跳轉到主要內容
Azure Speech 是內建的 Azure AI Speech 文字轉語音提供者。OpenClaw 會直接以 SSML 呼叫 Azure Speech REST API，為標準回覆合成 MP3、為語音備註合成原生 Ogg/Opus，並為 Voice Call 等電話通道合成 8 kHz mulaw。請求會透過 X-Microsoft-OutputFormat 標頭傳送由提供者擁有的 輸出格式。
詳細資料值
提供者 IDazure-speech（別名：azure）
網站Azure AI Speech
文件Speech REST 文字轉語音
驗證AZURE_SPEECH_KEY 加上 AZURE_SPEECH_REGION
預設語音en-US-JennyNeural
預設檔案輸出audio-24khz-48kbitrate-mono-mp3
預設語音備註檔案ogg-24khz-16bit-mono-opus

​
開始使用

1

Create an Azure Speech resource

在 Azure 入口網站中建立 Speech 資源。從 Resource Management > Keys and Endpoint 複製 KEY 1，並複製資源位置， 例如 eastus。
AZURE_SPEECH_KEY=<speech-resource-key>
AZURE_SPEECH_REGION=eastus
2

Select Azure Speech in messages.tts

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

Send a message

透過任何已連線的通道傳送回覆。OpenClaw 會使用 Azure Speech 合成音訊， 並為標準音訊傳送 MP3，或在通道預期語音備註時傳送 Ogg/Opus。

​
設定選項

所有選項都位於 messages.tts.providers["azure-speech"] 之下。
選項說明
apiKeyAzure Speech 資源金鑰。會退回使用 AZURE_SPEECH_KEY、AZURE_SPEECH_API_KEY 或 SPEECH_KEY。
regionAzure Speech 資源區域。會退回使用 AZURE_SPEECH_REGION 或 SPEECH_REGION。
endpoint選用的 Azure Speech 端點覆寫。會退回使用 AZURE_SPEECH_ENDPOINT。
baseUrl選用的 Azure Speech 基底 URL 覆寫。
voiceAzure 語音 ShortName（預設 en-US-JennyNeural）。舊版別名：voiceId。
langSSML 語言代碼（預設 en-US）。
outputFormat音訊檔案輸出格式（預設 audio-24khz-48kbitrate-mono-mp3）。
voiceNoteOutputFormat語音備註輸出格式（預設 ogg-24khz-16bit-mono-opus）。
timeoutMs以毫秒為單位的請求逾時覆寫。會退回使用全域 messages.tts.timeoutMs。
只要設定了 apiKey，並且設定 region、endpoint 或 baseUrl 其中之一， 就會視為提供者已設定完成。環境變數只會在設定鍵未設定時作為備援檢查。

​
備註

Azure Speech 使用 Speech 資源金鑰，而不是 Azure OpenAI 金鑰。金鑰會以 Ocp-Apim-Subscription-Key 傳送；除非你提供 endpoint 或 baseUrl， 否則 OpenClaw 會從 region 推導出 https://<region>.tts.speech.microsoft.com。
使用 Azure Speech 語音的 ShortName 值，例如 en-US-JennyNeural。內建提供者可以透過同一個 Speech 資源列出語音， 並篩除標示為已棄用、已退役或已停用的語音。
Azure 接受 audio-24khz-48kbitrate-mono-mp3、 ogg-24khz-16bit-mono-opus 和 riff-24khz-16bit-mono-pcm 等輸出格式。OpenClaw 會為 voice-note 目標請求 Ogg/Opus，讓通道可以傳送原生語音泡泡， 無需額外轉換 MP3，並會為電話目標強制使用 raw-8khz-8bit-mono-mulaw。
azure 可作為既有設定的提供者別名，但新設定應使用 azure-speech， 以避免與 Azure OpenAI 模型提供者混淆。

​
相關

Text-to-speech

TTS 概覽、提供者與 messages.tts 設定。

Configuration

完整設定參考，包含 messages.tts 設定。

Providers

所有內建 OpenClaw 提供者。

Troubleshooting

常見問題與除錯步驟。