Перейти до основного вмісту

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.

OpenClaw використовує ElevenLabs для перетворення тексту на мовлення, пакетного перетворення мовлення на текст за допомогою Scribe v2 і потокового STT за допомогою Scribe v2 Realtime.
МожливістьПоверхня OpenClawТипово
Перетворення тексту на мовленняmessages.tts / talkeleven_multilingual_v2
Пакетне перетворення мовлення на текстtools.media.audioscribe_v2
Потокове перетворення мовлення на текстПотокове передавання Голосового виклику або Google Meet realtime.transcriptionProviderscribe_v2_realtime

​
Автентифікація

Встановіть ELEVENLABS_API_KEY у середовищі. XI_API_KEY також приймається для сумісності з наявними інструментами ElevenLabs. 
export ELEVENLABS_API_KEY="..."

​
Перетворення тексту на мовлення

{
  messages: {
    tts: {
      providers: {
        elevenlabs: {
          apiKey: "${ELEVENLABS_API_KEY}",
          voiceId: "pMsXgVXv3BLzUgSXRplE",
          modelId: "eleven_multilingual_v2",
        },
      },
    },
  },
}
Встановіть modelId на eleven_v3, щоб використовувати ElevenLabs v3 TTS. OpenClaw залишає eleven_multilingual_v2 типовим варіантом для наявних інсталяцій. Голосові канали Discord використовують потоковий кінцевий пункт TTS ElevenLabs, коли ElevenLabs є вибраним провайдером voice.tts/messages.tts. Відтворення починається з повернутого аудіопотоку замість очікування, доки OpenClaw спочатку завантажить і запише весь аудіофайл. latencyTier зіставляється з параметром запиту ElevenLabs optimize_streaming_latency для моделей, які його приймають; OpenClaw пропускає цей параметр для eleven_v3, яка його відхиляє.

​
Перетворення мовлення на текст

Використовуйте Scribe v2 для вхідних аудіовкладень і коротких записаних голосових сегментів: 
{
  tools: {
    media: {
      audio: {
        enabled: true,
        models: [{ provider: "elevenlabs", model: "scribe_v2" }],
      },
    },
  },
}
OpenClaw надсилає multipart-аудіо до ElevenLabs /v1/speech-to-text з model_id: "scribe_v2". Підказки мови зіставляються з language_code, якщо вони присутні.

​
Потокове STT

Вбудований Plugin elevenlabs реєструє Scribe v2 Realtime для потокової транскрипції в агентському режимі Голосового виклику та Google Meet.
НалаштуванняШлях конфігураціїТипово
API-ключplugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKeyПовертається до ELEVENLABS_API_KEY / XI_API_KEY
Модель...elevenlabs.modelIdscribe_v2_realtime
Аудіоформат...elevenlabs.audioFormatulaw_8000
Частота дискретизації...elevenlabs.sampleRate8000
Стратегія фіксації...elevenlabs.commitStrategyvad
Мова...elevenlabs.languageCode(не встановлено)
{
  plugins: {
    entries: {
      "voice-call": {
        config: {
          streaming: {
            enabled: true,
            provider: "elevenlabs",
            providers: {
              elevenlabs: {
                apiKey: "${ELEVENLABS_API_KEY}",
                audioFormat: "ulaw_8000",
                commitStrategy: "vad",
                languageCode: "en",
              },
            },
          },
        },
      },
    },
  },
}
Голосовий виклик отримує медіа Twilio як 8 кГц G.711 u-law. Провайдер ElevenLabs realtime типово використовує ulaw_8000, тому телефонні кадри можна пересилати без перекодування.
Для агентського режиму Google Meet встановіть plugins.entries.google-meet.config.realtime.transcriptionProvider на "elevenlabs" і налаштуйте той самий блок провайдера в plugins.entries.google-meet.config.realtime.providers.elevenlabs.

​
Пов’язане