Deepgram

Deepgram — це API перетворення мовлення на текст. OpenClaw використовує його для транскрибування вхідних аудіо та голосових нотаток через tools.media.audio, а також для потокового STT голосових викликів через plugins.entries.voice-call.config.streaming. Під час пакетного транскрибування повний аудіофайл завантажується до Deepgram, а транскрипт додається до конвеєра відповідей (блок {{Transcript}} + [Audio]). Потокова обробка голосових викликів передає наживо кадри G.711 u-law через кінцеву точку WebSocket listen Deepgram і видає проміжні та остаточні транскрипти в міру їх повернення Deepgram.

Відомості	Значення
Вебсайт	deepgram.com
Документація	developers.deepgram.com
Автентифікація	`DEEPGRAM_API_KEY`
Типова модель	`nova-3`

Початок роботи

Задайте ключ API

DEEPGRAM_API_KEY=dg_...

Увімкніть постачальника аудіо

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

Надішліть голосову нотатку

Надішліть аудіоповідомлення через будь-який підключений канал. OpenClaw транскрибує його за допомогою Deepgram і додає транскрипт до конвеєра відповідей.

Параметри конфігурації

Параметр	Шлях	Опис
`model`	`tools.media.audio.models[].model`	Ідентифікатор моделі Deepgram (типово: `nova-3`)
`language`	`tools.media.audio.models[].language`	Підказка щодо мови (необов’язково)

providerOptions.deepgram безпосередньо додає додаткові параметри запиту до запиту Deepgram /listen, тому можна використовувати будь-які назви параметрів, які підтримує Deepgram (наприклад, detect_language, punctuate, smart_format):

З підказкою щодо мови
З параметрами 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" }],
      },
    },
  },
}

Потокове STT голосових викликів

Вбудований plugin deepgram також реєструє постачальника транскрибування в реальному часі для plugin голосових викликів.

Налаштування	Шлях конфігурації	Типове значення
Ключ API	`plugins.entries.voice-call.config.streaming.providers.deepgram.apiKey`	Якщо не задано, використовується `DEEPGRAM_API_KEY`
Базова URL-адреса	`...deepgram.baseUrl`	`DEEPGRAM_BASE_URL` або публічний API Deepgram
Модель	`...deepgram.model`	`nova-3`
Мова	`...deepgram.language`	(не задано)
Кодування	`...deepgram.encoding`	`mulaw`
Частота дискретизації	`...deepgram.sampleRate`	`8000`
Визначення завершення	`...deepgram.endpointingMs`	`800`
Проміжні результати	`...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",
              },
            },
          },
        },
      },
    },
  },
}

Для власної кінцевої точки Deepgram задайте для baseUrl кореневу адресу кінцевої точки, включно з будь-яким базовим шляхом, але без /listen. Кінцеві точки реального часу приймають http://, https://, ws:// та wss://. HTTP зіставляється з WS, HTTPS — із WSS, а явно вказані схеми WebSocket залишаються без змін. Неправильно сформовані URL-адреси та інші схеми спричиняють помилку під час налаштування сеансу.

Voice Call отримує телефонний аудіосигнал у форматі G.711 u-law із частотою 8 кГц. Постачальник потокової обробки Deepgram типово використовує encoding: "mulaw" і sampleRate: 8000, тому медіакадри Twilio можна передавати безпосередньо.

Примітки

Автентифікація

Автентифікація виконується у стандартному порядку автентифікації постачальника. DEEPGRAM_API_KEY — найпростіший спосіб.

Проксі та власні кінцеві точки

Під час використання проксі перевизначте кінцеві точки або заголовки за допомогою tools.media.audio.baseUrl і tools.media.audio.headers.

Поведінка виведення

Виведення підпорядковується тим самим правилам обробки аудіо, що й для інших постачальників (обмеження розміру, час очікування, додавання транскрипту).

Пов’язані матеріали

Медіаінструменти

Огляд конвеєра обробки аудіо, зображень і відео.

Конфігурація

Повний довідник із конфігурації, включно з налаштуваннями медіаінструментів.

Усунення несправностей

Поширені проблеми та кроки діагностики.

Поширені запитання

Поширені запитання щодо налаштування OpenClaw.

Overview

Concepts and configuration

Providers

Початок роботи

Параметри конфігурації

Потокове STT голосових викликів

Примітки

Пов’язані матеріали

Медіаінструменти

Конфігурація

Усунення несправностей

Поширені запитання

​Початок роботи

​Параметри конфігурації

​Потокове STT голосових викликів

​Примітки

​Пов’язані матеріали

Медіаінструменти

Конфігурація

Усунення несправностей

Поширені запитання

Початок роботи

Параметри конфігурації

Потокове STT голосових викликів

Примітки

Пов’язані матеріали