Pular para o conteúdo principal
O OpenClaw usa ElevenLabs para texto para fala, fala para texto em lote com Scribe v2 e STT por streaming com Scribe v2 Realtime.
RecursoSuperfície do OpenClawPadrão
Texto para falamessages.tts / talkeleven_multilingual_v2
Fala para texto em lotetools.media.audioscribe_v2
Fala para texto por streamingStreaming de chamada de voz ou Google Meet realtime.transcriptionProviderscribe_v2_realtime

​
Autenticação

Defina ELEVENLABS_API_KEY no ambiente. XI_API_KEY também é aceito para compatibilidade com ferramentas existentes da ElevenLabs. 
export ELEVENLABS_API_KEY="..."

​
Texto para fala

{
  messages: {
    tts: {
      providers: {
        elevenlabs: {
          apiKey: "${ELEVENLABS_API_KEY}",
          speakerVoiceId: "pMsXgVXv3BLzUgSXRplE",
          modelId: "eleven_multilingual_v2",
        },
      },
    },
  },
}
Defina modelId como eleven_v3 para usar o TTS v3 da ElevenLabs. O OpenClaw mantém eleven_multilingual_v2 como o padrão para instalações existentes. Canais de voz do Discord usam o endpoint de TTS por streaming da ElevenLabs quando a ElevenLabs é a provedora voice.tts/messages.tts selecionada. A reprodução começa a partir do stream de áudio retornado, em vez de esperar que o OpenClaw baixe e grave primeiro o arquivo de áudio inteiro. latencyTier é mapeado para o parâmetro de consulta optimize_streaming_latency da ElevenLabs nos modelos que o aceitam; o OpenClaw omite esse parâmetro para eleven_v3, que o rejeita.

​
Fala para texto

Use Scribe v2 para anexos de áudio recebidos e segmentos curtos de voz gravada: 
{
  tools: {
    media: {
      audio: {
        enabled: true,
        models: [{ provider: "elevenlabs", model: "scribe_v2" }],
      },
    },
  },
}
O OpenClaw envia áudio multipart para /v1/speech-to-text da ElevenLabs com model_id: "scribe_v2". Dicas de idioma são mapeadas para language_code quando presentes.

​
STT por streaming

O Plugin elevenlabs incluído registra Scribe v2 Realtime para transcrição por streaming em modo de agente em chamada de voz e Google Meet.
ConfiguraçãoCaminho de configuraçãoPadrão
Chave de APIplugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKeyRecorre a ELEVENLABS_API_KEY / XI_API_KEY
Modelo...elevenlabs.modelIdscribe_v2_realtime
Formato de áudio...elevenlabs.audioFormatulaw_8000
Taxa de amostragem...elevenlabs.sampleRate8000
Estratégia de commit...elevenlabs.commitStrategyvad
Idioma...elevenlabs.languageCode(não definido)
{
  plugins: {
    entries: {
      "voice-call": {
        config: {
          streaming: {
            enabled: true,
            provider: "elevenlabs",
            providers: {
              elevenlabs: {
                apiKey: "${ELEVENLABS_API_KEY}",
                audioFormat: "ulaw_8000",
                commitStrategy: "vad",
                languageCode: "en",
              },
            },
          },
        },
      },
    },
  },
}
A chamada de voz recebe mídia do Twilio como G.711 u-law de 8 kHz. A provedora realtime da ElevenLabs usa ulaw_8000 por padrão, então quadros de telefonia podem ser encaminhados sem transcodificação.
Para o modo de agente do Google Meet, defina plugins.entries.google-meet.config.realtime.transcriptionProvider como "elevenlabs" e configure o mesmo bloco de provedora em plugins.entries.google-meet.config.realtime.providers.elevenlabs.

​
Relacionado