Plugin Google cung cấp quyền truy cập vào các mô hình Gemini thông qua Google AI Studio, cùng với tạo hình ảnh, hiểu nội dung phương tiện (hình ảnh/âm thanh/video), chuyển văn bản thành giọng nói và tìm kiếm web qua Gemini Grounding.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.
- Nhà cung cấp:
google - Xác thực:
GEMINI_API_KEYhoặcGOOGLE_API_KEY - API: Google Gemini API
- Tùy chọn thời gian chạy: nhà cung cấp/mô hình
agentRuntime.id: "google-gemini-cli"tái sử dụng OAuth của Gemini CLI trong khi vẫn giữ tham chiếu mô hình ở dạng chuẩn làgoogle/*.
Bắt đầu
Chọn phương thức xác thực bạn muốn và làm theo các bước thiết lập.- Khóa API
- Gemini CLI (OAuth)
Khả năng
| Khả năng | Được hỗ trợ |
|---|---|
| Hoàn thành hội thoại | Có |
| Tạo hình ảnh | Có |
| Tạo nhạc | Có |
| Chuyển văn bản thành giọng nói | Có |
| Giọng nói thời gian thực | Có (Google Live API) |
| Hiểu hình ảnh | Có |
| Chép lời âm thanh | Có |
| Hiểu video | Có |
| Tìm kiếm web (Grounding) | Có |
| Suy nghĩ/lập luận | Có (Gemini 2.5+ / Gemini 3+) |
| Mô hình Gemma 4 | Có |
Tìm kiếm web
Nhà cung cấp tìm kiếm webgemini đi kèm sử dụng grounding Google Search của Gemini.
Cấu hình một khóa tìm kiếm chuyên dụng trong plugins.entries.google.config.webSearch,
hoặc để nó tái sử dụng models.providers.google.apiKey sau GEMINI_API_KEY:
webSearch.apiKey chuyên dụng, rồi GEMINI_API_KEY,
rồi models.providers.google.apiKey. webSearch.baseUrl là tùy chọn và
tồn tại cho proxy của người vận hành hoặc các điểm cuối Gemini API tương thích; khi bị bỏ qua,
tìm kiếm web Gemini tái sử dụng models.providers.google.baseUrl. Xem
Tìm kiếm Gemini để biết hành vi công cụ dành riêng cho nhà cung cấp.
Tạo hình ảnh
Nhà cung cấp tạo hình ảnhgoogle đi kèm mặc định dùng
google/gemini-3.1-flash-image-preview.
- Cũng hỗ trợ
google/gemini-3-pro-image-preview - Tạo: tối đa 4 hình ảnh mỗi yêu cầu
- Chế độ chỉnh sửa: bật, tối đa 5 hình ảnh đầu vào
- Điều khiển hình học:
size,aspectRatiovàresolution
Xem Tạo hình ảnh để biết các tham số công cụ dùng chung, lựa chọn nhà cung cấp và hành vi chuyển đổi dự phòng.
Tạo video
Plugingoogle đi kèm cũng đăng ký tạo video thông qua công cụ dùng chung
video_generate.
- Mô hình video mặc định:
google/veo-3.1-fast-generate-preview - Chế độ: luồng văn bản-thành-video, hình ảnh-thành-video và tham chiếu một video
- Hỗ trợ
aspectRatio(16:9,9:16) vàresolution(720P,1080P); đầu ra âm thanh hiện không được Veo hỗ trợ - Thời lượng được hỗ trợ: 4, 6 hoặc 8 giây (các giá trị khác sẽ được làm khớp về giá trị được phép gần nhất)
Xem Tạo video để biết các tham số công cụ dùng chung, lựa chọn nhà cung cấp và hành vi chuyển đổi dự phòng.
Tạo nhạc
Plugingoogle đi kèm cũng đăng ký tạo nhạc thông qua công cụ dùng chung
music_generate.
- Mô hình nhạc mặc định:
google/lyria-3-clip-preview - Cũng hỗ trợ
google/lyria-3-pro-preview - Điều khiển lời nhắc:
lyricsvàinstrumental - Định dạng đầu ra: mặc định là
mp3, cộng thêmwavtrêngoogle/lyria-3-pro-preview - Đầu vào tham chiếu: tối đa 10 hình ảnh
- Các lần chạy dựa trên phiên sẽ tách ra qua luồng tác vụ/trạng thái dùng chung, bao gồm
action: "status"
Xem Tạo nhạc để biết các tham số công cụ dùng chung, lựa chọn nhà cung cấp và hành vi chuyển đổi dự phòng.
Chuyển văn bản thành giọng nói
Nhà cung cấp giọng nóigoogle đi kèm sử dụng đường dẫn TTS của Gemini API với
gemini-3.1-flash-tts-preview.
- Giọng mặc định:
Kore - Xác thực:
messages.tts.providers.google.apiKey,models.providers.google.apiKey,GEMINI_API_KEYhoặcGOOGLE_API_KEY - Đầu ra: WAV cho tệp đính kèm TTS thông thường, Opus cho mục tiêu ghi chú thoại, PCM cho Talk/điện thoại
- Đầu ra ghi chú thoại: Google PCM được bọc dưới dạng WAV và chuyển mã sang Opus 48 kHz bằng
ffmpeg
generateContent hoàn tất. Để có các cuộc trò chuyện bằng giọng nói có độ trễ thấp nhất, hãy dùng
nhà cung cấp giọng nói thời gian thực của Google dựa trên Gemini Live API thay vì TTS
theo lô.
Để dùng Google làm nhà cung cấp TTS mặc định:
audioProfile để thêm một lời nhắc phong cách có thể tái sử dụng trước văn bản được đọc. Đặt
speakerName khi văn bản lời nhắc của bạn nhắc đến một người nói có tên.
Gemini API TTS cũng chấp nhận các thẻ âm thanh biểu cảm trong ngoặc vuông trong văn bản,
chẳng hạn như [whispers] hoặc [laughs]. Để giữ các thẻ khỏi phản hồi trò chuyện hiển thị
trong khi vẫn gửi chúng đến TTS, hãy đặt chúng bên trong một khối [[tts:text]]...[[/tts:text]]:
Khóa API Google Cloud Console bị giới hạn cho Gemini API hợp lệ với
nhà cung cấp này. Đây không phải là đường dẫn Cloud Text-to-Speech API riêng biệt.
Giọng nói thời gian thực
Plugingoogle đi kèm đăng ký một nhà cung cấp giọng nói thời gian thực dựa trên
Gemini Live API cho các cầu nối âm thanh backend như Voice Call và Google Meet.
| Cài đặt | Đường dẫn cấu hình | Mặc định |
|---|---|---|
| Mô hình | plugins.entries.voice-call.config.realtime.providers.google.model | gemini-2.5-flash-native-audio-preview-12-2025 |
| Giọng nói | ...google.voice | Kore |
| Nhiệt độ | ...google.temperature | (chưa đặt) |
| Độ nhạy bắt đầu VAD | ...google.startSensitivity | (chưa đặt) |
| Độ nhạy kết thúc VAD | ...google.endSensitivity | (chưa đặt) |
| Thời lượng im lặng | ...google.silenceDurationMs | (chưa đặt) |
| Xử lý hoạt động | ...google.activityHandling | Mặc định của Google, start-of-activity-interrupts |
| Phạm vi lượt | ...google.turnCoverage | Mặc định của Google, only-activity |
| Tắt VAD tự động | ...google.automaticActivityDetectionDisabled | false |
| Khôi phục phiên | ...google.sessionResumption | true |
| Nén ngữ cảnh | ...google.contextWindowCompression | true |
| Khóa API | ...google.apiKey | Dự phòng về models.providers.google.apiKey, GEMINI_API_KEY, hoặc GOOGLE_API_KEY |
Google Live API dùng âm thanh hai chiều và gọi hàm qua WebSocket.
OpenClaw điều chỉnh âm thanh cầu nối điện thoại/Meet sang luồng PCM Live API của Gemini và
giữ các lệnh gọi công cụ trên hợp đồng giọng nói thời gian thực dùng chung. Hãy để
temperature
chưa đặt trừ khi bạn cần thay đổi lấy mẫu; OpenClaw bỏ qua các giá trị không dương
vì Google Live có thể trả về bản chép lời không có âm thanh với temperature: 0.
Tính năng chép lời của Gemini API được bật mà không có languageCodes; Google
SDK hiện tại từ chối gợi ý mã ngôn ngữ trên đường dẫn API này.Control UI Talk hỗ trợ các phiên trình duyệt Google Live bằng token dùng một lần có ràng buộc.
Các nhà cung cấp giọng nói thời gian thực chỉ chạy ở backend cũng có thể chạy qua
phương tiện truyền tải chuyển tiếp Gateway chung, giữ thông tin xác thực của nhà cung cấp trên Gateway.
OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts.
Bài smoke cũng bao phủ các đường dẫn backend/WebRTC của OpenAI; nhánh Google tạo cùng
dạng token Live API có ràng buộc mà Control UI Talk dùng, mở endpoint WebSocket
của trình duyệt, gửi payload thiết lập ban đầu và chờ
setupComplete.
Cấu hình nâng cao
Tái sử dụng cache Gemini trực tiếp
Tái sử dụng cache Gemini trực tiếp
Với các lần chạy Gemini API trực tiếp (
api: "google-generative-ai"), OpenClaw
truyền handle cachedContent đã cấu hình tới các yêu cầu Gemini.- Cấu hình tham số theo từng mô hình hoặc toàn cục bằng
cachedContenthoặccached_contentcũ - Nếu có cả hai,
cachedContentđược ưu tiên - Giá trị ví dụ:
cachedContents/prebuilt-context - Mức sử dụng cache-hit của Gemini được chuẩn hóa thành
cacheReadcủa OpenClaw từcachedContentTokenCountthượng nguồn
Ghi chú sử dụng JSON của Gemini CLI
Ghi chú sử dụng JSON của Gemini CLI
Khi dùng nhà cung cấp OAuth
google-gemini-cli, OpenClaw chuẩn hóa
đầu ra JSON của CLI như sau:- Văn bản trả lời đến từ trường
responsetrong JSON của CLI. - Mức sử dụng dự phòng về
statskhi CLI để trốngusage. stats.cachedđược chuẩn hóa thànhcacheReadcủa OpenClaw.- Nếu thiếu
stats.input, OpenClaw suy ra token đầu vào từstats.input_tokens - stats.cached.
Thiết lập môi trường và daemon
Thiết lập môi trường và daemon
Nếu Gateway chạy dưới dạng daemon (launchd/systemd), hãy đảm bảo
GEMINI_API_KEY
có sẵn cho tiến trình đó (ví dụ, trong ~/.openclaw/.env hoặc qua
env.shellEnv).Liên quan
Chọn mô hình
Chọn nhà cung cấp, tham chiếu mô hình và hành vi chuyển đổi dự phòng.
Tạo hình ảnh
Tham số công cụ hình ảnh dùng chung và lựa chọn nhà cung cấp.
Tạo video
Tham số công cụ video dùng chung và lựa chọn nhà cung cấp.
Tạo nhạc
Tham số công cụ âm nhạc dùng chung và lựa chọn nhà cung cấp.