Перейти до основного вмісту
Plugin Google надає доступ до моделей Gemini через Google AI Studio, а також генерацію зображень, розуміння медіа (зображення/аудіо/відео), перетворення тексту на мовлення та вебпошук через Gemini Grounding.
  • Провайдер: google
  • Автентифікація: GEMINI_API_KEY або GOOGLE_API_KEY
  • API: Google Gemini API
  • Опція runtime: provider/model agentRuntime.id: "google-gemini-cli" повторно використовує OAuth Gemini CLI, зберігаючи посилання на моделі канонічними як google/*.

​
Початок роботи

Виберіть бажаний метод автентифікації та виконайте кроки налаштування.
Найкраще для: стандартного доступу до Gemini API через Google AI Studio.
1

Запустіть onboarding

openclaw onboard --auth-choice gemini-api-key
Або передайте ключ напряму:
openclaw onboard --non-interactive \
  --mode local \
  --auth-choice gemini-api-key \
  --gemini-api-key "$GEMINI_API_KEY"
2

Установіть модель за замовчуванням

{
  agents: {
    defaults: {
      model: { primary: "google/gemini-3.1-pro-preview" },
    },
  },
}
3

Перевірте, що модель доступна

openclaw models list --provider google
Змінні середовища GEMINI_API_KEY і GOOGLE_API_KEY обидві підтримуються. Використовуйте ту, яку вже налаштовано.

​
Можливості

МожливістьПідтримується
Завершення чатуТак
Генерація зображеньТак
Генерація музикиТак
Text-to-speechТак
Голос у реальному часіТак (Google Live API)
Розуміння зображеньТак
Транскрипція аудіоТак
Розуміння відеоТак
Вебпошук (Grounding)Так
Мислення/міркуванняТак (Gemini 2.5+ / Gemini 3+)
Моделі Gemma 4Так

​
Вебпошук

Вбудований провайдер вебпошуку gemini використовує grounding Gemini Google Search. Налаштуйте окремий ключ пошуку в plugins.entries.google.config.webSearch, або дозвольте повторно використовувати models.providers.google.apiKey після GEMINI_API_KEY: 
{
  plugins: {
    entries: {
      google: {
        config: {
          webSearch: {
            apiKey: "AIza...", // optional if GEMINI_API_KEY or models.providers.google.apiKey is set
            baseUrl: "https://generativelanguage.googleapis.com/v1beta", // falls back to models.providers.google.baseUrl
            model: "gemini-2.5-flash",
          },
        },
      },
    },
  },
}
Пріоритет облікових даних: окремий webSearch.apiKey, потім GEMINI_API_KEY, потім models.providers.google.apiKey. webSearch.baseUrl є необов’язковим і призначений для операторських проксі або сумісних endpoint Gemini API; якщо його не вказано, вебпошук Gemini повторно використовує models.providers.google.baseUrl. Див. Пошук Gemini щодо поведінки інструмента, специфічної для провайдера.
Моделі Gemini 3 використовують thinkingLevel замість thinkingBudget. OpenClaw зіставляє елементи керування міркуванням для псевдонімів Gemini 3, Gemini 3.1 і gemini-*-latest з thinkingLevel, щоб запуски за замовчуванням/із низькою затримкою не надсилали вимкнені значення thinkingBudget./think adaptive зберігає динамічну семантику мислення Google замість вибору фіксованого рівня OpenClaw. Gemini 3 і Gemini 3.1 пропускають фіксований thinkingLevel, щоб Google міг вибрати рівень; Gemini 2.5 надсилає динамічний sentinel Google thinkingBudget: -1.Моделі Gemma 4 (наприклад gemma-4-26b-a4b-it) підтримують режим мислення. OpenClaw переписує thinkingBudget у підтримуваний Google thinkingLevel для Gemma 4. Установлення мислення в off зберігає мислення вимкненим замість зіставлення з MINIMAL.

​
Генерація зображень

Вбудований провайдер генерації зображень google за замовчуванням використовує google/gemini-3.1-flash-image-preview.
  • Також підтримує google/gemini-3-pro-image-preview
  • Генерація: до 4 зображень на запит
  • Режим редагування: увімкнений, до 5 вхідних зображень
  • Елементи керування геометрією: size, aspectRatio і resolution
Щоб використовувати Google як провайдера зображень за замовчуванням: 
{
  agents: {
    defaults: {
      imageGenerationModel: {
        primary: "google/gemini-3.1-flash-image-preview",
      },
    },
  },
}
Див. Генерація зображень щодо спільних параметрів інструмента, вибору провайдера та поведінки failover.

​
Генерація відео

Вбудований Plugin google також реєструє генерацію відео через спільний інструмент video_generate.
  • Модель відео за замовчуванням: google/veo-3.1-fast-generate-preview
  • Режими: text-to-video, image-to-video і flows посилань на одне відео
  • Підтримує aspectRatio (16:9, 9:16) і resolution (720P, 1080P); аудіовихід наразі не підтримується Veo
  • Підтримувані тривалості: 4, 6 або 8 секунд (інші значення прив’язуються до найближчого дозволеного значення)
Щоб використовувати Google як провайдера відео за замовчуванням: 
{
  agents: {
    defaults: {
      videoGenerationModel: {
        primary: "google/veo-3.1-fast-generate-preview",
      },
    },
  },
}
Див. Генерація відео щодо спільних параметрів інструмента, вибору провайдера та поведінки failover.

​
Генерація музики

Вбудований Plugin google також реєструє генерацію музики через спільний інструмент music_generate.
  • Модель музики за замовчуванням: google/lyria-3-clip-preview
  • Також підтримує google/lyria-3-pro-preview
  • Елементи керування prompt: lyrics і instrumental
  • Формат виводу: mp3 за замовчуванням, а також wav на google/lyria-3-pro-preview
  • Вхідні посилання: до 10 зображень
  • Запуски з підтримкою сеансів від’єднуються через спільний flow завдань/статусу, зокрема action: "status"
Щоб використовувати Google як провайдера музики за замовчуванням: 
{
  agents: {
    defaults: {
      musicGenerationModel: {
        primary: "google/lyria-3-clip-preview",
      },
    },
  },
}
Див. Генерація музики щодо спільних параметрів інструмента, вибору провайдера та поведінки failover.

​
Text-to-speech

Вбудований мовленнєвий провайдер google використовує шлях TTS Gemini API з gemini-3.1-flash-tts-preview.
  • Голос за замовчуванням: Kore
  • Автентифікація: messages.tts.providers.google.apiKey, models.providers.google.apiKey, GEMINI_API_KEY або GOOGLE_API_KEY
  • Вивід: WAV для звичайних вкладень TTS, Opus для цілей голосових нотаток, PCM для Talk/телефонії
  • Вивід голосових нотаток: Google PCM обгортається як WAV і транскодується в Opus 48 кГц за допомогою ffmpeg
Шлях пакетного Gemini TTS від Google повертає згенероване аудіо в завершеній відповіді generateContent. Для розмов із мовленням із найнижчою затримкою використовуйте провайдера голосу Google у реальному часі на базі Gemini Live API замість пакетного TTS. Щоб використовувати Google як провайдера TTS за замовчуванням: 
{
  messages: {
    tts: {
      auto: "always",
      provider: "google",
      providers: {
        google: {
          model: "gemini-3.1-flash-tts-preview",
          speakerVoice: "Kore",
          audioProfile: "Speak professionally with a calm tone.",
        },
      },
    },
  },
}
Gemini API TTS використовує prompt природною мовою для керування стилем. Задайте audioProfile, щоб додавати багаторазовий prompt стилю перед озвучуваним текстом. Задайте speakerName, коли текст prompt посилається на іменованого мовця. Gemini API TTS також приймає виразні аудіотеги у квадратних дужках у тексті, як-от [whispers] або [laughs]. Щоб не показувати теги у видимій відповіді чату, але надсилати їх до TTS, розмістіть їх усередині блока [[tts:text]]...[[/tts:text]]: 
Here is the clean reply text.

[[tts:text]][whispers] Here is the spoken version.[[/tts:text]]
API key Google Cloud Console, обмежений Gemini API, дійсний для цього провайдера. Це не окремий шлях Cloud Text-to-Speech API.

​
Голос у реальному часі

Вбудований Plugin google реєструє провайдера голосу в реальному часі на базі Gemini Live API для бекендових аудіомостів, таких як Voice Call і Google Meet.
НалаштуванняШлях конфігураціїЗа замовчуванням
Модельplugins.entries.voice-call.config.realtime.providers.google.modelgemini-2.5-flash-native-audio-preview-12-2025
Голос...google.voiceKore
Температура...google.temperature(не задано)
Чутливість початку VAD...google.startSensitivity(не задано)
Чутливість завершення VAD...google.endSensitivity(не задано)
Тривалість тиші...google.silenceDurationMs(не задано)
Обробка активності...google.activityHandlingСтандартне значення Google, start-of-activity-interrupts
Покриття репліки...google.turnCoverageСтандартне значення Google, only-activity
Вимкнути автоматичний VAD...google.automaticActivityDetectionDisabledfalse
Відновлення сеансу...google.sessionResumptiontrue
Стиснення контексту...google.contextWindowCompressiontrue
Ключ API...google.apiKeyРезервно використовує models.providers.google.apiKey, GEMINI_API_KEY або GOOGLE_API_KEY
Приклад конфігурації Voice Call у реальному часі: 
{
  plugins: {
    entries: {
      "voice-call": {
        enabled: true,
        config: {
          realtime: {
            enabled: true,
            provider: "google",
            providers: {
              google: {
                model: "gemini-2.5-flash-native-audio-preview-12-2025",
                speakerVoice: "Kore",
                activityHandling: "start-of-activity-interrupts",
                turnCoverage: "only-activity",
              },
            },
          },
        },
      },
    },
  },
}
Google Live API використовує двонапрямне аудіо та виклики функцій через WebSocket. OpenClaw адаптує аудіо мосту телефонії/Meet до PCM-потоку Gemini Live API і зберігає виклики інструментів у спільному контракті голосу в реальному часі. Залишайте temperature незаданим, якщо вам не потрібні зміни семплінгу; OpenClaw пропускає непозитивні значення, оскільки Google Live може повертати транскрипти без аудіо для temperature: 0. Транскрибування Gemini API вмикається без languageCodes; поточний Google SDK відхиляє підказки кодів мов у цьому шляху API.
Control UI Talk підтримує браузерні сеанси Google Live з обмеженими одноразовими токенами. Серверні постачальники голосу в реальному часі також можуть працювати через універсальний транспорт ретрансляції Gateway, який зберігає облікові дані постачальника на Gateway.
Для live-перевірки супровідником запустіть OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts. Цей smoke також охоплює серверні/WebRTC-шляхи OpenAI; гілка Google створює такий самий обмежений токен Live API, який використовує Control UI Talk, відкриває браузерну кінцеву точку WebSocket, надсилає початкове навантаження налаштування та очікує на setupComplete.

​
Розширена конфігурація

Для прямих запусків Gemini API (api: "google-generative-ai") OpenClaw передає налаштований дескриптор cachedContent до запитів Gemini.
  • Налаштовуйте параметри для окремої моделі або глобально за допомогою cachedContent чи застарілого cached_content
  • Якщо наявні обидва, перевагу має cachedContent
  • Приклад значення: cachedContents/prebuilt-context
  • Використання cache-hit Gemini нормалізується в OpenClaw cacheRead з upstream cachedContentTokenCount
{
  agents: {
    defaults: {
      models: {
        "google/gemini-2.5-pro": {
          params: {
            cachedContent: "cachedContents/prebuilt-context",
          },
        },
      },
    },
  },
}
Під час використання OAuth-постачальника google-gemini-cli OpenClaw типово використовує вивід Gemini CLI stream-json і нормалізує використання з фінального навантаження stats. Застарілі перевизначення --output-format json і далі використовують JSON-парсер.
  • Потоковий текст відповіді надходить із подій assistant message.
  • Для застарілого JSON-виводу текст відповіді надходить із поля CLI JSON response.
  • Використання резервно береться зі stats, коли CLI залишає usage порожнім.
  • stats.cached нормалізується в OpenClaw cacheRead.
  • Якщо stats.input відсутній, OpenClaw виводить вхідні токени з stats.input_tokens - stats.cached.
Якщо Gateway працює як демон (launchd/systemd), переконайтеся, що GEMINI_API_KEY доступний цьому процесу (наприклад, у ~/.openclaw/.env або через env.shellEnv).

​
Пов’язане

Model selection

Вибір постачальників, посилань на моделі та поведінки відмовостійкого перемикання.

Image generation

Спільні параметри інструмента зображень і вибір постачальника.

Video generation

Спільні параметри інструмента відео та вибір постачальника.

Music generation

Спільні параметри інструмента музики та вибір постачальника.