne nagłówki tożsamości sesji i tury dla ponowień oraz ponownych połączeń
- Normalizuje liczniki użycia (
input_tokens/prompt_tokens) między wariantami transportu
| Wartość | Zachowanie |
|---|---|
"auto" (domyślnie) | Najpierw WebSocket, fallback do SSE |
"sse" | Wymuś tylko SSE |
"websocket" | Wymuś tylko WebSocket |
Tryb szybki
Tryb szybki
OpenClaw udostępnia wspólny przełącznik trybu szybkiego dla
openai/*:- Chat/UI:
/fast status|auto|on|off - Konfiguracja:
agents.defaults.models["<provider>/<model>"].params.fastMode
service_tier = "priority"). Istniejące wartości service_tier są zachowywane, a tryb szybki nie przepisuje reasoning ani text.verbosity. fastMode: "auto" uruchamia nowe wywołania modelu w trybie szybkim aż do automatycznego progu odcięcia, a potem uruchamia późniejsze wywołania ponowienia, fallbacku, wyniku narzędzia lub kontynuacji bez trybu szybkiego. Próg odcięcia domyślnie wynosi 60 sekund; ustaw params.fastAutoOnSeconds w aktywnym modelu, aby go zmienić.Nadpisania sesji mają pierwszeństwo przed konfiguracją. Wyczyszczenie nadpisania sesji w interfejsie Sessions przywraca sesję do skonfigurowanej wartości domyślnej.
Przetwarzanie priorytetowe (service_tier)
Przetwarzanie priorytetowe (service_tier)
API OpenAI udostępnia przetwarzanie priorytetowe przez Obsługiwane wartości:
service_tier. Ustaw je dla każdego modelu w OpenClaw:auto, default, flex, priority.Compaction po stronie serwera (Responses API)
Compaction po stronie serwera (Responses API)
Dla bezpośrednich modeli OpenAI Responses (
openai/* na api.openai.com) wrapper strumienia OpenClaw w Plugin OpenAI automatycznie włącza Compaction po stronie serwera:- Wymusza
store: true(chyba że zgodność modelu ustawiasupportsStore: false) - Wstrzykuje
context_management: [{ type: "compaction", compact_threshold: ... }] - Domyślny
compact_threshold: 70%contextWindow(lub80000, gdy jest niedostępne)
- Włącz jawnie
- Niestandardowy próg
- Wyłącz
Przydatne dla zgodnych punktów końcowych, takich jak Azure OpenAI Responses:
responsesServerCompaction kontroluje tylko wstrzykiwanie context_management. Bezpośrednie modele OpenAI Responses nadal wymuszają store: true, chyba że zgodność ustawia supportsStore: false.Tryb GPT strict-agentic
Tryb GPT strict-agentic
Dla uruchomień z rodziny GPT-5 w Z
openai/* OpenClaw może używać ściślejszego osadzonego kontraktu wykonywania:strict-agentic OpenClaw:- Automatycznie włącza
update_plandla większych prac - Ponawia strukturalnie puste tury lub tury zawierające tylko rozumowanie z kontynuacją zawierającą widoczną odpowiedź
- Używa jawnych zdarzeń planu harnessa, gdy wybrany harness je udostępnia
Zakres ograniczony tylko do uruchomień z rodziny OpenAI i Codex GPT-5. Inni dostawcy i starsze rodziny modeli zachowują domyślne działanie.
Trasy natywne a zgodne z OpenAI
Trasy natywne a zgodne z OpenAI
OpenClaw traktuje bezpośrednie punkty końcowe OpenAI, Codex i Azure OpenAI inaczej niż ogólne proxy
/v1 zgodne z OpenAI:Trasy natywne (openai/*, Azure OpenAI):- Zachowują
reasoning: { effort: "none" }tylko dla modeli obsługujących wartość effortnoneOpenAI - Pomijają wyłączone rozumowanie dla modeli lub proxy, które odrzucają
reasoning.effort: "none" - Domyślnie ustawiają schematy narzędzi w trybie ścisłym
- Dołączają ukryte nagłówki atrybucji tylko na zweryfikowanych hostach natywnych
- Zachowują kształtowanie żądań specyficzne dla OpenAI (
service_tier,store, zgodność rozumowania, wskazówki pamięci podręcznej promptów)
- Używają luźniejszego działania zgodności
- Usuwają
storeCompletions z nienatywnych ładunkówopenai-completions - Akceptują zaawansowane przekazywanie JSON
params.extra_body/params.extraBodydla proxy Completions zgodnych z OpenAI - Akceptują
params.chat_template_kwargsdla proxy Completions zgodnych z OpenAI, takich jak vLLM - Nie wymuszają ścisłych schematów narzędzi ani nagłówków wyłącznie natywnych
Powiązane
Wybór modelu
Wybieranie dostawców, odwołań do modeli i działania przełączania awaryjnego.
Generowanie obrazów
Wspólne parametry narzędzia obrazu i wybór dostawcy.
Generowanie wideo
Wspólne parametry narzędzia wideo i wybór dostawcy.
OAuth i uwierzytelnianie
Szczegóły uwierzytelniania i reguły ponownego użycia poświadczeń.