Metinden konuşmaya

​

Hızlı başlangıç

{
  tts: {
    auto: "always",
    provider: "elevenlabs",
  },
}

​

Desteklenen sağlayıcılar

​

Yapılandırma

{
  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",
      },
    },
  },
}

{
  tts: {
    auto: "always",
    provider: "elevenlabs",
    providers: {
      elevenlabs: {
        apiKey: "${ELEVENLABS_API_KEY}",
        model: "eleven_multilingual_v2",
        speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",
      },
    },
  },
}

{
  tts: {
    auto: "always",
    provider: "google",
    providers: {
      google: {
        apiKey: "${GEMINI_API_KEY}",
        model: "gemini-3.1-flash-tts-preview",
        speakerVoice: "Kore",
        // İsteğe bağlı doğal dil stil istemleri:
        // audioProfile: "Sakin bir podcast sunucusu tonuyla konuş.",
        // speakerName: "Alex",
      },
    },
  },
}

{
  tts: {
    auto: "always",
    provider: "gradium",
    providers: {
      gradium: {
        apiKey: "${GRADIUM_API_KEY}",
        speakerVoiceId: "YTpq7expH9539ERJ",
      },
    },
  },
}

{
  tts: {
    auto: "always",
    provider: "inworld",
    providers: {
      inworld: {
        apiKey: "${INWORLD_API_KEY}",
        modelId: "inworld-tts-1.5-max",
        speakerVoiceId: "Sarah",
        temperature: 0.7,
      },
    },
  },
}

{
  tts: {
    auto: "always",
    provider: "tts-local-cli",
    providers: {
      "tts-local-cli": {
        command: "say",
        args: ["-o", "{{OutputPath}}", "{{Text}}"],
        outputFormat: "wav",
        timeoutMs: 120000,
      },
    },
  },
}

{
  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%",
      },
    },
  },
}

{
  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,
      },
    },
  },
}

{
  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",
      },
    },
  },
}

{
  tts: {
    auto: "always",
    provider: "openrouter",
    providers: {
      openrouter: {
        apiKey: "${OPENROUTER_API_KEY}",
        model: "hexgrad/kokoro-82m",
        speakerVoice: "af_alloy",
        responseFormat: "mp3",
      },
    },
  },
}

{
  tts: {
    auto: "always",
    provider: "volcengine",
    providers: {
      volcengine: {
        apiKey: "${VOLCENGINE_TTS_API_KEY}",
        resourceId: "seed-tts-1.0",
        speakerVoice: "en_female_anna_mars_bigtts",
      },
    },
  },
}

{
  tts: {
    auto: "always",
    provider: "xai",
    providers: {
      xai: {
        apiKey: "${XAI_API_KEY}",
        speakerVoiceId: "eve",
        language: "en",
        responseFormat: "mp3",
      },
    },
  },
}

{
  tts: {
    auto: "always",
    provider: "xiaomi",
    providers: {
      xiaomi: {
        apiKey: "${XIAOMI_API_KEY}",
        model: "mimo-v2.5-tts",
        speakerVoice: "mimo_default",
        format: "mp3",
      },
    },
  },
}

​

Agent başına ses geçersiz kılmaları

{
  tts: {
    auto: "always",
    provider: "elevenlabs",
    providers: {
      elevenlabs: { apiKey: "${ELEVENLABS_API_KEY}", model: "eleven_multilingual_v2" },
    },
  },
  agents: {
    list: [
      {
        id: "reader",
        tts: {
          providers: {
            elevenlabs: { speakerVoiceId: "EXAVITQu4vr4xnSDxMaL" },
          },
        },
      },
    ],
  },
}

1. tts
2. etkin agents.entries.*.tts
3. kanal channels.<channel>.tts desteklediğinde kanal geçersiz kılması
4. kanal channels.<channel>.accounts.<id>.tts ilettiğinde hesap geçersiz kılması
5. bu ana makineye ait yerel /tts tercihleri
6. model geçersiz kılmaları etkinleştirildiğinde satır içi [[tts:...]] yönergeleri

{
  tts: {
    provider: "openai",
    providers: {
      openai: { apiKey: "${OPENAI_API_KEY}", model: "gpt-4o-mini-tts" },
    },
  },
  channels: {
    feishu: {
      accounts: {
        english: {
          tts: {
            providers: {
              openai: { speakerVoice: "shimmer" },
            },
          },
        },
      },
    },
  },
}

​

Personalar

​

Minimal persona

{
  tts: {
    auto: "always",
    persona: "narrator",
    personas: {
      narrator: {
        label: "Narrator",
        provider: "elevenlabs",
        providers: {
          elevenlabs: {
            speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",
            modelId: "eleven_multilingual_v2",
          },
        },
      },
    },
  },
}

​

Tam persona (sağlayıcıya özgü şekillendirme)

{
  tts: {
    auto: "always",
    persona: "alfred",
    personas: {
      alfred: {
        label: "Alfred",
        description: "Dry, warm British butler narrator.",
        provider: "google",
        fallbackPolicy: "preserve-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,
            },
          },
        },
      },
    },
  },
}

​

Persona çözümleme

1. ayarlanmışsa yerel /tts persona <id> tercihi.
2. ayarlanmışsa tts.persona.
3. Persona yok.

1. Doğrudan geçersiz kılmalar (CLI, Gateway, Talk, izin verilen TTS yönergeleri).
2. Yerel /tts provider <id> tercihi.
3. Etkin personanın provider değeri.
4. tts.provider.
5. Kayıt defterinden otomatik seçim.

1. tts.providers.<id>
2. tts.personas.<persona>.providers.<id>
3. Güvenilir istek geçersiz kılmaları
4. İzin verilen, model tarafından yayımlanmış TTS yönergesi geçersiz kılmaları

​

Özel persona şekillendirme

​

Geri dönüş politikası

​

Model güdümlü yönergeler

Buyurun.

[[tts:speakerVoiceId=pMsXgVXv3BLzUgSXRplE model=eleven_v3 speed=1.1]]
[[tts:text]](güler) Şarkıyı bir kez daha oku.[[/tts:text]]

• provider (kayıtlı sağlayıcı kimliği; allowProvider: true gerektirir)
• speakerVoice / speakerVoiceId (eski diğer adlar: voice, voiceName, voice_name, google_voice, voiceId)
• model / google_model
• stability, similarityBoost, style, speed, useSpeakerBoost
• vol / volume (MiniMax ses düzeyi, (0, 10])
• pitch (MiniMax tam sayı perde değeri, −12 ile 12; kesirli değerler kırpılır)
• emotion (Volcengine duygu etiketi)
• applyTextNormalization (auto|on|off)
• languageCode (ISO 639-1)
• seed

{ messages: { tts: { modelOverrides: { enabled: false } } } }

{ messages: { tts: { modelOverrides: { enabled: true, allowProvider: true, allowSeed: false } } } }

​

Eğik çizgi komutları

/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>

• /tts on, yerel TTS tercihini always konumuna yazar; /tts off ise off konumuna yazar.
• /tts chat on|off|default, geçerli sohbet için oturum kapsamlı bir otomatik TTS geçersiz kılması yazar.
• /tts persona <id>, yerel persona tercihini yazar; /tts persona off bunu temizler.
• /tts latest, geçerli oturum dökümündeki en son asistan yanıtını okur ve bir kez ses olarak gönderir. Yinelenen ses gönderimlerini önlemek için oturum girdisinde yalnızca bu yanıtın karmasını saklar.
• /tts audio, tek seferlik bir sesli yanıt oluşturur (TTS’yi etkinleştirmez).
• /tts limit <chars>, 100–4096 aralığını kabul eder (4096, Telegram açıklama/mesaj üst sınırıdır); bu aralığın dışındaki değerler reddedilir.
• limit ve summary, ana yapılandırmada değil yerel tercihlerde saklanır.
• /tts status, son denemeye ait geri dönüş tanılamalarını içerir — Fallback: <primary> -> <used>, Attempts: ... ve deneme başına ayrıntı (provider:outcome(reasonCode) latency).
• /status, TTS etkinleştirildiğinde yapılandırılmış sağlayıcı, model, ses ve temizlenmiş özel uç nokta meta verileriyle birlikte etkin TTS modunu gösterir.

​

Kullanıcı başına tercihler

​

Çıktı biçimleri

• Feishu / WhatsApp kod dönüştürme: Sesli not yanıtı MP3/WebM/WAV/M4A veya başka bir olası ses dosyası olarak geldiğinde, kanal Plugin’i yerel sesli mesajı göndermeden önce dosyayı ffmpeg (libopus, 64 kbps) ile 48 kHz Ogg/Opus biçimine dönüştürür. WhatsApp, sonucu ptt: true ve audio/ogg; codecs=opus ile Baileys audio yükü üzerinden gönderir. Kod dönüştürme başarısız olduğunda: Feishu hatayı yakalar ve özgün dosyayı düz bir ek olarak göndermeye geri döner; WhatsApp’ta geri dönüş yoktur, bu nedenle uyumsuz bir PTT yükü yayımlamak yerine gönderimin kendisi başarısız olur.
• MiniMax: Normal ses ekleri için MP3 (speech-2.8-hd modeli, 32 kHz örnekleme hızı); kanalın sesli not desteği bildirdiği hedefler için ffmpeg ile 48 kHz Opus biçimine dönüştürülür.
• Xiaomi MiMo: Varsayılan olarak MP3 veya yapılandırıldığında WAV; kanalın sesli not desteği bildirdiği hedefler için ffmpeg ile 48 kHz Opus biçimine dönüştürülür.
• Yerel CLI: Yapılandırılmış outputFormat değerini kullanır. Sesli not hedefleri Ogg/Opus biçimine, telefon çıktısı ise ffmpeg ile ham 16 kHz mono PCM biçimine dönüştürülür.
• Google Gemini: Ham 24 kHz PCM döndürür. OpenClaw, ses ekleri için bunu WAV olarak sarmalar, sesli not hedefleri için 48 kHz Opus biçimine dönüştürür ve Talk/telefon için doğrudan PCM döndürür.
• Gradium: Ses ekleri için WAV, sesli not hedefleri için Opus ve telefon için 8 kHz’de ulaw_8000.
• Inworld: Normal ses ekleri için MP3, sesli not hedefleri için yerel OGG_OPUS ve Talk/telefon için 22050 Hz’de ham PCM.
• xAI: Varsayılan olarak MP3; ses dosyası sentezi, hem arabelleğe alınan hem de akış çıktısı için mp3, wav, pcm, mulaw veya alaw kullanabilir. xAI’ın pcm, mulaw ve alaw çıktıları başlıksız ham ses olduğundan, sesli not hedefleri akış için MP3 ve arabelleğe alınan geri dönüş için MP3 kullanır. Arabelleğe alınan sentez, xAI’ın toplu REST /v1/tts uç noktasını kullanır; textToSpeechStream yerel wss://api.x.ai/v1/tts kullanır. Bu, gerçek zamanlı ses sözleşmesi değildir. Yerel Opus sesli not biçimi desteklenmez.
• Microsoft: microsoft.outputFormat kullanır (varsayılan audio-24khz-48kbitrate-mono-mp3).
  • Paketle birlikte gelen taşıma, bir outputFormat kabul eder ancak hizmette tüm biçimler kullanılamaz.
  • Çıktı biçimi değerleri Microsoft Speech çıktı biçimlerini izler (Ogg/WebM Opus dâhil).
  • Telegram sendVoice, OGG/MP3/M4A kabul eder; Opus sesli mesajlarının garanti edilmesi gerekiyorsa OpenAI/ElevenLabs kullanın.
  • Yapılandırılmış Microsoft çıktı biçimi başarısız olursa OpenClaw MP3 ile yeniden dener.
  • Açık bir ses geçersiz kılması ayarlanmadığında ve varsayılan İngilizce ses kullanıldığında, yanıt metninde CJK karakterleri baskınsa OpenClaw otomatik olarak Çince bir sinirsel sese (zh-CN-XiaoxiaoNeural, zh-CN yerel ayarı) geçer.

​

Otomatik TTS davranışı

• Yanıt zaten yapılandırılmış medya içeriyorsa TTS’yi atlar.
• Çok kısa yanıtları (10 karakterden az) atlar.
• Özetler etkinleştirildiğinde uzun yanıtları summaryModel (veya agents.defaults.model.primary) kullanarak özetler.
• Oluşturulan sesi yanıta ekler.
• mode: "final" içinde, metin akışı tamamlandıktan sonra akışla iletilen son yanıtlar için yine de yalnızca ses içeren TTS gönderir; oluşturulan medya, normal yanıt ekleriyle aynı kanal medya normalleştirmesinden geçer.

• Özet açık (varsayılan) ve bir özet modeli kullanılabiliyorsa: metni yaklaşık maxLength karaktere özetler, ardından özeti sentezler.
• Özet kapalıysa, özetleme başarısız olursa veya özet modeli için API anahtarı yoksa: metni maxLength karaktere kısaltır ve kısaltılmış metni sentezler.

Yanıt -> TTS etkin mi?
  hayır -> metni gönder
  evet  -> medya içeriyor mu / kısa mı?
           evet  -> metni gönder
           hayır -> uzunluk > sınır mı?
                    hayır -> TTS -> sesi ekle
                    evet  -> özet etkin ve kullanılabilir mi?
                             hayır -> kısalt -> TTS -> sesi ekle
                             evet  -> özetle -> TTS -> sesi ekle

​

Alan başvurusu

​

Agent aracı

​

Gateway RPC

​

Hizmet bağlantıları

• OpenAI metinden sese dönüştürme kılavuzu
• OpenAI Audio API referansı
• Azure Speech REST metinden sese dönüştürme
• Azure Speech sağlayıcısı
• ElevenLabs Metinden Sese Dönüştürme
• ElevenLabs Kimlik Doğrulaması
• Gradium
• Inworld TTS API
• MiniMax T2A v2 API
• Volcengine TTS HTTP API
• Xiaomi MiMo konuşma sentezi
• node-edge-tts
• Microsoft Speech çıkış biçimleri
• xAI metinden sese dönüştürme

​

İlgili

• Medyaya genel bakış
• Müzik oluşturma
• Video oluşturma
• Eğik çizgi komutları
• Sesli arama plugin’i