文本转语音

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.

​

快速开始

{
  messages: {
    tts: {
      auto: "always",
      provider: "elevenlabs",
    },
  },
}

​

支持的提供商

​

配置

{
  messages: {
    tts: {
      auto: "always",
      provider: "azure-speech",
      providers: {
        "azure-speech": {
          apiKey: "${AZURE_SPEECH_KEY}",
          region: "eastus",
          voice: "en-US-JennyNeural",
          lang: "en-US",
          outputFormat: "audio-24khz-48kbitrate-mono-mp3",
          voiceNoteOutputFormat: "ogg-24khz-16bit-mono-opus",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "elevenlabs",
      providers: {
        elevenlabs: {
          apiKey: "${ELEVENLABS_API_KEY}",
          model: "eleven_multilingual_v2",
          voiceId: "EXAVITQu4vr4xnSDxMaL",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "google",
      providers: {
        google: {
          apiKey: "${GEMINI_API_KEY}",
          model: "gemini-3.1-flash-tts-preview",
          voiceName: "Kore",
          // Optional natural-language style prompts:
          // audioProfile: "Speak in a calm, podcast-host tone.",
          // speakerName: "Alex",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "gradium",
      providers: {
        gradium: {
          apiKey: "${GRADIUM_API_KEY}",
          voiceId: "YTpq7expH9539ERJ",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "inworld",
      providers: {
        inworld: {
          apiKey: "${INWORLD_API_KEY}",
          modelId: "inworld-tts-1.5-max",
          voiceId: "Sarah",
          temperature: 0.7,
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "tts-local-cli",
      providers: {
        "tts-local-cli": {
          command: "say",
          args: ["-o", "{{OutputPath}}", "{{Text}}"],
          outputFormat: "wav",
          timeoutMs: 120000,
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "microsoft",
      providers: {
        microsoft: {
          enabled: true,
          voice: "en-US-MichelleNeural",
          lang: "en-US",
          outputFormat: "audio-24khz-48kbitrate-mono-mp3",
          rate: "+0%",
          pitch: "+0%",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "minimax",
      providers: {
        minimax: {
          apiKey: "${MINIMAX_API_KEY}",
          model: "speech-2.8-hd",
          voiceId: "English_expressive_narrator",
          speed: 1.0,
          vol: 1.0,
          pitch: 0,
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "openai",
      summaryModel: "openai/gpt-4.1-mini",
      modelOverrides: { enabled: true },
      providers: {
        openai: {
          apiKey: "${OPENAI_API_KEY}",
          model: "gpt-4o-mini-tts",
          voice: "alloy",
        },
        elevenlabs: {
          apiKey: "${ELEVENLABS_API_KEY}",
          model: "eleven_multilingual_v2",
          voiceId: "EXAVITQu4vr4xnSDxMaL",
          voiceSettings: { stability: 0.5, similarityBoost: 0.75, style: 0.0, useSpeakerBoost: true, speed: 1.0 },
          applyTextNormalization: "auto",
          languageCode: "en",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "openrouter",
      providers: {
        openrouter: {
          apiKey: "${OPENROUTER_API_KEY}",
          model: "hexgrad/kokoro-82m",
          voice: "af_alloy",
          responseFormat: "mp3",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "volcengine",
      providers: {
        volcengine: {
          apiKey: "${VOLCENGINE_TTS_API_KEY}",
          resourceId: "seed-tts-1.0",
          voice: "en_female_anna_mars_bigtts",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "xai",
      providers: {
        xai: {
          apiKey: "${XAI_API_KEY}",
          voiceId: "eve",
          language: "en",
          responseFormat: "mp3",
        },
      },
    },
  },
}

{
  messages: {
    tts: {
      auto: "always",
      provider: "xiaomi",
      providers: {
        xiaomi: {
          apiKey: "${XIAOMI_API_KEY}",
          model: "mimo-v2.5-tts",
          voice: "mimo_default",
          format: "mp3",
        },
      },
    },
  },
}

​

每个 agent 的语音覆盖

{
  messages: {
    tts: {
      auto: "always",
      provider: "elevenlabs",
      providers: {
        elevenlabs: { apiKey: "${ELEVENLABS_API_KEY}", model: "eleven_multilingual_v2" },
      },
    },
  },
  agents: {
    list: [
      {
        id: "reader",
        tts: {
          providers: {
            elevenlabs: { voiceId: "EXAVITQu4vr4xnSDxMaL" },
          },
        },
      },
    ],
  },
}

1. messages.tts
2. 当前 agents.list[].tts
3. 渠道覆盖，当该渠道支持 channels.<channel>.tts 时
4. 账号覆盖，当该渠道传入 channels.<channel>.accounts.<id>.tts 时
5. 此主机的本地 /tts 偏好
6. 启用模型覆盖时的内联 [[tts:...]] 指令

{
  messages: {
    tts: {
      provider: "openai",
      providers: {
        openai: { apiKey: "${OPENAI_API_KEY}", model: "gpt-4o-mini-tts" },
      },
    },
  },
  channels: {
    feishu: {
      accounts: {
        english: {
          tts: {
            providers: {
              openai: { voice: "shimmer" },
            },
          },
        },
      },
    },
  },
}

​

人设

​

最小人设

{
  messages: {
    tts: {
      auto: "always",
      persona: "narrator",
      personas: {
        narrator: {
          label: "Narrator",
          provider: "elevenlabs",
          providers: {
            elevenlabs: { voiceId: "EXAVITQu4vr4xnSDxMaL", modelId: "eleven_multilingual_v2" },
          },
        },
      },
    },
  },
}

​

完整人设（提供商中立提示）

{
  messages: {
    tts: {
      auto: "always",
      persona: "alfred",
      personas: {
        alfred: {
          label: "Alfred",
          description: "Dry, warm British butler narrator.",
          provider: "google",
          fallbackPolicy: "preserve-persona",
          prompt: {
            profile: "A brilliant British butler. Dry, witty, warm, charming, emotionally expressive, never generic.",
            scene: "A quiet late-night study. Close-mic narration for a trusted operator.",
            sampleContext: "The speaker is answering a private technical request with concise confidence and dry warmth.",
            style: "Refined, understated, lightly amused.",
            accent: "British English.",
            pacing: "Measured, with short dramatic pauses.",
            constraints: ["Do not read configuration values aloud.", "Do not explain the persona."],
          },
          providers: {
            google: {
              model: "gemini-3.1-flash-tts-preview",
              voiceName: "Algieba",
              promptTemplate: "audio-profile-v1",
            },
            openai: { model: "gpt-4o-mini-tts", voice: "cedar" },
            elevenlabs: {
              voiceId: "voice_id",
              modelId: "eleven_multilingual_v2",
              seed: 42,
              voiceSettings: {
                stability: 0.65,
                similarityBoost: 0.8,
                style: 0.25,
                useSpeakerBoost: true,
                speed: 0.95,
              },
            },
          },
        },
      },
    },
  },
}

​

人设解析

1. /tts persona <id> 本地偏好，如果已设置。
2. messages.tts.persona，如果已设置。
3. 无人设。

1. 直接覆盖（CLI、Gateway 网关、Talk、允许的 TTS 指令）。
2. /tts provider <id> 本地偏好。
3. 当前人设的 provider。
4. messages.tts.provider。
5. 注册表自动选择。

1. messages.tts.providers.<id>
2. messages.tts.personas.<persona>.providers.<id>
3. 受信任的请求覆盖
4. 允许的模型发出 TTS 指令覆盖

​

提供商如何使用人设提示

​

回退策略

​

模型驱动指令

Here you go.

[[tts:voiceId=pMsXgVXv3BLzUgSXRplE model=eleven_v3 speed=1.1]]
[[tts:text]](laughs) Read the song once more.[[/tts:text]]

• provider（已注册的提供商 ID；需要 allowProvider: true）
• voice / voiceName / voice_name / google_voice / voiceId
• model / google_model
• stability、similarityBoost、style、speed、useSpeakerBoost
• vol / volume（MiniMax 音量，0–10）
• pitch（MiniMax 整数音高，−12 到 12；小数值会被截断）
• emotion（Volcengine 情绪标签）
• applyTextNormalization（auto|on|off）
• languageCode（ISO 639-1）
• seed

{ messages: { tts: { modelOverrides: { enabled: false } } } }

{ messages: { tts: { modelOverrides: { enabled: true, allowProvider: true, allowSeed: false } } } }

​

斜杠命令

/tts off | on | status
/tts chat on | off | default
/tts latest
/tts provider <id>
/tts persona <id> | off
/tts limit <chars>
/tts summary off
/tts audio <text>

• /tts on 会将本地 TTS 偏好写为 always；/tts off 会将其写为 off。
• /tts chat on|off|default 会为当前聊天写入会话范围的自动 TTS 覆盖。
• /tts persona <id> 会写入本地人设偏好；/tts persona off 会清除它。
• /tts latest 会从当前会话转录中读取最新的助手回复，并将其作为音频发送一次。它只会在会话条目上存储该回复的哈希，用于抑制重复语音发送。
• /tts audio 会生成一次性音频回复（不会开启 TTS）。
• limit 和 summary 存储在本地偏好中，而不是主配置中。
• /tts status 包含最新尝试的回退诊断信息：Fallback: <primary> -> <used>、Attempts: ...，以及每次尝试的详细信息（provider:outcome(reasonCode) latency）。
• 启用 TTS 时，/status 会显示当前 TTS 模式以及已配置的提供商、模型、语音和经过清理的自定义端点元数据。

​

每用户偏好

​

输出格式（固定）

• 支持语音消息的渠道：语音消息回复优先使用 Opus（ElevenLabs 的 opus_48000_64，OpenAI 的 opus）。
  • 48kHz / 64kbps 是语音消息的良好折中选择。
• Feishu / WhatsApp：当语音消息回复生成为 MP3/WebM/WAV/M4A 或其他可能的音频文件时，渠道插件会在发送原生语音消息前，使用 ffmpeg 将其转码为 48kHz Ogg/Opus。WhatsApp 会通过 Baileys audio 载荷发送结果，并带有 ptt: true 和 audio/ogg; codecs=opus。如果转换失败，Feishu 会收到原始 文件作为附件；WhatsApp 发送会失败，而不是发布不兼容的 PTT 载荷。
• 其他渠道：MP3（ElevenLabs 的 mp3_44100_128，OpenAI 的 mp3）。
  • 44.1kHz / 128kbps 是语音清晰度的默认平衡点。
• MiniMax：普通音频附件使用 MP3（speech-2.8-hd 模型，32kHz 采样率）。对于渠道声明的语音消息目标，当渠道声明支持转码时，OpenClaw 会在投递前使用 ffmpeg 将 MiniMax MP3 转码为 48kHz Opus。
• Xiaomi MiMo：默认使用 MP3，配置后也可使用 WAV。对于渠道声明的语音消息目标，当渠道声明支持转码时，OpenClaw 会在投递前使用 ffmpeg 将 Xiaomi 输出转码为 48kHz Opus。
• Local CLI：使用配置的 outputFormat。语音消息目标会通过 ffmpeg 转换为 Ogg/Opus，电话输出会转换为原始 16 kHz 单声道 PCM。
• Google Gemini：Gemini API TTS 返回原始 24kHz PCM。OpenClaw 会将其封装为 WAV 用于音频附件，为语音消息目标转码为 48kHz Opus，并为 Talk/电话直接返回 PCM。
• Gradium：音频附件使用 WAV，语音消息目标使用 Opus，电话使用 8 kHz 的 ulaw_8000。
• Inworld：普通音频附件使用 MP3，语音消息目标使用原生 OGG_OPUS，Talk/电话使用 22050 Hz 的原始 PCM。
• xAI：默认使用 MP3；responseFormat 可以是 mp3、wav、pcm、mulaw 或 alaw。OpenClaw 使用 xAI 的批量 REST TTS 端点，并返回完整的音频附件；此提供商路径不会使用 xAI 的流式 TTS WebSocket。此路径不支持原生 Opus 语音消息格式。
• Microsoft：使用 microsoft.outputFormat（默认 audio-24khz-48kbitrate-mono-mp3）。
  • 内置传输接受 outputFormat，但服务并不提供所有格式。
  • 输出格式值遵循 Microsoft Speech 输出格式（包括 Ogg/WebM Opus）。
  • Telegram sendVoice 接受 OGG/MP3/M4A；如果你需要 保证使用 Opus 语音消息，请使用 OpenAI/ElevenLabs。
  • 如果配置的 Microsoft 输出格式失败，OpenClaw 会使用 MP3 重试。

​

Auto-TTS 行为

• 如果回复已包含媒体或 MEDIA: 指令，则跳过 TTS。
• 跳过很短的回复（少于 10 个字符）。
• 当启用摘要时，使用 summaryModel（或 agents.defaults.model.primary）汇总较长回复。
• 将生成的音频附加到回复。
• 在 mode: "final" 中，对于流式最终回复，仍会在文本流完成后发送仅音频的 TTS； 生成的媒体会经过与普通回复附件相同的 渠道媒体规范化处理。

Reply -> TTS enabled?
  no  -> send text
  yes -> has media / MEDIA: / short?
          yes -> send text
          no  -> length > limit?
                   no  -> TTS -> attach audio
                   yes -> summary enabled?
                            no  -> send text
                            yes -> summarize -> TTS -> attach audio

​

按渠道划分的输出格式

• Feishu / WhatsApp 转码： 当语音消息回复落地为 MP3/WebM/WAV/M4A 时，渠道插件会使用 ffmpeg 转码为 48 kHz Ogg/Opus。WhatsApp 会通过 Baileys 发送，并带有 ptt: true 和 audio/ogg; codecs=opus。如果转换失败：Feishu 会回退为附加原始文件；WhatsApp 发送会失败，而不是发布不兼容的 PTT 载荷。
• MiniMax / Xiaomi MiMo： 默认 MP3（MiniMax speech-2.8-hd 为 32 kHz）；语音消息目标会通过 ffmpeg 转码为 48 kHz Opus。
• Local CLI： 使用配置的 outputFormat。语音消息目标会转换为 Ogg/Opus，电话输出会转换为原始 16 kHz 单声道 PCM。
• Google Gemini： 返回原始 24 kHz PCM。OpenClaw 会将其封装为 WAV 用于附件，为语音消息目标转码为 48 kHz Opus，并为 Talk/电话直接返回 PCM。
• Inworld： MP3 附件、原生 OGG_OPUS 语音消息、Talk/电话使用 22050 Hz 原始 PCM。
• xAI： 默认使用 MP3；responseFormat 可以是 mp3|wav|pcm|mulaw|alaw。使用 xAI 的批量 REST 端点——不会使用流式 WebSocket TTS。不支持原生 Opus 语音消息格式。
• Microsoft： 使用 microsoft.outputFormat（默认 audio-24khz-48kbitrate-mono-mp3）。Telegram sendVoice 接受 OGG/MP3/M4A；如果你需要保证使用 Opus 语音消息，请使用 OpenAI/ElevenLabs。如果配置的 Microsoft 格式失败，OpenClaw 会使用 MP3 重试。

​

字段参考

​

Agent 工具

​

Gateway RPC

​

服务链接

• OpenAI 文本转语音指南
• OpenAI Audio API 参考
• Azure Speech REST 文本转语音
• Azure Speech provider
• ElevenLabs 文本转语音
• ElevenLabs 认证
• Gradium
• Inworld TTS API
• MiniMax T2A v2 API
• Volcengine TTS HTTP API
• Xiaomi MiMo 语音合成
• node-edge-tts
• Microsoft Speech 输出格式
• xAI 文本转语音

​

相关

• 媒体概览
• 音乐生成
• 视频生成
• 斜杠命令
• 语音通话插件