Chuyển đến nội dung chính

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.

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.
  • Nhà cung cấp: google
  • Xác thực: GEMINI_API_KEY hoặc GOOGLE_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 là google/*.

Bắt đầu

Chọn phương thức xác thực bạn muốn và làm theo các bước thiết lập.
Phù hợp nhất cho: quyền truy cập Gemini API tiêu chuẩn thông qua Google AI Studio.
1

Chạy quy trình giới thiệu

openclaw onboard --auth-choice gemini-api-key
Hoặc truyền khóa trực tiếp:
openclaw onboard --non-interactive \
  --mode local \
  --auth-choice gemini-api-key \
  --gemini-api-key "$GEMINI_API_KEY"
2

Đặt mô hình mặc định

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

Xác minh mô hình có sẵn

openclaw models list --provider google
Cả hai biến môi trường GEMINI_API_KEYGOOGLE_API_KEY đều được chấp nhận. Hãy dùng biến bạn đã cấu hình.

Khả năng

Khả năngĐược hỗ trợ
Hoàn thành hội thoại
Tạo hình ảnh
Tạo nhạc
Chuyển văn bản thành giọng nói
Giọng nói thời gian thựcCó (Google Live API)
Hiểu hình ảnh
Chép lời âm thanh
Hiểu video
Tìm kiếm web (Grounding)
Suy nghĩ/lập luậnCó (Gemini 2.5+ / Gemini 3+)
Mô hình Gemma 4

Tìm kiếm web

Nhà cung cấp tìm kiếm web gemini 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:
{
  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",
          },
        },
      },
    },
  },
}
Thứ tự ưu tiên thông tin xác thực là 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.
Các mô hình Gemini 3 dùng thinkingLevel thay vì thinkingBudget. OpenClaw ánh xạ các điều khiển lập luận của Gemini 3, Gemini 3.1 và bí danh gemini-*-latest sang thinkingLevel để các lần chạy mặc định/độ trễ thấp không gửi giá trị thinkingBudget đã tắt./think adaptive giữ ngữ nghĩa suy nghĩ động của Google thay vì chọn một mức OpenClaw cố định. Gemini 3 và Gemini 3.1 bỏ qua thinkingLevel cố định để Google có thể chọn mức; Gemini 2.5 gửi sentinel động của Google thinkingBudget: -1.Các mô hình Gemma 4 (ví dụ gemma-4-26b-a4b-it) hỗ trợ chế độ suy nghĩ. OpenClaw ghi lại thinkingBudget thành thinkingLevel của Google được hỗ trợ cho Gemma 4. Đặt suy nghĩ thành off giữ nguyên trạng thái tắt suy nghĩ thay vì ánh xạ sang MINIMAL.

Tạo hình ảnh

Nhà cung cấp tạo hình ảnh google 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, aspectRatioresolution
Để dùng Google làm nhà cung cấp hình ảnh mặc định:
{
  agents: {
    defaults: {
      imageGenerationModel: {
        primary: "google/gemini-3.1-flash-image-preview",
      },
    },
  },
}
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

Plugin google 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) và resolution (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)
Để dùng Google làm nhà cung cấp video mặc định:
{
  agents: {
    defaults: {
      videoGenerationModel: {
        primary: "google/veo-3.1-fast-generate-preview",
      },
    },
  },
}
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

Plugin google 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: lyricsinstrumental
  • Định dạng đầu ra: mặc định là mp3, cộng thêm wav trên google/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"
Để dùng Google làm nhà cung cấp nhạc mặc định:
{
  agents: {
    defaults: {
      musicGenerationModel: {
        primary: "google/lyria-3-clip-preview",
      },
    },
  },
}
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 nói google 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_KEY hoặc GOOGLE_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
Đường dẫn TTS Gemini theo lô của Google trả về âm thanh đã tạo trong phản hồi 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:
{
  messages: {
    tts: {
      auto: "always",
      provider: "google",
      providers: {
        google: {
          model: "gemini-3.1-flash-tts-preview",
          voiceName: "Kore",
          audioProfile: "Speak professionally with a calm tone.",
        },
      },
    },
  },
}
Gemini API TTS sử dụng lời nhắc ngôn ngữ tự nhiên để điều khiển phong cách. Đặt 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]]:
Here is the clean reply text.

[[tts:text]][whispers] Here is the spoken version.[[/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

Plugin google 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 đặtĐường dẫn cấu hìnhMặc định
Mô hìnhplugins.entries.voice-call.config.realtime.providers.google.modelgemini-2.5-flash-native-audio-preview-12-2025
Giọng nói...google.voiceKore
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.activityHandlingMặc định của Google, start-of-activity-interrupts
Phạm vi lượt...google.turnCoverageMặc định của Google, only-activity
Tắt VAD tự động...google.automaticActivityDetectionDisabledfalse
Khôi phục phiên...google.sessionResumptiontrue
Nén ngữ cảnh...google.contextWindowCompressiontrue
Khóa API...google.apiKeyDự phòng về models.providers.google.apiKey, GEMINI_API_KEY, hoặc GOOGLE_API_KEY
Ví dụ cấu hình thời gian thực cho Voice Call:
{
  plugins: {
    entries: {
      "voice-call": {
        enabled: true,
        config: {
          realtime: {
            enabled: true,
            provider: "google",
            providers: {
              google: {
                model: "gemini-2.5-flash-native-audio-preview-12-2025",
                voice: "Kore",
                activityHandling: "start-of-activity-interrupts",
                turnCoverage: "only-activity",
              },
            },
          },
        },
      },
    },
  },
}
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.
Để xác minh trực tiếp dành cho maintainer, hãy chạy 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

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 cachedContent hoặc cached_content
  • Nếu có cả hai, cachedContent được ưu tiên
  • Giá trị ví dụ: cachedContents/prebuilt-context
  • Mức sử dụng cache-hit của Gemini được chuẩn hóa thành cacheRead của OpenClaw từ cachedContentTokenCount thượng nguồn
{
  agents: {
    defaults: {
      models: {
        "google/gemini-2.5-pro": {
          params: {
            cachedContent: "cachedContents/prebuilt-context",
          },
        },
      },
    },
  },
}
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 response trong JSON của CLI.
  • Mức sử dụng dự phòng về stats khi CLI để trống usage.
  • stats.cached được chuẩn hóa thành cacheRead của OpenClaw.
  • Nếu thiếu stats.input, OpenClaw suy ra token đầu vào từ stats.input_tokens - stats.cached.
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.