Skip to main content
Azure Speech 是内置的 Azure AI Speech 文本转语音提供商。OpenClaw 直接使用 SSML 调用 Azure Speech REST API，为标准回复合成 MP3，为语音便笺合成原生 Ogg/Opus，并为 Voice Call 等电话渠道合成 8 kHz mulaw。请求通过 X-Microsoft-OutputFormat 标头发送由提供商拥有的 输出格式。
详情值
提供商 IDazure-speech（别名：azure）
网站Azure AI Speech
文档Speech REST 文本转语音
身份验证AZURE_SPEECH_KEY 加 AZURE_SPEECH_REGION
默认语音en-US-JennyNeural
默认文件输出audio-24khz-48kbitrate-mono-mp3
默认语音便笺文件ogg-24khz-16bit-mono-opus

​
入门指南

1

创建 Azure Speech 资源

在 Azure 门户中创建 Speech 资源。从 Resource Management > Keys and Endpoint 复制 KEY 1，并复制资源位置， 例如 eastus。
AZURE_SPEECH_KEY=<speech-resource-key>
AZURE_SPEECH_REGION=eastus
2

在 messages.tts 中选择 Azure Speech

{
  messages: {
    tts: {
      auto: "always",
      provider: "azure-speech",
      providers: {
        "azure-speech": {
          voice: "en-US-JennyNeural",
          lang: "en-US",
        },
      },
    },
  },
}
3

发送消息

通过任何已连接的渠道发送回复。OpenClaw 使用 Azure Speech 合成音频， 并为标准音频交付 MP3；当渠道需要语音便笺时，则交付 Ogg/Opus。

​
配置选项

所有选项都位于 messages.tts.providers["azure-speech"] 下。
选项描述
apiKeyAzure Speech 资源密钥。回退到 AZURE_SPEECH_KEY、AZURE_SPEECH_API_KEY 或 SPEECH_KEY。
regionAzure Speech 资源区域。回退到 AZURE_SPEECH_REGION 或 SPEECH_REGION。
endpoint可选的 Azure Speech 端点覆盖项。回退到 AZURE_SPEECH_ENDPOINT。
baseUrl可选的 Azure Speech 基础 URL 覆盖项。
voiceAzure 语音 ShortName（默认 en-US-JennyNeural）。旧别名：voiceId。
langSSML 语言代码（默认 en-US）。
outputFormat音频文件输出格式（默认 audio-24khz-48kbitrate-mono-mp3）。
voiceNoteOutputFormat语音便笺输出格式（默认 ogg-24khz-16bit-mono-opus）。
timeoutMs以毫秒为单位的请求超时覆盖项。回退到全局 messages.tts.timeoutMs。
一旦设置了 apiKey，并且设置了 region、endpoint 或 baseUrl 之一， 该提供商就会被视为已配置。环境变量只会作为配置键未设置时的回退项进行检查。

​
说明

Azure Speech 使用 Speech 资源密钥，而不是 Azure OpenAI 密钥。该密钥会作为 Ocp-Apim-Subscription-Key 发送；除非你提供 endpoint 或 baseUrl， 否则 OpenClaw 会根据 region 推导出 https://<region>.tts.speech.microsoft.com。
使用 Azure Speech 语音的 ShortName 值，例如 en-US-JennyNeural。内置提供商可以通过同一个 Speech 资源列出语音， 并过滤掉标记为已弃用、已退役或已禁用的语音。
Azure 接受 audio-24khz-48kbitrate-mono-mp3、 ogg-24khz-16bit-mono-opus 和 riff-24khz-16bit-mono-pcm 等输出格式。OpenClaw 会为 voice-note 目标请求 Ogg/Opus，以便渠道无需额外 MP3 转换即可发送原生 语音气泡，并会为电话目标强制使用 raw-8khz-8bit-mono-mulaw。
azure 可作为现有配置的提供商别名使用，但新配置应使用 azure-speech， 以免与 Azure OpenAI 模型提供商混淆。

​
相关内容

文本转语音

TTS 概览、提供商和 messages.tts 配置。

配置

完整配置参考，包括 messages.tts 设置。

提供商

所有内置 OpenClaw 提供商。

故障排查

常见问题和调试步骤。