> ## Documentation Index
> Fetch the complete documentation index at: https://docs2.openclaw.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Преобразование текста в речь

OpenClaw может преобразовывать исходящие ответы в аудио через **14 речевых провайдеров**
и доставлять нативные голосовые сообщения в Feishu, Matrix, Telegram и WhatsApp,
аудиовложения во всех остальных каналах, а также потоки PCM/Ulaw для телефонии и Talk.

TTS — это половина речевого вывода в режиме Talk `stt-tts`. Провайдер-нативные
`realtime`-сеансы Talk синтезируют речь внутри realtime-провайдера вместо
вызова этого пути TTS, а `transcription`-сеансы не синтезируют голосовой ответ
ассистента.

## Быстрый старт

<Steps>
  <Step title="Pick a provider">
    OpenAI и ElevenLabs — самые надежные размещенные варианты. Microsoft и
    локальный CLI работают без API-ключа. Полный список см. в [матрице провайдеров](#supported-providers).
  </Step>

  <Step title="Set the API key">
    Экспортируйте переменную окружения для своего провайдера (например, `OPENAI_API_KEY`,
    `ELEVENLABS_API_KEY`). Microsoft и локальному CLI ключ не нужен.
  </Step>

  <Step title="Enable in config">
    Задайте `messages.tts.auto: "always"` и `messages.tts.provider`:

    ```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
    {
      messages: {
        tts: {
          auto: "always",
          provider: "elevenlabs",
        },
      },
    }
    ```
  </Step>

  <Step title="Try it in chat">
    `/tts status` показывает текущее состояние. `/tts audio Hello from OpenClaw`
    отправляет разовый аудиоответ.
  </Step>
</Steps>

<Note>
  Auto-TTS по умолчанию **выключен**. Если `messages.tts.provider` не задан,
  OpenClaw выбирает первого настроенного провайдера в порядке автовыбора реестра.
  Встроенный инструмент агента `tts` предназначен только для явного намерения: обычный чат остается
  текстовым, если пользователь не попросит аудио, не использует `/tts` или не включит Auto-TTS/директивную
  речь.
</Note>

## Поддерживаемые провайдеры

| Провайдер         | Аутентификация                                                                                                        | Примечания                                                                                                                          |
| ----------------- | --------------------------------------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------- |
| **Azure Speech**  | `AZURE_SPEECH_KEY` + `AZURE_SPEECH_REGION` (также `AZURE_SPEECH_API_KEY`, `SPEECH_KEY`, `SPEECH_REGION`)              | Нативный вывод голосовых заметок Ogg/Opus и телефония.                                                                              |
| **DeepInfra**     | `DEEPINFRA_API_KEY`                                                                                                   | TTS, совместимый с OpenAI. По умолчанию `hexgrad/Kokoro-82M`.                                                                       |
| **ElevenLabs**    | `ELEVENLABS_API_KEY` или `XI_API_KEY`                                                                                 | Клонирование голоса, многоязычность, детерминированность через `seed`; потоковая передача для голосового воспроизведения в Discord. |
| **Google Gemini** | `GEMINI_API_KEY` или `GOOGLE_API_KEY`                                                                                 | Пакетный TTS через Gemini API; учитывает персону через `promptTemplate: "audio-profile-v1"`.                                        |
| **Gradium**       | `GRADIUM_API_KEY`                                                                                                     | Вывод голосовых заметок и телефонии.                                                                                                |
| **Inworld**       | `INWORLD_API_KEY`                                                                                                     | Потоковый TTS API. Нативные голосовые заметки Opus и телефония PCM.                                                                 |
| **Local CLI**     | нет                                                                                                                   | Запускает настроенную локальную команду TTS.                                                                                        |
| **Microsoft**     | нет                                                                                                                   | Публичный нейронный TTS Edge через `node-edge-tts`. Best-effort, без SLA.                                                           |
| **MiniMax**       | `MINIMAX_API_KEY` (или Token Plan: `MINIMAX_OAUTH_TOKEN`, `MINIMAX_CODE_PLAN_KEY`, `MINIMAX_CODING_API_KEY`)          | API T2A v2. По умолчанию `speech-2.8-hd`.                                                                                           |
| **OpenAI**        | `OPENAI_API_KEY`                                                                                                      | Также используется для автосводки; поддерживает `instructions` для персоны.                                                         |
| **OpenRouter**    | `OPENROUTER_API_KEY` (можно повторно использовать `models.providers.openrouter.apiKey`)                               | Модель по умолчанию `hexgrad/kokoro-82m`.                                                                                           |
| **Volcengine**    | `VOLCENGINE_TTS_API_KEY` или `BYTEPLUS_SEED_SPEECH_API_KEY` (устаревшие AppID/токен: `VOLCENGINE_TTS_APPID`/`_TOKEN`) | HTTP API BytePlus Seed Speech.                                                                                                      |
| **Vydra**         | `VYDRA_API_KEY`                                                                                                       | Общий провайдер изображений, видео и речи.                                                                                          |
| **xAI**           | `XAI_API_KEY`                                                                                                         | Пакетный TTS xAI. Нативные голосовые заметки Opus **не** поддерживаются.                                                            |
| **Xiaomi MiMo**   | `XIAOMI_API_KEY`                                                                                                      | MiMo TTS через chat completions Xiaomi.                                                                                             |

Если настроено несколько провайдеров, выбранный используется первым, а
остальные служат резервными вариантами. Автосводка использует `summaryModel` (или
`agents.defaults.model.primary`), поэтому этот провайдер также должен быть аутентифицирован,
если вы оставляете сводки включенными.

<Warning>
  Встроенный провайдер **Microsoft** использует онлайн-сервис нейронного TTS
  Microsoft Edge через `node-edge-tts`. Это публичный веб-сервис без опубликованного
  SLA или квоты — рассматривайте его как best-effort. Устаревший id провайдера `edge`
  нормализуется в `microsoft`, а `openclaw doctor --fix` переписывает сохраненную
  конфигурацию; новые конфигурации всегда должны использовать `microsoft`.
</Warning>

## Конфигурация

Конфигурация TTS находится в `messages.tts` в `~/.openclaw/openclaw.json`. Выберите
пресет и адаптируйте блок провайдера:

<Tabs>
  <Tab title="Azure Speech">
    ```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
    {
      messages: {
        tts: {
          auto: "always",
          provider: "azure-speech",
          providers: {
            "azure-speech": {
              apiKey: "${AZURE_SPEECH_KEY}",
              region: "eastus",
              speakerVoice: "en-US-JennyNeural",
              lang: "en-US",
              outputFormat: "audio-24khz-48kbitrate-mono-mp3",
              voiceNoteOutputFormat: "ogg-24khz-16bit-mono-opus",
            },
          },
        },
      },
    }
    ```
  </Tab>

  <Tab title="ElevenLabs">
    ```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
    {
      messages: {
        tts: {
          auto: "always",
          provider: "elevenlabs",
          providers: {
            elevenlabs: {
              apiKey: "${ELEVENLABS_API_KEY}",
              model: "eleven_multilingual_v2",
              speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",
            },
          },
        },
      },
    }
    ```
  </Tab>

  <Tab title="Google Gemini">
    ```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
    {
      messages: {
        tts: {
          auto: "always",
          provider: "google",
          providers: {
            google: {
              apiKey: "${GEMINI_API_KEY}",
              model: "gemini-3.1-flash-tts-preview",
              speakerVoice: "Kore",
              // Optional natural-language style prompts:
              // audioProfile: "Speak in a calm, podcast-host tone.",
              // speakerName: "Alex",
            },
          },
        },
      },
    }
    ```
  </Tab>

  <Tab title="Gradium">
    ```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
    {
      messages: {
        tts: {
          auto: "always",
          provider: "gradium",
          providers: {
            gradium: {
              apiKey: "${GRADIUM_API_KEY}",
              speakerVoiceId: "YTpq7expH9539ERJ",
            },
          },
        },
      },
    }
    ```
  </Tab>

  <Tab title="Inworld">
    ```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
    {
      messages: {
        tts: {
          auto: "always",
          provider: "inworld",
          providers: {
            inworld: {
              apiKey: "${INWORLD_API_KEY}",
              modelId: "inworld-tts-1.5-max",
              speakerVoiceId: "Sarah",
              temperature: 0.7,
            },
          },
        },
      },
    }
    ```
  </Tab>

  <Tab title="Local CLI">
    ```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
    {
      messages: {
        tts: {
          auto: "always",
          provider: "tts-local-cli",
          providers: {
            "tts-local-cli": {
              command: "say",
              args: ["-o", "{{OutputPath}}", "{{Text}}"],
              outputFormat: "wav",
              timeoutMs: 120000,
            },
          },
        },
      },
    }
    ```
  </Tab>

  <Tab title="Microsoft (no key)">
    ```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
    {
      messages: {
        tts: {
          auto: "always",
          provider: "microsoft",
          providers: {
            microsoft: {
              enabled: true,
              speakerVoice: "en-US-MichelleNeural",
              lang: "en-US",
              outputFormat: "audio-24khz-48kbitrate-mono-mp3",
              rate: "+0%",
              pitch: "+0%",
            },
          },
        },
      },
    }
    ```
  </Tab>

  <Tab title="MiniMax">
    ```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
    {
      messages: {
        tts: {
          auto: "always",
          provider: "minimax",
          providers: {
            minimax: {
              apiKey: "${MINIMAX_API_KEY}",
              model: "speech-2.8-hd",
              speakerVoiceId: "English_expressive_narrator",
              speed: 1.0,
              vol: 1.0,
              pitch: 0,
            },
          },
        },
      },
    }
    ```
  </Tab>

  <Tab title="OpenAI + ElevenLabs">
    ```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
    {
      messages: {
        tts: {
          auto: "always",
          provider: "openai",
          summaryModel: "openai/gpt-4.1-mini",
          modelOverrides: { enabled: true },
          providers: {
            openai: {
              apiKey: "${OPENAI_API_KEY}",
              model: "gpt-4o-mini-tts",
              speakerVoice: "alloy",
            },
            elevenlabs: {
              apiKey: "${ELEVENLABS_API_KEY}",
              model: "eleven_multilingual_v2",
              speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",
              voiceSettings: { stability: 0.5, similarityBoost: 0.75, style: 0.0, useSpeakerBoost: true, speed: 1.0 },
              applyTextNormalization: "auto",
              languageCode: "en",
            },
          },
        },
      },
    }
    ```
  </Tab>

  <Tab title="OpenRouter">
    ```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
    {
      messages: {
        tts: {
          auto: "always",
          provider: "openrouter",
          providers: {
            openrouter: {
              apiKey: "${OPENROUTER_API_KEY}",
              model: "hexgrad/kokoro-82m",
              speakerVoice: "af_alloy",
              responseFormat: "mp3",
            },
          },
        },
      },
    }
    ```
  </Tab>

  <Tab title="Volcengine">
    ```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
    {
      messages: {
        tts: {
          auto: "always",
          provider: "volcengine",
          providers: {
            volcengine: {
              apiKey: "${VOLCENGINE_TTS_API_KEY}",
              resourceId: "seed-tts-1.0",
              speakerVoice: "en_female_anna_mars_bigtts",
            },
          },
        },
      },
    }
    ```
  </Tab>

  <Tab title="xAI">
    ```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
    {
      messages: {
        tts: {
          auto: "always",
          provider: "xai",
          providers: {
            xai: {
              apiKey: "${XAI_API_KEY}",
              speakerVoiceId: "eve",
              language: "en",
              responseFormat: "mp3",
            },
          },
        },
      },
    }
    ```
  </Tab>

  <Tab title="Xiaomi MiMo">
    ```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
    {
      messages: {
        tts: {
          auto: "always",
          provider: "xiaomi",
          providers: {
            xiaomi: {
              apiKey: "${XIAOMI_API_KEY}",
              model: "mimo-v2.5-tts",
              speakerVoice: "mimo_default",
              format: "mp3",
            },
          },
        },
      },
    }
    ```
  </Tab>
</Tabs>

Для Xiaomi `mimo-v2.5-tts-voicedesign` опустите `speakerVoice` и задайте `style` как
подсказку для дизайна голоса. OpenClaw отправляет эту подсказку как TTS-сообщение `user`
и не отправляет `audio.voice` для модели voicedesign.

### Переопределения голоса для отдельных агентов

Используйте `agents.list[].tts`, когда один агент должен говорить с другим провайдером,
голосом, моделью, персоной или режимом автоматического TTS. Блок агента глубоко объединяется поверх
`messages.tts`, поэтому учетные данные провайдера могут оставаться в глобальной конфигурации провайдера:

```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
{
  messages: {
    tts: {
      auto: "always",
      provider: "elevenlabs",
      providers: {
        elevenlabs: { apiKey: "${ELEVENLABS_API_KEY}", model: "eleven_multilingual_v2" },
      },
    },
  },
  agents: {
    list: [
      {
        id: "reader",
        tts: {
          providers: {
            elevenlabs: { speakerVoiceId: "EXAVITQu4vr4xnSDxMaL" },
          },
        },
      },
    ],
  },
}
```

Чтобы закрепить персону для отдельного агента, задайте `agents.list[].tts.persona` вместе с конфигурацией
провайдера — она переопределяет глобальную `messages.tts.persona` только для этого агента.

Порядок приоритета для автоматических ответов, `/tts audio`, `/tts status` и
инструмента агента `tts`:

1. `messages.tts`
2. активная `agents.list[].tts`
3. переопределение канала, когда канал поддерживает `channels.<channel>.tts`
4. переопределение учетной записи, когда канал передает `channels.<channel>.accounts.<id>.tts`
5. локальные настройки `/tts` для этого хоста
6. встроенные директивы `[[tts:...]]`, когда включены [переопределения модели](#model-driven-directives)

Переопределения канала и учетной записи используют ту же форму, что и `messages.tts`, и
глубоко объединяются поверх предыдущих слоев, поэтому общие учетные данные провайдера могут оставаться в
`messages.tts`, а канал или учетная запись бота меняет только голос диктора, модель, персону
или автоматический режим:

```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
{
  messages: {
    tts: {
      provider: "openai",
      providers: {
        openai: { apiKey: "${OPENAI_API_KEY}", model: "gpt-4o-mini-tts" },
      },
    },
  },
  channels: {
    feishu: {
      accounts: {
        english: {
          tts: {
            providers: {
              openai: { speakerVoice: "shimmer" },
            },
          },
        },
      },
    },
  },
}
```

## Персоны

**Персона** — это стабильная речевая идентичность, которую можно детерминированно применять
у разных провайдеров. Она может предпочитать одного провайдера, определять независимое от провайдера намерение промпта
и хранить привязки для конкретных провайдеров: голоса, модели, шаблоны промптов,
seed-значения и настройки голоса.

### Минимальная персона

```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
{
  messages: {
    tts: {
      auto: "always",
      persona: "narrator",
      personas: {
        narrator: {
          label: "Narrator",
          provider: "elevenlabs",
          providers: {
            elevenlabs: {
              speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",
              modelId: "eleven_multilingual_v2",
            },
          },
        },
      },
    },
  },
}
```

### Полная персона (независимый от провайдера промпт)

```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
{
  messages: {
    tts: {
      auto: "always",
      persona: "alfred",
      personas: {
        alfred: {
          label: "Alfred",
          description: "Dry, warm British butler narrator.",
          provider: "google",
          fallbackPolicy: "preserve-persona",
          prompt: {
            profile: "A brilliant British butler. Dry, witty, warm, charming, emotionally expressive, never generic.",
            scene: "A quiet late-night study. Close-mic narration for a trusted operator.",
            sampleContext: "The speaker is answering a private technical request with concise confidence and dry warmth.",
            style: "Refined, understated, lightly amused.",
            accent: "British English.",
            pacing: "Measured, with short dramatic pauses.",
            constraints: ["Do not read configuration values aloud.", "Do not explain the persona."],
          },
          providers: {
            google: {
              model: "gemini-3.1-flash-tts-preview",
              speakerVoice: "Algieba",
              promptTemplate: "audio-profile-v1",
            },
            openai: { model: "gpt-4o-mini-tts", speakerVoice: "cedar" },
            elevenlabs: {
              speakerVoiceId: "voice_id",
              modelId: "eleven_multilingual_v2",
              seed: 42,
              voiceSettings: {
                stability: 0.65,
                similarityBoost: 0.8,
                style: 0.25,
                useSpeakerBoost: true,
                speed: 0.95,
              },
            },
          },
        },
      },
    },
  },
}
```

### Разрешение персоны

Активная персона выбирается детерминированно:

1. локальная настройка `/tts persona <id>`, если задана.
2. `messages.tts.persona`, если задана.
3. Без персоны.

Выбор провайдера выполняется по принципу «сначала явные настройки»:

1. Прямые переопределения (CLI, Gateway, Talk, разрешенные директивы TTS).
2. локальная настройка `/tts provider <id>`.
3. `provider` активной персоны.
4. `messages.tts.provider`.
5. Автовыбор из реестра.

Для каждой попытки провайдера OpenClaw объединяет конфигурации в таком порядке:

1. `messages.tts.providers.<id>`
2. `messages.tts.personas.<persona>.providers.<id>`
3. доверенные переопределения запроса
4. разрешенные переопределения директив TTS, сгенерированных моделью

### Как провайдеры используют промпты персон

Поля промпта персоны (`profile`, `scene`, `sampleContext`, `style`, `accent`,
`pacing`, `constraints`) **независимы от провайдера**. Каждый провайдер сам решает, как
их использовать:

<AccordionGroup>
  <Accordion title="Google Gemini">
    Оборачивает поля промпта персоны в структуру промпта Gemini TTS **только когда**
    эффективная конфигурация провайдера Google задает `promptTemplate: "audio-profile-v1"`
    или `personaPrompt`. Более старые поля `audioProfile` и `speakerName`
    по-прежнему добавляются в начало как текст промпта, специфичный для Google. Встроенные аудиотеги, такие как
    `[whispers]` или `[laughs]` внутри блока `[[tts:text]]`, сохраняются
    внутри транскрипта Gemini; OpenClaw не генерирует эти теги.
  </Accordion>

  <Accordion title="OpenAI">
    Сопоставляет поля промпта персоны с полем запроса `instructions` **только когда**
    явные OpenAI `instructions` не настроены. Явные `instructions`
    всегда имеют приоритет.
  </Accordion>

  <Accordion title="Другие провайдеры">
    Используют только привязки персоны для конкретного провайдера в
    `personas.<id>.providers.<provider>`. Поля промпта персоны игнорируются,
    если провайдер не реализует собственное сопоставление промпта персоны.
  </Accordion>
</AccordionGroup>

### Политика fallback

`fallbackPolicy` управляет поведением, когда у персоны **нет привязки** для
проверяемого провайдера:

| Политика            | Поведение                                                                                                                                                                     |
| ------------------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| `preserve-persona`  | **По умолчанию.** Нейтральные к провайдеру поля промпта остаются доступными; провайдер может использовать или игнорировать их.                                                |
| `provider-defaults` | Персона исключается из подготовки промпта для этой попытки; провайдер использует свои нейтральные значения по умолчанию, при этом fallback к другим провайдерам продолжается. |
| `fail`              | Пропустить эту попытку провайдера с `reasonCode: "not_configured"` и `personaBinding: "missing"`. Fallback-провайдеры всё равно пробуются.                                    |

Весь TTS-запрос завершается неудачей только тогда, когда **каждый** испробованный провайдер пропущен
или завершается ошибкой.

Выбор провайдера сеанса Talk ограничен областью сеанса. Клиент Talk должен выбирать
идентификаторы провайдеров, моделей, голосов и локали из `talk.catalog` и передавать
их через сеанс Talk или запрос передачи. Открытие голосового сеанса не должно
изменять `messages.tts` или глобальные значения провайдера Talk по умолчанию.

## Директивы, управляемые моделью

По умолчанию ассистент **может** выдавать директивы `[[tts:...]]`, чтобы переопределить
голос, модель или скорость для одного ответа, а также необязательный блок
`[[tts:text]]...[[/tts:text]]` для выразительных подсказок, которые должны появляться
только в аудио:

```text theme={"theme":{"light":"min-light","dark":"min-dark"}}
Here you go.

[[tts:speakerVoiceId=pMsXgVXv3BLzUgSXRplE model=eleven_v3 speed=1.1]]
[[tts:text]](laughs) Read the song once more.[[/tts:text]]
```

Когда `messages.tts.auto` равно `"tagged"`, **директивы обязательны**, чтобы запустить
аудио. Потоковая доставка блоков удаляет директивы из видимого текста до того,
как канал их увидит, даже если они разделены между соседними блоками.

`provider=...` игнорируется, если не задано `modelOverrides.allowProvider: true`. Когда
ответ объявляет `provider=...`, остальные ключи в этой директиве разбираются
только этим провайдером; неподдерживаемые ключи удаляются и сообщаются как
предупреждения директив TTS.

**Доступные ключи директив:**

* `provider` (идентификатор зарегистрированного провайдера; требует `allowProvider: true`)
* `speakerVoice` / `speakerVoiceId` (устаревшие псевдонимы: `voice`, `voiceName`, `voice_name`, `google_voice`, `voiceId`)
* `model` / `google_model`
* `stability`, `similarityBoost`, `style`, `speed`, `useSpeakerBoost`
* `vol` / `volume` (громкость MiniMax, 0–10)
* `pitch` (целочисленная высота тона MiniMax, −12 до 12; дробные значения отбрасываются)
* `emotion` (тег эмоции Volcengine)
* `applyTextNormalization` (`auto|on|off`)
* `languageCode` (ISO 639-1)
* `seed`

**Полностью отключить переопределения модели:**

```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
{ messages: { tts: { modelOverrides: { enabled: false } } } }
```

**Разрешить переключение провайдера, сохранив настройку других параметров:**

```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
{ messages: { tts: { modelOverrides: { enabled: true, allowProvider: true, allowSeed: false } } } }
```

## Слэш-команды

Одна команда `/tts`. В Discord OpenClaw также регистрирует `/voice`, потому что
`/tts` является встроенной командой Discord — текстовая `/tts ...` всё равно работает.

```text theme={"theme":{"light":"min-light","dark":"min-dark"}}
/tts off | on | status
/tts chat on | off | default
/tts latest
/tts provider <id>
/tts persona <id> | off
/tts limit <chars>
/tts summary off
/tts audio <text>
```

<Note>
  Команды требуют авторизованного отправителя (применяются правила allowlist/владельца), а также
  должен быть включён либо `commands.text`, либо регистрация нативных команд.
</Note>

Примечания по поведению:

* `/tts on` записывает локальную настройку TTS в `always`; `/tts off` записывает её в `off`.
* `/tts chat on|off|default` записывает ограниченное сеансом переопределение авто-TTS для текущего чата.
* `/tts persona <id>` записывает локальную настройку персоны; `/tts persona off` очищает её.
* `/tts latest` считывает последний ответ ассистента из транскрипта текущего сеанса и один раз отправляет его как аудио. Он сохраняет только хеш этого ответа в записи сеанса, чтобы подавлять дублирующие голосовые отправки.
* `/tts audio` создаёт одноразовый аудиоответ (**не** включает TTS).
* `limit` и `summary` хранятся в **локальных настройках**, а не в основной конфигурации.
* `/tts status` включает диагностику fallback для последней попытки — `Fallback: <primary> -> <used>`, `Attempts: ...` и подробности по каждой попытке (`provider:outcome(reasonCode) latency`).
* `/status` показывает активный режим TTS, а также настроенного провайдера, модель, голос и очищенные метаданные пользовательского endpoint, когда TTS включён.

## Пользовательские настройки

Слэш-команды записывают локальные переопределения в `prefsPath`. Значение по умолчанию:
`~/.openclaw/settings/tts.json`; переопределите его с помощью env var `OPENCLAW_TTS_PREFS`
или `messages.tts.prefsPath`.

| Сохранённое поле | Эффект                                                  |
| ---------------- | ------------------------------------------------------- |
| `auto`           | Локальное переопределение авто-TTS (`always`, `off`, …) |
| `provider`       | Локальное переопределение основного провайдера          |
| `persona`        | Локальное переопределение персоны                       |
| `maxLength`      | Порог сводки (по умолчанию `1500` символов)             |
| `summarize`      | Переключатель сводки (по умолчанию `true`)              |

Они переопределяют эффективную конфигурацию из `messages.tts` плюс активный
блок `agents.list[].tts` для этого хоста.

## Форматы вывода (фиксированные)

Доставка голоса TTS определяется возможностями канала. Plugins каналов объявляют,
должен ли TTS в стиле голоса запрашивать у провайдеров нативную цель `voice-note` или
сохранять обычный синтез `audio-file` и только помечать совместимый вывод для голосовой
доставки.

* **Каналы с поддержкой голосовых заметок**: для ответов голосовыми заметками предпочтителен Opus (`opus_48000_64` от ElevenLabs, `opus` от OpenAI).
  * 48 кГц / 64 кбит/с — хороший компромисс для голосовых сообщений.
* **Feishu / WhatsApp**: когда ответ голосовой заметкой создается как MP3/WebM/WAV/M4A
  или другой вероятный аудиофайл, Plugin канала перекодирует его в 48 кГц
  Ogg/Opus с помощью `ffmpeg` перед отправкой нативного голосового сообщения. WhatsApp отправляет
  результат через полезную нагрузку Baileys `audio` с `ptt: true` и
  `audio/ogg; codecs=opus`. Если преобразование завершается ошибкой, Feishu получает исходный
  файл как вложение; отправка WhatsApp завершается ошибкой вместо публикации несовместимой
  полезной нагрузки PTT.
* **Другие каналы**: MP3 (`mp3_44100_128` от ElevenLabs, `mp3` от OpenAI).
  * 44,1 кГц / 128 кбит/с — баланс по умолчанию для четкости речи.
* **MiniMax**: MP3 (модель `speech-2.8-hd`, частота дискретизации 32 кГц) для обычных аудиовложений. Для целей голосовых заметок, объявленных каналом, OpenClaw перекодирует MiniMax MP3 в Opus 48 кГц с помощью `ffmpeg` перед доставкой, когда канал объявляет перекодирование.
* **Xiaomi MiMo**: по умолчанию MP3 или WAV при соответствующей настройке. Для целей голосовых заметок, объявленных каналом, OpenClaw перекодирует вывод Xiaomi в Opus 48 кГц с помощью `ffmpeg` перед доставкой, когда канал объявляет перекодирование.
* **Локальный CLI**: использует настроенный `outputFormat`. Цели голосовых заметок
  преобразуются в Ogg/Opus, а телефонный вывод преобразуется в необработанный моно PCM 16 кГц
  с помощью `ffmpeg`.
* **Google Gemini**: Gemini API TTS возвращает необработанный PCM 24 кГц. OpenClaw упаковывает его как WAV для аудиовложений, перекодирует в Opus 48 кГц для целей голосовых заметок и возвращает PCM напрямую для Talk/телефонии.
* **Gradium**: WAV для аудиовложений, Opus для целей голосовых заметок и `ulaw_8000` при 8 кГц для телефонии.
* **Inworld**: MP3 для обычных аудиовложений, нативный `OGG_OPUS` для целей голосовых заметок и необработанный `PCM` при 22050 Гц для Talk/телефонии.
* **xAI**: по умолчанию MP3; `responseFormat` может быть `mp3`, `wav`, `pcm`, `mulaw` или `alaw`. OpenClaw использует пакетную конечную точку REST TTS xAI и возвращает полное аудиовложение; потоковый WebSocket TTS xAI не используется в этом пути провайдера. Нативный формат Opus для голосовых заметок в этом пути не поддерживается.
* **Microsoft**: использует `microsoft.outputFormat` (по умолчанию `audio-24khz-48kbitrate-mono-mp3`).
  * Встроенный транспорт принимает `outputFormat`, но не все форматы доступны в сервисе.
  * Значения формата вывода соответствуют форматам вывода Microsoft Speech (включая Ogg/WebM Opus).
  * Telegram `sendVoice` принимает OGG/MP3/M4A; используйте OpenAI/ElevenLabs, если вам нужны
    гарантированные голосовые сообщения Opus.
  * Если настроенный формат вывода Microsoft завершается ошибкой, OpenClaw повторяет попытку с MP3.

Форматы вывода OpenAI/ElevenLabs фиксированы для каждого канала (см. выше).

## Поведение Auto-TTS

Когда включен `messages.tts.auto`, OpenClaw:

* Пропускает TTS, если ответ уже содержит структурированные медиа.
* Пропускает очень короткие ответы (меньше 10 символов).
* Резюмирует длинные ответы, когда резюме включены, используя
  `summaryModel` (или `agents.defaults.model.primary`).
* Прикрепляет созданное аудио к ответу.
* В `mode: "final"` все равно отправляет TTS только с аудио для потоковых финальных ответов
  после завершения текстового потока; созданные медиа проходят ту же
  нормализацию медиа канала, что и обычные вложения ответа.

Если ответ превышает `maxLength`, а резюме выключено (или нет API-ключа для
модели резюме), аудио пропускается и отправляется обычный текстовый ответ.

```text theme={"theme":{"light":"min-light","dark":"min-dark"}}
Reply -> TTS enabled?
  no  -> send text
  yes -> has media / short?
          yes -> send text
          no  -> length > limit?
                   no  -> TTS -> attach audio
                   yes -> summary enabled?
                            no  -> send text
                            yes -> summarize -> TTS -> attach audio
```

## Форматы вывода по каналам

| Цель                                  | Формат                                                                                                                                                 |
| ------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------ |
| Feishu / Matrix / Telegram / WhatsApp | Ответы голосовыми заметками предпочитают **Opus** (`opus_48000_64` от ElevenLabs, `opus` от OpenAI). 48 кГц / 64 кбит/с балансирует четкость и размер. |
| Другие каналы                         | **MP3** (`mp3_44100_128` от ElevenLabs, `mp3` от OpenAI). 44,1 кГц / 128 кбит/с по умолчанию для речи.                                                 |
| Talk / телефония                      | Нативный для провайдера **PCM** (Inworld 22050 Гц, Google 24 кГц) или `ulaw_8000` от Gradium для телефонии.                                            |

Примечания по провайдерам:

* **Транскодирование Feishu / WhatsApp:** Когда ответ голосовой заметкой приходит как MP3/WebM/WAV/M4A, Plugin канала транскодирует его в 48 кГц Ogg/Opus с помощью `ffmpeg`. WhatsApp отправляет через Baileys с `ptt: true` и `audio/ogg; codecs=opus`. Если преобразование не удается: Feishu откатывается к прикреплению исходного файла; отправка WhatsApp завершается ошибкой вместо публикации несовместимой полезной нагрузки PTT.
* **MiniMax / Xiaomi MiMo:** MP3 по умолчанию (32 кГц для MiniMax `speech-2.8-hd`); транскодируется в 48 кГц Opus для целей голосовых заметок через `ffmpeg`.
* **Локальный CLI:** Использует настроенный `outputFormat`. Цели голосовых заметок преобразуются в Ogg/Opus, а телефонный вывод — в необработанный моно PCM 16 кГц.
* **Google Gemini:** Возвращает необработанный PCM 24 кГц. OpenClaw оборачивает его как WAV для вложений, транскодирует в 48 кГц Opus для целей голосовых заметок, возвращает PCM напрямую для Talk/телефонии.
* **Inworld:** MP3-вложения, нативный `OGG_OPUS` для голосовых заметок, необработанный `PCM` 22050 Гц для Talk/телефонии.
* **xAI:** MP3 по умолчанию; `responseFormat` может быть `mp3|wav|pcm|mulaw|alaw`. Использует пакетную REST-конечную точку xAI — потоковый WebSocket TTS **не** используется. Нативный формат Opus для голосовых заметок **не** поддерживается.
* **Microsoft:** Использует `microsoft.outputFormat` (по умолчанию `audio-24khz-48kbitrate-mono-mp3`). Telegram `sendVoice` принимает OGG/MP3/M4A; используйте OpenAI/ElevenLabs, если вам нужны гарантированные голосовые сообщения Opus. Если настроенный формат Microsoft завершается ошибкой, OpenClaw повторяет попытку с MP3.

Форматы вывода OpenAI и ElevenLabs фиксированы для каждого канала, как указано выше.

## Справочник полей

<AccordionGroup>
  <Accordion title="Top-level messages.tts.*">
    <ParamField path="auto" type="&#x22;off&#x22; | &#x22;always&#x22; | &#x22;inbound&#x22; | &#x22;tagged&#x22;">
      Режим Auto-TTS. `inbound` отправляет аудио только после входящего голосового сообщения; `tagged` отправляет аудио только когда ответ включает директивы `[[tts:...]]` или блок `[[tts:text]]`.
    </ParamField>

    <ParamField path="enabled" type="boolean" deprecated>
      Устаревший переключатель. `openclaw doctor --fix` переносит его в `auto`.
    </ParamField>

    <ParamField path="mode" type="&#x22;final&#x22; | &#x22;all&#x22;" default="final">
      `"all"` включает ответы инструментов/блоков в дополнение к финальным ответам.
    </ParamField>

    <ParamField path="provider" type="string">
      Идентификатор речевого провайдера. Если не задан, OpenClaw использует первый настроенный провайдер в порядке авто-выбора реестра. Устаревшее `provider: "edge"` переписывается в `"microsoft"` командой `openclaw doctor --fix`.
    </ParamField>

    <ParamField path="persona" type="string">
      Идентификатор активной персоны из `personas`. Нормализуется к нижнему регистру.
    </ParamField>

    <ParamField path="personas.<id>" type="object">
      Стабильная речевая идентичность. Поля: `label`, `description`, `provider`, `fallbackPolicy`, `prompt`, `providers.<provider>`. См. [Персоны](#personas).
    </ParamField>

    <ParamField path="summaryModel" type="string">
      Недорогая модель для автосводки; по умолчанию `agents.defaults.model.primary`. Принимает `provider/model` или настроенный псевдоним модели.
    </ParamField>

    <ParamField path="modelOverrides" type="object">
      Разрешить модели выдавать директивы TTS. `enabled` по умолчанию равно `true`; `allowProvider` по умолчанию равно `false`.
    </ParamField>

    <ParamField path="providers.<id>" type="object">
      Настройки, принадлежащие провайдеру, с ключами по идентификатору речевого провайдера. Устаревшие прямые блоки (`messages.tts.openai`, `.elevenlabs`, `.microsoft`, `.edge`) переписываются командой `openclaw doctor --fix`; коммитьте только `messages.tts.providers.<id>`.
    </ParamField>

    <ParamField path="maxTextLength" type="number">
      Жесткий лимит символов входного текста TTS. `/tts audio` завершается ошибкой при превышении.
    </ParamField>

    <ParamField path="timeoutMs" type="number">
      Тайм-аут запроса в миллисекундах.
    </ParamField>

    <ParamField path="prefsPath" type="string">
      Переопределить локальный путь JSON настроек (провайдер/лимит/сводка). По умолчанию `~/.openclaw/settings/tts.json`.
    </ParamField>
  </Accordion>

  <Accordion title="Azure Speech">
    <ParamField path="apiKey" type="string">Переменная окружения: `AZURE_SPEECH_KEY`, `AZURE_SPEECH_API_KEY` или `SPEECH_KEY`.</ParamField>
    <ParamField path="region" type="string">Регион Azure Speech (например, `eastus`). Переменная окружения: `AZURE_SPEECH_REGION` или `SPEECH_REGION`.</ParamField>
    <ParamField path="endpoint" type="string">Необязательное переопределение конечной точки Azure Speech (псевдоним `baseUrl`).</ParamField>
    <ParamField path="speakerVoice" type="string">ShortName голоса Azure. По умолчанию `en-US-JennyNeural`. Устаревший псевдоним: `voice`.</ParamField>
    <ParamField path="lang" type="string">Код языка SSML. По умолчанию `en-US`.</ParamField>
    <ParamField path="outputFormat" type="string">Azure `X-Microsoft-OutputFormat` для стандартного аудио. По умолчанию `audio-24khz-48kbitrate-mono-mp3`.</ParamField>
    <ParamField path="voiceNoteOutputFormat" type="string">Azure `X-Microsoft-OutputFormat` для вывода голосовых заметок. По умолчанию `ogg-24khz-16bit-mono-opus`.</ParamField>
  </Accordion>

  <Accordion title="ElevenLabs">
    <ParamField path="apiKey" type="string">Откатывается к `ELEVENLABS_API_KEY` или `XI_API_KEY`.</ParamField>
    <ParamField path="model" type="string">Идентификатор модели (например, `eleven_multilingual_v2`, `eleven_v3`).</ParamField>
    <ParamField path="speakerVoiceId" type="string">Идентификатор голоса ElevenLabs. Устаревший псевдоним: `voiceId`.</ParamField>

    <ParamField path="voiceSettings" type="object">
      `stability`, `similarityBoost`, `style` (каждый `0..1`), `useSpeakerBoost` (`true|false`), `speed` (`0.5..2.0`, `1.0` = нормальная).
    </ParamField>

    <ParamField path="applyTextNormalization" type="&#x22;auto&#x22; | &#x22;on&#x22; | &#x22;off&#x22;">Режим нормализации текста.</ParamField>
    <ParamField path="languageCode" type="string">2-буквенный ISO 639-1 (например, `en`, `de`).</ParamField>
    <ParamField path="seed" type="number">Целое число `0..4294967295` для детерминизма по мере возможности.</ParamField>
    <ParamField path="baseUrl" type="string">Переопределить базовый URL API ElevenLabs.</ParamField>
  </Accordion>

  <Accordion title="Google Gemini">
    <ParamField path="apiKey" type="string">Откатывается к `GEMINI_API_KEY` / `GOOGLE_API_KEY`. Если опущено, TTS может повторно использовать `models.providers.google.apiKey` до отката к переменным окружения.</ParamField>
    <ParamField path="model" type="string">Модель Gemini TTS. По умолчанию `gemini-3.1-flash-tts-preview`.</ParamField>
    <ParamField path="speakerVoice" type="string">Имя готового голоса Gemini. По умолчанию `Kore`. Устаревшие псевдонимы: `voiceName`, `voice`.</ParamField>
    <ParamField path="audioProfile" type="string">Запрос стиля на естественном языке, добавляемый перед произносимым текстом.</ParamField>
    <ParamField path="speakerName" type="string">Необязательная метка говорящего, добавляемая перед произносимым текстом, когда ваш запрос использует именованного говорящего.</ParamField>
    <ParamField path="promptTemplate" type="&#x22;audio-profile-v1&#x22;">Установите `audio-profile-v1`, чтобы обернуть поля запроса активной персоны в детерминированную структуру запроса Gemini TTS.</ParamField>
    <ParamField path="personaPrompt" type="string">Дополнительный текст запроса персоны, специфичный для Google, добавляемый к Director's Notes шаблона.</ParamField>
    <ParamField path="baseUrl" type="string">Принимается только `https://generativelanguage.googleapis.com`.</ParamField>
  </Accordion>

  <Accordion title="Gradium">
    <ParamField path="apiKey" type="string">Переменная окружения: `GRADIUM_API_KEY`.</ParamField>
    <ParamField path="baseUrl" type="string">По умолчанию `https://api.gradium.ai`.</ParamField>
    <ParamField path="speakerVoiceId" type="string">По умолчанию Emma (`YTpq7expH9539ERJ`). Устаревший псевдоним: `voiceId`.</ParamField>
  </Accordion>

  <Accordion title="Inworld">
    ### Основной Inworld

    <ParamField path="apiKey" type="string">Переменная окружения: `INWORLD_API_KEY`.</ParamField>
    <ParamField path="baseUrl" type="string">По умолчанию `https://api.inworld.ai`.</ParamField>
    <ParamField path="modelId" type="string">По умолчанию `inworld-tts-1.5-max`. Также: `inworld-tts-1.5-mini`, `inworld-tts-1-max`, `inworld-tts-1`.</ParamField>
    <ParamField path="speakerVoiceId" type="string">По умолчанию `Sarah`. Устаревший псевдоним: `voiceId`.</ParamField>
    <ParamField path="temperature" type="number">Температура сэмплирования `0..2`.</ParamField>
  </Accordion>

  <Accordion title="Локальный CLI (tts-local-cli)">
    <ParamField path="command" type="string">Локальный исполняемый файл или командная строка для CLI TTS.</ParamField>
    <ParamField path="args" type="string[]">Аргументы команды. Поддерживает плейсхолдеры `{{Text}}`, `{{OutputPath}}`, `{{OutputDir}}`, `{{OutputBase}}`.</ParamField>
    <ParamField path="outputFormat" type="&#x22;mp3&#x22; | &#x22;opus&#x22; | &#x22;wav&#x22;">Ожидаемый формат вывода CLI. По умолчанию `mp3` для аудиовложений.</ParamField>
    <ParamField path="timeoutMs" type="number">Тайм-аут команды в миллисекундах. По умолчанию `120000`.</ParamField>
    <ParamField path="cwd" type="string">Необязательный рабочий каталог команды.</ParamField>
    <ParamField path="env" type="Record<string, string>">Необязательные переопределения переменных окружения для команды.</ParamField>
  </Accordion>

  <Accordion title="Microsoft (без ключа API)">
    <ParamField path="enabled" type="boolean" default="true">Разрешить использование речи Microsoft.</ParamField>
    <ParamField path="speakerVoice" type="string">Имя нейронного голоса Microsoft (например, `en-US-MichelleNeural`). Устаревший псевдоним: `voice`.</ParamField>
    <ParamField path="lang" type="string">Код языка (например, `en-US`).</ParamField>
    <ParamField path="outputFormat" type="string">Формат вывода Microsoft. По умолчанию `audio-24khz-48kbitrate-mono-mp3`. Не все форматы поддерживаются встроенным транспортом на базе Edge.</ParamField>
    <ParamField path="rate / pitch / volume" type="string">Процентные строки (например, `+10%`, `-5%`).</ParamField>
    <ParamField path="saveSubtitles" type="boolean">Записывать субтитры JSON рядом с аудиофайлом.</ParamField>
    <ParamField path="proxy" type="string">URL прокси для речевых запросов Microsoft.</ParamField>
    <ParamField path="timeoutMs" type="number">Переопределение тайм-аута запроса (мс).</ParamField>
    <ParamField path="edge.*" type="object" deprecated>Устаревший псевдоним. Запустите `openclaw doctor --fix`, чтобы переписать сохраненную конфигурацию в `providers.microsoft`.</ParamField>
  </Accordion>

  <Accordion title="MiniMax">
    <ParamField path="apiKey" type="string">Использует `MINIMAX_API_KEY` как запасной вариант. Аутентификация Token Plan через `MINIMAX_OAUTH_TOKEN`, `MINIMAX_CODE_PLAN_KEY` или `MINIMAX_CODING_API_KEY`.</ParamField>
    <ParamField path="baseUrl" type="string">По умолчанию `https://api.minimax.io`. Переменная окружения: `MINIMAX_API_HOST`.</ParamField>
    <ParamField path="model" type="string">По умолчанию `speech-2.8-hd`. Переменная окружения: `MINIMAX_TTS_MODEL`.</ParamField>
    <ParamField path="speakerVoiceId" type="string">По умолчанию `English_expressive_narrator`. Переменная окружения: `MINIMAX_TTS_VOICE_ID`. Устаревший псевдоним: `voiceId`.</ParamField>
    <ParamField path="speed" type="number">`0.5..2.0`. По умолчанию `1.0`.</ParamField>
    <ParamField path="vol" type="number">`(0, 10]`. По умолчанию `1.0`.</ParamField>
    <ParamField path="pitch" type="number">Целое число `-12..12`. По умолчанию `0`. Дробные значения усекаются перед запросом.</ParamField>
  </Accordion>

  <Accordion title="OpenAI">
    <ParamField path="apiKey" type="string">Использует `OPENAI_API_KEY` как запасной вариант.</ParamField>
    <ParamField path="model" type="string">Идентификатор модели OpenAI TTS (например, `gpt-4o-mini-tts`).</ParamField>
    <ParamField path="speakerVoice" type="string">Имя голоса (например, `alloy`, `cedar`). Устаревший псевдоним: `voice`.</ParamField>
    <ParamField path="instructions" type="string">Явное поле OpenAI `instructions`. Если оно задано, поля промпта персоны **не** сопоставляются автоматически.</ParamField>
    <ParamField path="extraBody / extra_body" type="Record<string, unknown>">Дополнительные поля JSON, объединяемые с телами запросов `/audio/speech` после сгенерированных полей OpenAI TTS. Используйте это для OpenAI-совместимых конечных точек, таких как Kokoro, которым требуются ключи, специфичные для провайдера, например `lang`; небезопасные ключи прототипов игнорируются.</ParamField>

    <ParamField path="baseUrl" type="string">
      Переопределяет конечную точку OpenAI TTS. Порядок разрешения: конфигурация → `OPENAI_TTS_BASE_URL` → `https://api.openai.com/v1`. Значения, отличные от стандартного, считаются OpenAI-совместимыми конечными точками TTS, поэтому пользовательские имена моделей и голосов принимаются.
    </ParamField>
  </Accordion>

  <Accordion title="OpenRouter">
    <ParamField path="apiKey" type="string">Переменная окружения: `OPENROUTER_API_KEY`. Может повторно использовать `models.providers.openrouter.apiKey`.</ParamField>
    <ParamField path="baseUrl" type="string">По умолчанию `https://openrouter.ai/api/v1`. Устаревший `https://openrouter.ai/v1` нормализуется.</ParamField>
    <ParamField path="model" type="string">По умолчанию `hexgrad/kokoro-82m`. Псевдоним: `modelId`.</ParamField>
    <ParamField path="speakerVoice" type="string">По умолчанию `af_alloy`. Устаревшие псевдонимы: `voice`, `voiceId`.</ParamField>
    <ParamField path="responseFormat" type="&#x22;mp3&#x22; | &#x22;pcm&#x22;">По умолчанию `mp3`.</ParamField>
    <ParamField path="speed" type="number">Собственное переопределение скорости провайдера.</ParamField>
  </Accordion>

  <Accordion title="Volcengine (BytePlus Seed Speech)">
    <ParamField path="apiKey" type="string">Переменная окружения: `VOLCENGINE_TTS_API_KEY` или `BYTEPLUS_SEED_SPEECH_API_KEY`.</ParamField>
    <ParamField path="resourceId" type="string">По умолчанию `seed-tts-1.0`. Переменная окружения: `VOLCENGINE_TTS_RESOURCE_ID`. Используйте `seed-tts-2.0`, если у вашего проекта есть право на TTS 2.0.</ParamField>
    <ParamField path="appKey" type="string">Заголовок ключа приложения. По умолчанию `aGjiRDfUWi`. Переменная окружения: `VOLCENGINE_TTS_APP_KEY`.</ParamField>
    <ParamField path="baseUrl" type="string">Переопределяет HTTP-конечную точку Seed Speech TTS. Переменная окружения: `VOLCENGINE_TTS_BASE_URL`.</ParamField>
    <ParamField path="speakerVoice" type="string">Тип голоса. По умолчанию `en_female_anna_mars_bigtts`. Переменная окружения: `VOLCENGINE_TTS_VOICE`. Устаревший псевдоним: `voice`.</ParamField>
    <ParamField path="speedRatio" type="number">Собственный коэффициент скорости провайдера.</ParamField>
    <ParamField path="emotion" type="string">Собственный тег эмоции провайдера.</ParamField>
    <ParamField path="appId / token / cluster" type="string" deprecated>Устаревшие поля Volcengine Speech Console. Переменные окружения: `VOLCENGINE_TTS_APPID`, `VOLCENGINE_TTS_TOKEN`, `VOLCENGINE_TTS_CLUSTER` (по умолчанию `volcano_tts`).</ParamField>
  </Accordion>

  <Accordion title="xAI">
    <ParamField path="apiKey" type="string">Переменная окружения: `XAI_API_KEY`.</ParamField>
    <ParamField path="baseUrl" type="string">По умолчанию `https://api.x.ai/v1`. Переменная окружения: `XAI_BASE_URL`.</ParamField>
    <ParamField path="speakerVoiceId" type="string">По умолчанию `eve`. Доступные рабочие голоса: `ara`, `eve`, `leo`, `rex`, `sal`, `una`. Устаревший псевдоним: `voiceId`.</ParamField>
    <ParamField path="language" type="string">Код языка BCP-47 или `auto`. По умолчанию `en`.</ParamField>
    <ParamField path="responseFormat" type="&#x22;mp3&#x22; | &#x22;wav&#x22; | &#x22;pcm&#x22; | &#x22;mulaw&#x22; | &#x22;alaw&#x22;">По умолчанию `mp3`.</ParamField>
    <ParamField path="speed" type="number">Собственное переопределение скорости провайдера.</ParamField>
  </Accordion>

  <Accordion title="Xiaomi MiMo">
    <ParamField path="apiKey" type="string">Переменная окружения: `XIAOMI_API_KEY`.</ParamField>
    <ParamField path="baseUrl" type="string">По умолчанию `https://api.xiaomimimo.com/v1`. Переменная окружения: `XIAOMI_BASE_URL`.</ParamField>
    <ParamField path="model" type="string">По умолчанию `mimo-v2.5-tts`. Переменная окружения: `XIAOMI_TTS_MODEL`. Также поддерживает `mimo-v2-tts` и `mimo-v2.5-tts-voicedesign`.</ParamField>
    <ParamField path="speakerVoice" type="string">По умолчанию `mimo_default` для моделей с предустановленными голосами. Переменная окружения: `XIAOMI_TTS_VOICE`. Устаревший псевдоним: `voice`. Не отправляется для `mimo-v2.5-tts-voicedesign`.</ParamField>
    <ParamField path="format" type="&#x22;mp3&#x22; | &#x22;wav&#x22;">По умолчанию `mp3`. Переменная окружения: `XIAOMI_TTS_FORMAT`.</ParamField>
    <ParamField path="style" type="string">Необязательная инструкция стиля на естественном языке, отправляемая как сообщение пользователя; не озвучивается. Для `mimo-v2.5-tts-voicedesign` это промпт проектирования голоса; OpenClaw предоставляет значение по умолчанию, если оно опущено.</ParamField>
  </Accordion>
</AccordionGroup>

## Инструмент агента

Инструмент `tts` преобразует текст в речь и возвращает аудиовложение для
доставки ответа. В Feishu, Matrix, Telegram и WhatsApp аудио
доставляется как голосовое сообщение, а не как вложенный файл. Feishu и
WhatsApp могут транскодировать вывод TTS не в формате Opus на этом пути, когда
доступен `ffmpeg`.

WhatsApp отправляет аудио через Baileys как голосовую заметку PTT (`audio` с
`ptt: true`) и отправляет видимый текст **отдельно** от PTT-аудио, потому что
клиенты не всегда корректно отображают подписи к голосовым заметкам.

Инструмент принимает необязательные поля `channel` и `timeoutMs`; `timeoutMs` — это
тайм-аут запроса к провайдеру для отдельного вызова в миллисекундах. Значения для отдельного вызова переопределяют
`messages.tts.timeoutMs`; настроенные тайм-ауты TTS переопределяют любое
значение по умолчанию провайдера, заданное Plugin.

## Gateway RPC

| Метод             | Назначение                                                |
| ----------------- | --------------------------------------------------------- |
| `tts.status`      | Читать текущее состояние TTS и последнюю попытку.         |
| `tts.enable`      | Установить локальную автоматическую настройку в `always`. |
| `tts.disable`     | Установить локальную автоматическую настройку в `off`.    |
| `tts.convert`     | Разовое преобразование текста → аудио.                    |
| `tts.setProvider` | Установить локальную настройку провайдера.                |
| `tts.setPersona`  | Установить локальную настройку персоны.                   |
| `tts.providers`   | Список настроенных провайдеров и их статус.               |

## Ссылки на сервисы

* [Руководство OpenAI по преобразованию текста в речь](https://platform.openai.com/docs/guides/text-to-speech)
* [Справочник OpenAI Audio API](https://platform.openai.com/docs/api-reference/audio)
* [Azure Speech REST для преобразования текста в речь](https://learn.microsoft.com/azure/ai-services/speech-service/rest-text-to-speech)
* [Провайдер Azure Speech](/ru/providers/azure-speech)
* [ElevenLabs Text to Speech](https://elevenlabs.io/docs/api-reference/text-to-speech)
* [Аутентификация ElevenLabs](https://elevenlabs.io/docs/api-reference/authentication)
* [Gradium](/ru/providers/gradium)
* [Inworld TTS API](https://docs.inworld.ai/tts/tts)
* [MiniMax T2A v2 API](https://platform.minimaxi.com/document/T2A%20V2)
* [Volcengine TTS HTTP API](/ru/providers/volcengine#text-to-speech)
* [Синтез речи Xiaomi MiMo](/ru/providers/xiaomi#text-to-speech)
* [node-edge-tts](https://github.com/SchneeHertz/node-edge-tts)
* [Форматы вывода Microsoft Speech](https://learn.microsoft.com/azure/ai-services/speech-service/rest-text-to-speech#audio-outputs)
* [xAI text to speech](https://docs.x.ai/developers/rest-api-reference/inference/voice#text-to-speech-rest)

## См. также

* [Обзор медиа](/ru/tools/media-overview)
* [Генерация музыки](/ru/tools/music-generation)
* [Генерация видео](/ru/tools/video-generation)
* [Слэш-команды](/ru/tools/slash-commands)
* [Plugin голосовых вызовов](/ru/plugins/voice-call)