跳转到主要内容

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.

Deepgram 是一个语音转文本 API。在 OpenClaw 中，它用于通过 tools.media.audio 对入站音频 / 语音消息进行转写，也用于通过 plugins.entries.voice-call.config.streaming 为 Voice Call 提供流式 STT。 对于批量转写，OpenClaw 会将完整音频文件上传到 Deepgram，并将转写结果注入回复流水线（{{Transcript}} + [Audio] 块）。对于 Voice Call 流式场景，OpenClaw 会通过 Deepgram 的 WebSocket listen 端点转发实时 G.711 u-law 帧，并在 Deepgram 返回时发出部分或最终转写结果。
详情值
网站deepgram.com
文档developers.deepgram.com
认证DEEPGRAM_API_KEY
默认模型nova-3

​
入门指南

1

设置你的 API 密钥

将你的 Deepgram API 密钥添加到环境变量中：
DEEPGRAM_API_KEY=dg_...
2

启用音频提供商

{
  tools: {
    media: {
      audio: {
        enabled: true,
        models: [{ provider: "deepgram", model: "nova-3" }],
      },
    },
  },
}
3

发送语音消息

通过任意已连接渠道发送一条音频消息。OpenClaw 会通过 Deepgram 对其进行转写，并将转写结果注入回复流水线。

​
配置选项

选项路径说明
modeltools.media.audio.models[].modelDeepgram 模型 id（默认：nova-3）
languagetools.media.audio.models[].language语言提示（可选）
detect_languagetools.media.audio.providerOptions.deepgram.detect_language启用语言检测（可选）
punctuatetools.media.audio.providerOptions.deepgram.punctuate启用标点（可选）
smart_formattools.media.audio.providerOptions.deepgram.smart_format启用智能格式化（可选）
{
  tools: {
    media: {
      audio: {
        enabled: true,
        models: [{ provider: "deepgram", model: "nova-3", language: "en" }],
      },
    },
  },
}

​
Voice Call 流式 STT

内置的 deepgram 插件也为 Voice Call 插件注册了一个实时转写提供商。
设置配置路径默认值
API 密钥plugins.entries.voice-call.config.streaming.providers.deepgram.apiKey回退到 DEEPGRAM_API_KEY
模型...deepgram.modelnova-3
语言...deepgram.language（未设置）
编码...deepgram.encodingmulaw
采样率...deepgram.sampleRate8000
端点检测...deepgram.endpointingMs800
中间结果...deepgram.interimResultstrue
{
  plugins: {
    entries: {
      "voice-call": {
        config: {
          streaming: {
            enabled: true,
            provider: "deepgram",
            providers: {
              deepgram: {
                apiKey: "${DEEPGRAM_API_KEY}",
                model: "nova-3",
                endpointingMs: 800,
                language: "en-US",
              },
            },
          },
        },
      },
    },
  },
}
Voice Call 接收的是 8 kHz G.711 u-law 电话音频。Deepgram 流式提供商默认使用 encoding: "mulaw" 和 sampleRate: 8000，因此可以直接转发 Twilio 媒体帧。

​
说明

认证遵循标准提供商认证顺序。DEEPGRAM_API_KEY 是最简单的方式。
使用代理时，可通过 tools.media.audio.baseUrl 和 tools.media.audio.headers 覆盖端点或请求头。
输出遵循与其他提供商相同的音频规则（大小上限、超时、转写注入）。

​
相关内容

媒体工具

音频、图像和视频处理流水线概览。

配置

完整的配置参考，包括媒体工具设置。

故障排除

常见问题和调试步骤。

常见问题

关于 OpenClaw 设置的常见问题。