Deepgram

Deepgram é uma API de conversão de fala em texto. O OpenClaw a utiliza para a transcrição de áudios/notas de voz recebidos por meio de tools.media.audio e para STT por streaming de Chamadas de Voz por meio de plugins.entries.voice-call.config.streaming. A transcrição em lote envia o arquivo de áudio completo para a Deepgram e insere a transcrição no pipeline de resposta (bloco {{Transcript}} + [Audio]). O streaming de Chamadas de Voz encaminha quadros G.711 u-law ao vivo pelo endpoint WebSocket listen da Deepgram e emite transcrições parciais/finais conforme a Deepgram as retorna.

Detalhe	Valor
Site	deepgram.com
Documentação	developers.deepgram.com
Autenticação	`DEEPGRAM_API_KEY`
Modelo padrão	`nova-3`

Primeiros passos

Defina sua chave de API

DEEPGRAM_API_KEY=dg_...

Ative o provedor de áudio

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

Envie uma nota de voz

Envie uma mensagem de áudio por qualquer canal conectado. O OpenClaw a transcreve por meio da Deepgram e insere a transcrição no pipeline de resposta.

Opções de configuração

Opção	Caminho	Descrição
`model`	`tools.media.audio.models[].model`	ID do modelo da Deepgram (padrão: `nova-3`)
`language`	`tools.media.audio.models[].language`	Indicação de idioma (opcional)

providerOptions.deepgram mescla parâmetros de consulta adicionais diretamente na solicitação /listen da Deepgram, portanto qualquer nome de parâmetro compatível com a Deepgram funciona (por exemplo, detect_language, punctuate, smart_format):

Com indicação de idioma
Com opções da 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" }],
      },
    },
  },
}

STT por streaming de Chamadas de Voz

O plugin deepgram incluído também registra um provedor de transcrição em tempo real para o plugin de Chamadas de Voz.

Configuração	Caminho de configuração	Padrão
Chave de API	`plugins.entries.voice-call.config.streaming.providers.deepgram.apiKey`	Usa `DEEPGRAM_API_KEY` como alternativa
URL base	`...deepgram.baseUrl`	`DEEPGRAM_BASE_URL` ou a API pública da Deepgram
Modelo	`...deepgram.model`	`nova-3`
Idioma	`...deepgram.language`	(não definido)
Codificação	`...deepgram.encoding`	`mulaw`
Taxa de amostragem	`...deepgram.sampleRate`	`8000`
Detecção de término	`...deepgram.endpointingMs`	`800`
Resultados provisórios	`...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",
              },
            },
          },
        },
      },
    },
  },
}

Para um endpoint personalizado da Deepgram, defina baseUrl como a raiz do endpoint, incluindo qualquer caminho base, mas não /listen. Os endpoints em tempo real aceitam http://, https://, ws:// e wss://. HTTP é mapeado para WS, HTTPS é mapeado para WSS e esquemas WebSocket explícitos permanecem inalterados. URLs malformadas e outros esquemas causam falha durante a configuração da sessão.

As Chamadas de Voz recebem áudio de telefonia como G.711 u-law de 8 kHz. O provedor de streaming da Deepgram usa encoding: "mulaw" e sampleRate: 8000 por padrão, portanto os quadros de mídia da Twilio podem ser encaminhados diretamente.

Observações

Autenticação

A autenticação segue a ordem padrão de autenticação de provedores. DEEPGRAM_API_KEY é o caminho mais simples.

Proxy e endpoints personalizados

Substitua endpoints ou cabeçalhos com tools.media.audio.baseUrl e tools.media.audio.headers ao usar um proxy.

Comportamento da saída

A saída segue as mesmas regras de áudio dos outros provedores (limites de tamanho, tempos limite e inserção da transcrição).

Conteúdo relacionado

Ferramentas de mídia

Visão geral do pipeline de processamento de áudio, imagens e vídeos.

Configuração

Referência completa da configuração, incluindo as opções das ferramentas de mídia.

Solução de problemas

Problemas comuns e etapas de depuração.

Perguntas frequentes

Perguntas frequentes sobre a configuração do OpenClaw.

Overview

Concepts and configuration

Providers

Primeiros passos

Opções de configuração

STT por streaming de Chamadas de Voz

Observações

Conteúdo relacionado

Ferramentas de mídia

Configuração

Solução de problemas

Perguntas frequentes

​Primeiros passos

​Opções de configuração

​STT por streaming de Chamadas de Voz

​Observações

​Conteúdo relacionado

Ferramentas de mídia

Configuração

Solução de problemas

Perguntas frequentes

Primeiros passos

Opções de configuração

STT por streaming de Chamadas de Voz

Observações

Conteúdo relacionado