Tools

تحويل النص إلى كلام

OpenClaw يحوّل الردود الصادرة إلى صوت عبر 14 مزودًا لتحويل النص إلى كلام: رسائل صوتية أصلية على Feishu وMatrix وTelegram وWhatsApp؛ ومرفقات صوتية في كل مكان آخر؛ وتدفقات PCM/Ulaw للاتصالات الهاتفية وTalk.

يمثّل تحويل النص إلى كلام نصف إخراج الكلام في وضع stt-tts الخاص بـ Talk (تستخدم talk.speak مسار التوليف نفسه). أما جلسات Talk الأصلية للمزود realtime فتولّف الكلام داخل مزود الوقت الفعلي؛ بينما لا تولّف جلسات transcription ردًا صوتيًا للمساعد مطلقًا.

البدء السريع

اختر مزودًا

يُعد OpenAI وElevenLabs الخيارين المستضافين الأكثر موثوقية. يعمل Microsoft و CLI المحلي من دون مفتاح API. راجع مصفوفة المزودين للاطلاع على القائمة الكاملة.

اضبط مفتاح API

صدّر متغير البيئة الخاص بمزودك (على سبيل المثال OPENAI_API_KEY و ELEVENLABS_API_KEY). لا يحتاج Microsoft وCLI المحلي إلى مفتاح.

فعّله في الإعدادات

اضبط messages.tts.auto: "always" وmessages.tts.provider:

json5

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

جرّبه في الدردشة

يعرض /tts status الحالة الحالية. يرسل /tts audio Hello from OpenClaw ردًا صوتيًا لمرة واحدة.

المزودون المدعومون

المزود	المصادقة	ملاحظات
Azure Speech	`AZURE_SPEECH_KEY` + `AZURE_SPEECH_REGION` (وكذلك `AZURE_SPEECH_API_KEY` و`SPEECH_KEY` و`SPEECH_REGION`)	إخراج أصلي لملاحظات Ogg/Opus الصوتية وللاتصالات الهاتفية.
DeepInfra	`DEEPINFRA_API_KEY`	تحويل نص إلى كلام متوافق مع OpenAI. القيمة الافتراضية هي `hexgrad/Kokoro-82M`.
ElevenLabs	`ELEVENLABS_API_KEY` أو `XI_API_KEY`	استنساخ الصوت، ودعم متعدد اللغات، ونتائج حتمية عبر `seed`؛ ويُبث لتشغيل الصوت في Discord.
Google Gemini	`GEMINI_API_KEY` أو `GOOGLE_API_KEY`	تحويل دفعي للنص إلى كلام عبر Gemini API؛ مع مراعاة الشخصية عبر `promptTemplate: "audio-profile-v1"`.
Gradium	`GRADIUM_API_KEY`	إخراج للملاحظات الصوتية والاتصالات الهاتفية.
Inworld	`INWORLD_API_KEY`	واجهة API لبث تحويل النص إلى كلام. ملاحظات صوتية أصلية بتنسيق Opus واتصالات هاتفية بتنسيق PCM.
CLI المحلي	لا يوجد	يشغّل أمرًا محليًا مضبوطًا لتحويل النص إلى كلام.
Microsoft	لا يوجد	تحويل نص إلى كلام عصبي عام من Edge عبر `node-edge-tts`. يُقدَّم بأفضل جهد، من دون اتفاقية مستوى خدمة.
MiniMax	`MINIMAX_API_KEY` (أو خطة الرموز: `MINIMAX_OAUTH_TOKEN` و`MINIMAX_CODE_PLAN_KEY` و`MINIMAX_CODING_API_KEY`)	واجهة API ‏T2A v2. القيمة الافتراضية هي `speech-2.8-hd`.
OpenAI	`OPENAI_API_KEY`	يُستخدم أيضًا للتلخيص التلقائي؛ ويدعم الشخصية `instructions`.
OpenRouter	`OPENROUTER_API_KEY` (يمكن إعادة استخدام `models.providers.openrouter.apiKey`)	النموذج الافتراضي `hexgrad/kokoro-82m`.
Volcengine	`VOLCENGINE_TTS_API_KEY` أو `BYTEPLUS_SEED_SPEECH_API_KEY` (AppID/رمز قديمان: `VOLCENGINE_TTS_APPID`/`_TOKEN`)	واجهة BytePlus Seed Speech HTTP API.
Vydra	`VYDRA_API_KEY`	مزود مشترك للصور والفيديو والكلام.
xAI	`XAI_API_KEY`	تحويل دفعي للنص إلى كلام من xAI. الملاحظات الصوتية الأصلية بتنسيق Opus غير مدعومة.
Xiaomi MiMo	`XIAOMI_API_KEY`	تحويل النص إلى كلام عبر MiMo من خلال إكمالات دردشة Xiaomi.

إذا ضُبط عدة مزودين، يُستخدم المزود المحدد أولًا وتكون المزودات الأخرى خيارات احتياطية. يستخدم التلخيص التلقائي summaryModel (أو agents.defaults.model.primary)، لذا يجب أيضًا مصادقة ذلك المزود إذا أبقيت الملخصات مفعّلة.

الإعدادات

توجد إعدادات تحويل النص إلى كلام ضمن messages.tts في ~/.openclaw/openclaw.json. اختر إعدادًا مسبقًا وعدّل كتلة المزود. حقلا speakerVoice/speakerVoiceId الموضحان أدناه هما الحقلان القياسيان؛ ولا تزال أسماء حقول voice/voiceId/ voiceName الخاصة بكل مزود تعمل كأسماء بديلة قديمة.

Azure Speech

json5

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

ElevenLabs

json5

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

Google Gemini

json5

{messages: {tts: {  auto: "always",  provider: "google",  providers: {    google: {      apiKey: "${GEMINI_API_KEY}",      model: "gemini-3.1-flash-tts-preview",      speakerVoice: "Kore",      // مطالبات اختيارية للنمط بلغة طبيعية:      // audioProfile: "تحدّث بنبرة هادئة تشبه نبرة مقدّم بودكاست.",      // speakerName: "Alex",    },  },},},}

Gradium

json5

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

Inworld

json5

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

CLI المحلي

json5

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

Microsoft (من دون مفتاح)

json5

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

MiniMax

json5

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

OpenAI + ElevenLabs

json5

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

OpenRouter

json5

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

Volcengine

json5

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

xAI

json5

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

Xiaomi MiMo

json5

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

بالنسبة إلى Xiaomi ‏mimo-v2.5-tts-voicedesign، احذف speakerVoice واضبط style على مطالبة تصميم الصوت. يرسل OpenClaw تلك المطالبة بوصفها رسالة user الخاصة بتحويل النص إلى كلام، ولا يرسل audio.voice لنموذج تصميم الصوت.

تجاوزات الصوت الخاصة بكل وكيل

استخدم agents.list[].tts عندما ينبغي لأحد الوكلاء التحدث باستخدام مزود أو صوت أو نموذج أو شخصية أو وضع TTS تلقائي مختلف. تُدمج كتلة الوكيل دمجًا عميقًا فوق messages.tts، لذا يمكن أن تبقى بيانات اعتماد المزود في إعدادات المزود العامة:

json5

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

لتثبيت شخصية خاصة بكل وكيل، عيّن agents.list[].tts.persona إلى جانب إعدادات المزود — إذ يتجاوز messages.tts.persona العام لذلك الوكيل فقط.

ترتيب الأولوية للردود التلقائية و/tts audio و/tts status وأداة الوكيل tts:

messages.tts
agents.list[].tts النشط
تجاوز القناة، عندما تدعم القناة channels.<channel>.tts
تجاوز الحساب، عندما تمرر القناة channels.<channel>.accounts.<id>.tts
تفضيلات /tts المحلية لهذا المضيف
توجيهات [[tts:...]] المضمّنة عند تمكين تجاوزات النموذج

تستخدم تجاوزات القناة والحساب البنية نفسها التي يستخدمها messages.tts، وتُدمج دمجًا عميقًا فوق الطبقات السابقة، لذا يمكن أن تبقى بيانات اعتماد المزود المشتركة في messages.tts بينما يغيّر حساب قناة أو روبوت صوت المتحدث أو النموذج أو الشخصية أو الوضع التلقائي فقط:

json5

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

الشخصيات

الشخصية هي هوية صوتية ثابتة يمكن تطبيقها بصورة حتمية عبر المزودين. ويمكنها تفضيل مزود واحد، وتحديد مقصد مطالبة محايد تجاه المزود، واحتواء ارتباطات خاصة بكل مزود للأصوات والنماذج وقوالب المطالبات والبذور وإعدادات الصوت.

شخصية بالحد الأدنى

json5

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

شخصية كاملة (مطالبة محايدة تجاه المزود)

json5

{  messages: {    tts: {      auto: "always",      persona: "alfred",      personas: {        alfred: {          label: "ألفريد",          description: "راوٍ بريطاني بدور خادم شخصي، جاف الظرف ودافئ.",          provider: "google",          fallbackPolicy: "preserve-persona",          prompt: {            profile: "خادم شخصي بريطاني لامع. جاف الظرف، ذكي، دافئ، ساحر، معبّر عاطفيًا، وغير نمطي أبدًا.",            scene: "غرفة دراسة هادئة في وقت متأخر من الليل. سرد قريب من الميكروفون لمشغّل موثوق.",            sampleContext: "يجيب المتحدث عن طلب تقني خاص بثقة موجزة ودفء جاف.",            style: "راقٍ، متحفظ، ومرح بخفة.",            accent: "الإنجليزية البريطانية.",            pacing: "متأنٍ، مع وقفات درامية قصيرة.",            constraints: ["لا تقرأ قيم الإعدادات بصوت عالٍ.", "لا تشرح الشخصية."],          },          providers: {            google: {              model: "gemini-3.1-flash-tts-preview",              speakerVoice: "Algieba",              promptTemplate: "audio-profile-v1",            },            openai: { model: "gpt-4o-mini-tts", speakerVoice: "cedar" },            elevenlabs: {              speakerVoiceId: "voice_id",              modelId: "eleven_multilingual_v2",              seed: 42,              voiceSettings: {                stability: 0.65,                similarityBoost: 0.8,                style: 0.25,                useSpeakerBoost: true,                speed: 0.95,              },            },          },        },      },    },  },}

تحديد الشخصية

تُختار الشخصية النشطة بصورة حتمية:

تفضيل /tts persona <id> المحلي، إذا كان معيّنًا.
messages.tts.persona، إذا كان معيّنًا.
لا توجد شخصية.

يُنفّذ اختيار المزود مع تقديم الخيارات الصريحة أولًا:

التجاوزات المباشرة (CLI وGateway وTalk وتوجيهات TTS المسموح بها).
تفضيل /tts provider <id> المحلي.
provider الخاص بالشخصية النشطة.
messages.tts.provider.
الاختيار التلقائي من السجل.

في كل محاولة لمزود، يدمج OpenClaw الإعدادات بهذا الترتيب:

messages.tts.providers.<id>
messages.tts.personas.<persona>.providers.<id>
تجاوزات الطلب الموثوق
تجاوزات توجيهات TTS المسموح بها والصادرة عن النموذج

كيفية استخدام المزودين لمطالبات الشخصية

حقول مطالبة الشخصية (profile وscene وsampleContext وstyle وaccent وpacing وconstraints) محايدة تجاه المزود. يقرر كل مزود كيفية استخدامها:

Google Gemini

يغلّف حقول مطالبة الشخصية في بنية مطالبة TTS خاصة بـ Gemini فقط عندما تعيّن إعدادات مزود Google الفعلية promptTemplate: "audio-profile-v1" أو personaPrompt. ولا تزال الحقول الأقدم audioProfile وspeakerName تُضاف في البداية كنص مطالبة خاص بـ Google. تُحفظ وسوم الصوت المضمّنة مثل [whispers] أو [laughs] داخل كتلة [[tts:text]] ضمن نص Gemini المنطوق؛ ولا ينشئ OpenClaw هذه الوسوم.

OpenAI

يربط حقول مطالبة الشخصية بحقل الطلب instructions فقط عندما لا يكون instructions صريحًا لـ OpenAI قد ضُبط. ويحظى instructions الصريح بالأولوية دائمًا.

المزودون الآخرون

يستخدمون فقط ارتباطات الشخصية الخاصة بالمزود ضمن personas.<id>.providers.<provider>. وتُتجاهل حقول مطالبة الشخصية ما لم ينفّذ المزود ربطه الخاص لمطالبة الشخصية.

سياسة الرجوع الاحتياطي

يتحكم fallbackPolicy في السلوك عندما لا تحتوي الشخصية على أي ارتباط للمزود الذي تجري محاولته:

السياسة	السلوك
`preserve-persona`	الافتراضي. تظل حقول المطالبة المحايدة تجاه المزود متاحة؛ ويمكن للمزود استخدامها أو تجاهلها.
`provider-defaults`	تُحذف الشخصية من إعداد المطالبة لتلك المحاولة؛ ويستخدم المزود إعداداته الافتراضية المحايدة بينما يستمر الرجوع الاحتياطي إلى مزودين آخرين.
`fail`	تخطَّ محاولة ذلك المزود مع `reasonCode: "not_configured"` و`personaBinding: "missing"`. وتظل مزودات الرجوع الاحتياطي قيد المحاولة.

لا يفشل طلب TTS بأكمله إلا عندما تُتخطى كل محاولات المزودين أو تفشل.

يكون اختيار مزود جلسة Talk ضمن نطاق الجلسة. ينبغي لعميل Talk اختيار معرّفات المزود والنموذج والصوت واللغات المحلية من talk.catalog وتمريرها عبر طلب جلسة Talk أو التسليم. ولا ينبغي لفتح جلسة صوتية تعديل messages.tts أو الإعدادات الافتراضية العامة لمزود Talk.

التوجيهات المستندة إلى النموذج

افتراضيًا، يمكن للمساعد إصدار توجيهات [[tts:...]] لتجاوز الصوت أو النموذج أو السرعة لرد واحد، بالإضافة إلى كتلة [[tts:text]]...[[/tts:text]] اختيارية لإشارات تعبيرية ينبغي أن تظهر في الصوت فقط:

text

تفضل. [[tts:speakerVoiceId=pMsXgVXv3BLzUgSXRplE model=eleven_v3 speed=1.1]][[tts:text]](يضحك) اقرأ الأغنية مرة أخرى.[[/tts:text]]

عندما تكون قيمة messages.tts.auto هي "tagged"، تكون التوجيهات مطلوبة لتشغيل الصوت. ويزيل تسليم الكتل المتدفقة التوجيهات من النص المرئي قبل أن تراها القناة، حتى عند تقسيمها عبر كتل متجاورة.

يُتجاهل provider=... ما لم يكن modelOverrides.allowProvider: true. عندما يصرّح ردٌّ بـ provider=...، فلا تُحلَّل المفاتيح الأخرى في ذلك التوجيه إلا بواسطة ذلك المزود؛ وتُزال المفاتيح غير المدعومة ويُبلّغ عنها كتحذيرات لتوجيهات TTS.

مفاتيح التوجيه المتاحة:

provider (معرّف مزود مسجل؛ يتطلب allowProvider: true)
speakerVoice / speakerVoiceId (الأسماء البديلة القديمة: voice وvoiceName وvoice_name وgoogle_voice وvoiceId)
model / google_model
stability وsimilarityBoost وstyle وspeed وuseSpeakerBoost
vol / volume (مستوى صوت MiniMax، (0, 10])
pitch (حدة صوت MiniMax الصحيحة، من −12 إلى 12؛ تُحذف الأجزاء الكسرية)
emotion (وسم المشاعر في Volcengine)
applyTextNormalization (auto|on|off)
languageCode (ISO 639-1)
seed

تعطيل تجاوزات النموذج بالكامل:

json5

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

السماح بتبديل المزود مع إبقاء عناصر التحكم الأخرى قابلة للإعداد:

json5

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

أوامر الشرطة المائلة

الأمر الوحيد هو /tts. وعلى Discord، يسجل OpenClaw أيضًا /voice لأن /tts أمر مضمّن في Discord — ويظل النص /tts ... يعمل.

text

/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>

ملاحظات السلوك:

يكتب /tts on تفضيل TTS المحلي إلى always؛ ويكتبه /tts off إلى off.
يكتب /tts chat on|off|default تجاوزًا لـ TTS التلقائي ضمن نطاق الجلسة للمحادثة الحالية.
يكتب /tts persona <id> تفضيل الشخصية المحلي؛ ويمسحه /tts persona off.
يقرأ /tts latest أحدث رد للمساعد من نص الجلسة الحالية ويرسله صوتيًا مرة واحدة. ولا يخزن في إدخال الجلسة سوى تجزئة لذلك الرد لمنع الإرسال الصوتي المكرر.
ينشئ /tts audio ردًا صوتيًا لمرة واحدة (ولا يفعّل TTS).
يقبل /tts limit <chars> القيم 100–4096 (4096 هو الحد الأقصى للتسمية التوضيحية/الرسالة في Telegram)؛ وتُرفض القيم خارج هذا النطاق.
يُخزّن limit وsummary في التفضيلات المحلية، وليس في الإعدادات الرئيسية.
يتضمن /tts status تشخيصات الرجوع الاحتياطي لأحدث محاولة — Fallback: <primary> -> <used> وAttempts: ... وتفاصيل كل محاولة (provider:outcome(reasonCode) latency).
يعرض /status وضع TTS النشط، بالإضافة إلى المزود والنموذج والصوت وبيانات تعريف نقطة النهاية المخصصة المنقحة، عند تمكين TTS.

تفضيلات كل مستخدم

تكتب أوامر الشرطة المائلة التجاوزات المحلية إلى prefsPath. القيمة الافتراضية هي ~/.openclaw/settings/tts.json؛ ويمكن تجاوزها باستخدام متغير البيئة OPENCLAW_TTS_PREFS أو messages.tts.prefsPath.

الحقل المخزّن	التأثير
`auto`	تجاوز محلي للنطق التلقائي (`always`، `off`، …)
`provider`	تجاوز محلي لمزوّد الخدمة الأساسي
`persona`	تجاوز محلي للشخصية
`maxLength`	عتبة التلخيص/الاقتطاع (الافتراضي `1500` حرفًا، نطاق `/tts limit` من 100 إلى 4096)
`summarize`	مفتاح تبديل التلخيص (الافتراضي `true`)

تتجاوز هذه الإعدادات التكوين الفعلي الناتج من messages.tts بالإضافة إلى كتلة agents.list[].tts النشطة لذلك المضيف.

تنسيقات الإخراج

يعتمد تسليم صوت تحويل النص إلى كلام على إمكانات القناة. تعلن Plugins القنوات ما إذا كان ينبغي لتحويل النص إلى كلام بأسلوب الرسائل الصوتية أن يطلب من مزوّدي الخدمة هدف voice-note أصليًا أو أن يُبقي توليف audio-file العادي، وما إذا كانت القناة تعيد ترميز الإخراج غير الأصلي قبل الإرسال.

الهدف	التنسيق
Feishu / Matrix / Telegram / WhatsApp	تفضّل ردود الملاحظات الصوتية Opus ‏(`opus_48000_64` من ElevenLabs، و`opus` من OpenAI). يوازن 48 kHz / 64 kbps بين الوضوح والحجم.
القنوات الأخرى	MP3 ‏(`mp3_44100_128` من ElevenLabs، و`mp3` من OpenAI). يُعد 44.1 kHz / 128 kbps التوازن الافتراضي للكلام.
المحادثة / الاتصالات الهاتفية	PCM الأصلي من مزوّد الخدمة (Inworld ‏22050 Hz، وGoogle ‏24 kHz)، أو `ulaw_8000` من Gradium للاتصالات الهاتفية.

ملاحظات خاصة بكل مزوّد خدمة:

إعادة ترميز Feishu / WhatsApp: عندما يصل رد ملاحظة صوتية بصيغة MP3/WebM/WAV/M4A أو ملف صوتي آخر محتمل، يعيد Plugin القناة ترميزه إلى Ogg/Opus بتردد 48 kHz باستخدام ffmpeg ‏(libopus، ‏64 kbps) قبل إرسال الرسالة الصوتية الأصلية. يرسل WhatsApp النتيجة عبر حمولة Baileys ‏audio مع ptt: true وaudio/ogg; codecs=opus. عند فشل إعادة الترميز: يلتقط Feishu الخطأ ويعود إلى إرسال الملف الأصلي كمرفق عادي؛ ولا يملك WhatsApp مسارًا احتياطيًا، لذا تفشل عملية الإرسال نفسها بدلًا من نشر حمولة PTT غير متوافقة.
MiniMax: ‏MP3 (نموذج speech-2.8-hd، ومعدل أخذ عينات 32 kHz) لمرفقات الصوت العادية؛ ويُعاد ترميزه إلى Opus بتردد 48 kHz باستخدام ffmpeg لأهداف الملاحظات الصوتية التي تعلن عنها القناة.
Xiaomi MiMo: ‏MP3 افتراضيًا، أو WAV عند تكوينه؛ ويُعاد ترميزه إلى Opus بتردد 48 kHz باستخدام ffmpeg لأهداف الملاحظات الصوتية التي تعلن عنها القناة.
CLI المحلي: يستخدم outputFormat المكوّن. تُحوّل أهداف الملاحظات الصوتية إلى Ogg/Opus، ويُحوّل إخراج الاتصالات الهاتفية إلى PCM خام أحادي القناة بتردد 16 kHz باستخدام ffmpeg.
Google Gemini: يعيد PCM خامًا بتردد 24 kHz. يغلّفه OpenClaw بصيغة WAV لمرفقات الصوت، ويعيد ترميزه إلى Opus بتردد 48 kHz لأهداف الملاحظات الصوتية، ويعيد PCM مباشرةً للمحادثة/الاتصالات الهاتفية.
Gradium: ‏WAV لمرفقات الصوت، وOpus لأهداف الملاحظات الصوتية، وulaw_8000 بتردد 8 kHz للاتصالات الهاتفية.
Inworld: ‏MP3 لمرفقات الصوت العادية، وOGG_OPUS الأصلي لأهداف الملاحظات الصوتية، وPCM الخام بتردد 22050 Hz للمحادثة/الاتصالات الهاتفية.
xAI: ‏MP3 افتراضيًا؛ وقد يستخدم توليف الملفات الصوتية mp3 أو wav أو pcm أو mulaw أو alaw لكل من الإخراج المخزّن مؤقتًا والمتدفق. تستخدم أهداف الملاحظات الصوتية MP3 للتدفق والمسار الاحتياطي المخزّن مؤقتًا لأن مخرجات xAI ‏pcm وmulaw وalaw هي صوت خام بلا ترويسات. يستخدم التوليف المخزّن مؤقتًا نقطة نهاية REST الدفعية /v1/tts الخاصة بـ xAI؛ ويستخدم textToSpeechStream ‏wss://api.x.ai/v1/tts الأصلي. هذا ليس عقد الصوت في الوقت الفعلي. تنسيق Opus الأصلي للملاحظات الصوتية غير مدعوم.
Microsoft: يستخدم microsoft.outputFormat (الافتراضي audio-24khz-48kbitrate-mono-mp3).
- تقبل وسيلة النقل المضمّنة outputFormat، لكن ليست كل التنسيقات متاحة من الخدمة.
- تتبع قيم تنسيق الإخراج تنسيقات إخراج Microsoft Speech (بما فيها Ogg/WebM Opus).
- يقبل sendVoice في Telegram صيغ OGG/MP3/M4A؛ استخدم OpenAI/ElevenLabs إذا كنت تحتاج إلى رسائل صوتية مضمونة بصيغة Opus.
- إذا فشل تنسيق إخراج Microsoft المكوّن، يعيد OpenClaw المحاولة باستخدام MP3.
- عند عدم تعيين تجاوز صريح للصوت واستخدام الصوت الإنجليزي الافتراضي، يتحوّل OpenClaw تلقائيًا إلى صوت عصبي صيني (zh-CN-XiaoxiaoNeural، والإعداد المحلي zh-CN) إذا كان نص الرد تغلب عليه أحرف CJK.

تنسيقات إخراج OpenAI وElevenLabs ثابتة لكل قناة كما هو موضح أعلاه.

سلوك النطق التلقائي

عند تمكين messages.tts.auto، يقوم OpenClaw بما يلي:

يتخطى تحويل النص إلى كلام إذا كان الرد يحتوي بالفعل على وسائط منظّمة.
يتخطى الردود القصيرة جدًا (أقل من 10 أحرف).
يلخّص الردود الطويلة عند تمكين الملخصات، باستخدام summaryModel (أو agents.defaults.model.primary).
يرفق الصوت المُنشأ بالرد.
في mode: "final"، يظل يرسل تحويل النص إلى كلام صوتيًا فقط للردود النهائية المتدفقة بعد اكتمال تدفق النص؛ وتمر الوسائط المُنشأة بعملية تسوية وسائط القناة نفسها التي تمر بها مرفقات الرد العادية.

إذا تجاوز الرد maxLength، فلن يتخطى OpenClaw الصوت نهائيًا مطلقًا:

التلخيص مفعّل (افتراضيًا) ويتوفر نموذج تلخيص: يلخّص النص إلى نحو maxLength حرفًا، ثم يولّف الملخص.
التلخيص معطّل، أو فشل التلخيص، أو لا يتوفر مفتاح API لنموذج التلخيص: يقتطع النص إلى maxLength حرفًا ويولّف النص المقتطع.

text

الرد -> هل تحويل النص إلى كلام مفعّل؟  لا  -> إرسال النص  نعم -> هل توجد وسائط / هل الرد قصير؟          نعم -> إرسال النص          لا  -> هل الطول > الحد؟                   لا  -> تحويل النص إلى كلام -> إرفاق الصوت                   نعم -> هل التلخيص مفعّل ومتاح؟                            لا  -> اقتطاع -> تحويل النص إلى كلام -> إرفاق الصوت                            نعم -> تلخيص -> تحويل النص إلى كلام -> إرفاق الصوت

مرجع الحقول

messages.tts.* في المستوى الأعلى

auto"off" | "always" | "inbound" | "tagged"

وضع النطق التلقائي. لا يرسل inbound الصوت إلا بعد رسالة صوتية واردة؛ ولا يرسل tagged الصوت إلا عندما يتضمن الرد توجيهات [[tts:...]] أو كتلة [[tts:text]].

enabledboolean

مفتاح تبديل قديم. ينقل openclaw doctor --fix هذا إلى auto.

mode"final" | "all"default: final

يتضمن "all" ردود الأدوات/الكتل بالإضافة إلى الردود النهائية.

providerstring

معرّف مزوّد الكلام. عند عدم تعيينه، يستخدم OpenClaw أول مزوّد مكوّن وفق ترتيب الاختيار التلقائي في السجل. يعيد openclaw doctor --fix كتابة provider: "edge" القديم إلى "microsoft".

personastring

معرّف الشخصية النشطة من personas. يُطبّع إلى أحرف صغيرة.

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InBlcnNvbmFzLjxpZA " type="object"> هوية صوتية مستقرة. الحقول: label، description، provider، fallbackPolicy، prompt، providers.<provider>. راجع الشخصيات.

summaryModelstring

نموذج منخفض التكلفة للتلخيص التلقائي؛ الإعداد الافتراضي هو agents.defaults.model.primary. يقبل provider/model أو اسمًا مستعارًا لنموذج مكوّن.

modelOverridesobject

يسمح للنموذج بإصدار توجيهات تحويل النص إلى كلام. القيمة الافتراضية لـ enabled هي true؛ والقيمة الافتراضية لـ allowProvider هي false.

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InByb3ZpZGVycy48aWQ " type="object"> إعدادات يملكها مزوّد الخدمة ومفهرسة بمعرّف مزوّد الكلام. يعيد openclaw doctor --fix كتابة الكتل المباشرة القديمة (messages.tts.openai، .elevenlabs، .microsoft، .edge)؛ لا تعتمد إلا messages.tts.providers.<id>.

maxTextLengthnumberdefault: 4096

حد أقصى صارم لعدد أحرف إدخال تحويل النص إلى كلام. تفشل /tts audio وtts.convert وtts.speak إذا تم تجاوزه.

timeoutMsnumberdefault: 30000

مهلة الطلب بالمللي ثانية. تكون الأولوية لـ timeoutMs الخاص بكل استدعاء (أداة الوكيل، Gateway) عند تعيينه؛ وإلا فتكون الأولوية لـ messages.tts.timeoutMs المكوّن صراحةً على أي قيمة افتراضية للمزوّد يحددها Plugin.

prefsPathstring

تجاوز مسار JSON المحلي للتفضيلات (المزوّد/الحد/التلخيص). الافتراضي ~/.openclaw/settings/tts.json.

Azure Speech

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg متغير البيئة: AZURE_SPEECH_KEY أو AZURE_SPEECH_API_KEY أو SPEECH_KEY. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJlZ2lvbiIgdHlwZT0ic3RyaW5nIg منطقة Azure Speech (مثل eastus). متغير البيئة: AZURE_SPEECH_REGION أو SPEECH_REGION. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImVuZHBvaW50IiB0eXBlPSJzdHJpbmci تجاوز اختياري لنقطة نهاية Azure Speech (الاسم المستعار baseUrl). OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg ShortName لصوت Azure. الافتراضي en-US-JennyNeural. الاسم المستعار القديم: voice. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImxhbmciIHR5cGU9InN0cmluZyI رمز لغة SSML. الافتراضي en-US. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im91dHB1dEZvcm1hdCIgdHlwZT0ic3RyaW5nIg ‏X-Microsoft-OutputFormat في Azure للصوت القياسي. الافتراضي audio-24khz-48kbitrate-mono-mp3. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InZvaWNlTm90ZU91dHB1dEZvcm1hdCIgdHlwZT0ic3RyaW5nIg ‏X-Microsoft-OutputFormat في Azure لإخراج الملاحظات الصوتية. الافتراضي ogg-24khz-16bit-mono-opus. OPENCLAW_DOCS_MARKER:paramClose:

ElevenLabs

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg يعود إلى ELEVENLABS_API_KEY أو XI_API_KEY كخيار احتياطي. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci معرّف النموذج. الافتراضي eleven_multilingual_v2. تُطبّع المعرّفات القديمة eleven_turbo_v2_5/eleven_turbo_v2 إلى نموذج flash المطابق. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZUlkIiB0eXBlPSJzdHJpbmci معرّف صوت ElevenLabs. الافتراضي pMsXgVXv3BLzUgSXRplE. الاسم المستعار القديم: voiceId. OPENCLAW_DOCS_MARKER:paramClose:

voiceSettingsobject

stability، similarityBoost، style (كل منها 0..1، والقيم الافتراضية 0.5/0.75/0)‏، useSpeakerBoost ‏(true|false، الافتراضي true)‏، speed ‏(0.5..2.0، الافتراضي 1.0).

applyTextNormalization"auto" | "on" | "off"

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Imxhbmd1YWdlQ29kZSIgdHlwZT0ic3RyaW5nIg رمز ISO 639-1 من حرفين (مثل en، de). OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNlZWQiIHR5cGU9Im51bWJlciI عدد صحيح 0..4294967295 لتحقيق أفضل حتمية ممكنة. OPENCLAW_DOCS_MARKER:paramClose:

baseUrlstring

Google Gemini

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg يعود احتياطيًا إلى GEMINI_API_KEY / GOOGLE_API_KEY. إذا أُغفل، فيمكن لتحويل النص إلى كلام إعادة استخدام models.providers.google.apiKey قبل الرجوع إلى متغيرات البيئة. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci نموذج Gemini لتحويل النص إلى كلام. القيمة الافتراضية gemini-3.1-flash-tts-preview. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg اسم صوت Gemini المُعدّ مسبقًا. القيمة الافتراضية Kore. الأسماء البديلة القديمة: voiceName، voice. OPENCLAW_DOCS_MARKER:paramClose:

audioProfilestring

speakerNamestring

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InByb21wdFRlbXBsYXRlIiB0eXBlPSciYXVkaW8tcHJvZmlsZS12MSIn اضبطه على audio-profile-v1 لتغليف حقول موجّه الشخصية النشطة ضمن بنية موجّه حتمية لتحويل النص إلى كلام في Gemini. OPENCLAW_DOCS_MARKER:paramClose:

personaPromptstring

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI لا يُقبل سوى https://generativelanguage.googleapis.com. OPENCLAW_DOCS_MARKER:paramClose:

Gradium

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg متغير البيئة: GRADIUM_API_KEY. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI عنوان URL لواجهة Gradium API عبر HTTPS على api.gradium.ai. القيمة الافتراضية https://api.gradium.ai. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZUlkIiB0eXBlPSJzdHJpbmci القيمة الافتراضية Emma ‏(YTpq7expH9539ERJ). الاسم البديل القديم: voiceId. OPENCLAW_DOCS_MARKER:paramClose:

Inworld

Inworld الأساسي

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg متغير البيئة: INWORLD_API_KEY. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI القيمة الافتراضية https://api.inworld.ai. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsSWQiIHR5cGU9InN0cmluZyI القيمة الافتراضية inworld-tts-1.5-max. وأيضًا: inworld-tts-1.5-mini، inworld-tts-1-max، inworld-tts-1. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZUlkIiB0eXBlPSJzdHJpbmci القيمة الافتراضية Sarah. الاسم البديل القديم: voiceId. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InRlbXBlcmF0dXJlIiB0eXBlPSJudW1iZXIi درجة حرارة أخذ العينات 0..2 (باستثناء 0). OPENCLAW_DOCS_MARKER:paramClose:

CLI المحلي (tts-local-cli)

commandstring

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFyZ3MiIHR5cGU9InN0cmluZ1tdIg وسائط الأمر. يدعم العناصر النائبة {{Text}}، {{OutputPath}}، {{OutputDir}}، {{OutputBase}}. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im91dHB1dEZvcm1hdCIgdHlwZT0nIm1wMyIgfCAib3B1cyIgfCAid2F2Iic تنسيق خرج CLI المتوقع. القيمة الافتراضية mp3 للمرفقات الصوتية. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InRpbWVvdXRNcyIgdHlwZT0ibnVtYmVyIg مهلة الأمر بالمللي ثانية. القيمة الافتراضية 120000. OPENCLAW_DOCS_MARKER:paramClose:

cwdstring

env"Record<string,

يقتصر الخرج القياسي للأمر والصوت المُنشأ أو المُحوّل على 50 MiB. ويقتصر خرج الأخطاء القياسي التشخيصي على 1 MiB. ينهي OpenClaw الأمر ويفشل إنشاء الصوت عند تجاوز أي من الحدين.

Microsoft (من دون مفتاح API)

enabledbooleandefault: true

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg اسم الصوت العصبي من Microsoft (مثل en-US-MichelleNeural). الاسم البديل القديم: voice. إذا كان الصوت الإنجليزي الافتراضي مستخدمًا وكان نص الرد تهيمن عليه محارف CJK، يتحول OpenClaw تلقائيًا إلى zh-CN-XiaoxiaoNeural. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImxhbmciIHR5cGU9InN0cmluZyI رمز اللغة (مثل en-US). OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im91dHB1dEZvcm1hdCIgdHlwZT0ic3RyaW5nIg تنسيق خرج Microsoft. القيمة الافتراضية audio-24khz-48kbitrate-mono-mp3. لا يدعم النقل المضمّن المعتمد على Edge جميع التنسيقات. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJhdGUgLyBwaXRjaCAvIHZvbHVtZSIgdHlwZT0ic3RyaW5nIg سلاسل نسب مئوية (مثل +10%، -5%). OPENCLAW_DOCS_MARKER:paramClose:

saveSubtitlesboolean

proxystring

timeoutMsnumber

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImVkZ2UuKiIgdHlwZT0ib2JqZWN0IiBkZXByZWNhdGVk اسم بديل قديم. شغّل openclaw doctor --fix لإعادة كتابة الإعدادات المحفوظة إلى providers.microsoft. OPENCLAW_DOCS_MARKER:paramClose:

MiniMax

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg يعود احتياطيًا إلى MINIMAX_API_KEY. مصادقة خطة الرموز عبر MINIMAX_OAUTH_TOKEN أو MINIMAX_CODE_PLAN_KEY أو MINIMAX_CODING_API_KEY. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI القيمة الافتراضية https://api.minimax.io. متغير البيئة: MINIMAX_API_HOST. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci القيمة الافتراضية speech-2.8-hd. متغير البيئة: MINIMAX_TTS_MODEL. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZUlkIiB0eXBlPSJzdHJpbmci القيمة الافتراضية English_expressive_narrator. متغير البيئة: MINIMAX_TTS_VOICE_ID. الاسم البديل القديم: voiceId. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWVkIiB0eXBlPSJudW1iZXIi 0.5..2.0. القيمة الافتراضية 1.0. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InZvbCIgdHlwZT0ibnVtYmVyIg (0, 10]. القيمة الافتراضية 1.0. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InBpdGNoIiB0eXBlPSJudW1iZXIi عدد صحيح -12..12. القيمة الافتراضية 0. تُحذف الأجزاء الكسرية قبل الطلب. OPENCLAW_DOCS_MARKER:paramClose:

OpenAI

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg يعود احتياطيًا إلى OPENAI_API_KEY. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci معرّف نموذج OpenAI لتحويل النص إلى كلام. القيمة الافتراضية gpt-4o-mini-tts. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg اسم الصوت (مثل alloy، cedar). القيمة الافتراضية coral. الاسم البديل القديم: voice. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Imluc3RydWN0aW9ucyIgdHlwZT0ic3RyaW5nIg حقل OpenAI الصريح instructions. عند ضبطه، لا تُطابق حقول موجّه الشخصية تلقائيًا. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImV4dHJhQm9keSAvIGV4dHJhX2JvZHkiIHR5cGU9IlJlY29yZDxzdHJpbmcsIHVua25vd24 ">حقول JSON إضافية تُدمج في أجسام طلبات /audio/speech بعد حقول OpenAI المُنشأة لتحويل النص إلى كلام. استخدم هذا لنقاط النهاية المتوافقة مع OpenAI، مثل Kokoro، التي تتطلب مفاتيح خاصة بمقدم الخدمة مثل lang؛ وتُتجاهل مفاتيح النموذج الأولي غير الآمنة. OPENCLAW_DOCS_MARKER:paramClose:

baseUrlstring

تجاوز نقطة نهاية OpenAI لتحويل النص إلى كلام. ترتيب الحل: الإعدادات ← OPENAI_TTS_BASE_URL ← https://api.openai.com/v1. تُعامل القيم غير الافتراضية كنقاط نهاية متوافقة مع OpenAI لتحويل النص إلى كلام، لذا تُقبل أسماء النماذج والأصوات المخصصة، ويفقد speed فحص النطاق 0.25..4.0 الخاص به.

OpenRouter

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg متغير البيئة: OPENROUTER_API_KEY. يمكن إعادة استخدام models.providers.openrouter.apiKey. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI القيمة الافتراضية https://openrouter.ai/api/v1. يُطبّع https://openrouter.ai/v1 القديم. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci القيمة الافتراضية hexgrad/kokoro-82m. الاسم البديل: modelId. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg القيمة الافتراضية af_alloy. الأسماء البديلة القديمة: voice، voiceId. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJlc3BvbnNlRm9ybWF0IiB0eXBlPScibXAzIiB8ICJwY20iJw القيمة الافتراضية mp3. OPENCLAW_DOCS_MARKER:paramClose:

speednumber

Volcengine (BytePlus Seed Speech)

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg متغير البيئة: VOLCENGINE_TTS_API_KEY أو BYTEPLUS_SEED_SPEECH_API_KEY. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJlc291cmNlSWQiIHR5cGU9InN0cmluZyI القيمة الافتراضية seed-tts-1.0. متغير البيئة: VOLCENGINE_TTS_RESOURCE_ID. استخدم seed-tts-2.0 عندما يكون مشروعك مخولًا لاستخدام TTS 2.0. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwcEtleSIgdHlwZT0ic3RyaW5nIg ترويسة مفتاح التطبيق. القيمة الافتراضية aGjiRDfUWi. متغير البيئة: VOLCENGINE_TTS_APP_KEY. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI تجاوز نقطة نهاية HTTP لتحويل النص إلى كلام في Seed Speech. متغير البيئة: VOLCENGINE_TTS_BASE_URL. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg نوع الصوت. القيمة الافتراضية en_female_anna_mars_bigtts. متغير البيئة: VOLCENGINE_TTS_VOICE. الاسم البديل القديم: voice. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWVkUmF0aW8iIHR5cGU9Im51bWJlciI نسبة السرعة الأصلية لمقدم الخدمة، 0.2..3. OPENCLAW_DOCS_MARKER:paramClose:

emotionstring

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwcElkIC8gdG9rZW4gLyBjbHVzdGVyIiB0eXBlPSJzdHJpbmciIGRlcHJlY2F0ZWQ حقول Volcengine Speech Console القديمة. متغيرات البيئة: VOLCENGINE_TTS_APPID، VOLCENGINE_TTS_TOKEN، VOLCENGINE_TTS_CLUSTER (القيمة الافتراضية volcano_tts). OPENCLAW_DOCS_MARKER:paramClose:

xAI

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg متغير البيئة: XAI_API_KEY. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI القيمة الافتراضية https://api.x.ai/v1. متغير البيئة: XAI_BASE_URL. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZUlkIiB0eXBlPSJzdHJpbmci القيمة الافتراضية eve. مع المصادقة، يجلب openclaw infer tts voices --provider xai الكتالوج المضمّن الحالي؛ ومن دون مصادقة يسرد البدائل غير المتصلة ara، eve، leo، rex، وsal. تُمرّر معرّفات الأصوات المخصصة للحساب حتى عند غيابها عن القائمة المضمّنة. الاسم البديل القديم: voiceId. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Imxhbmd1YWdlIiB0eXBlPSJzdHJpbmci رمز لغة BCP-47 أو auto. القيمة الافتراضية en. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJlc3BvbnNlRm9ybWF0IiB0eXBlPScibXAzIiB8ICJ3YXYiIHwgInBjbSIgfCAibXVsYXciIHwgImFsYXciJw القيمة الافتراضية mp3. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWVkIiB0eXBlPSJudW1iZXIi تجاوز السرعة الأصلي لمقدم الخدمة، 0.7..1.5. OPENCLAW_DOCS_MARKER:paramClose:

Xiaomi MiMo

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg متغير البيئة: XIAOMI_API_KEY. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI القيمة الافتراضية https://api.xiaomimimo.com/v1. متغير البيئة: XIAOMI_BASE_URL. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci القيمة الافتراضية mimo-v2.5-tts. متغير البيئة: XIAOMI_TTS_MODEL. يدعم أيضًا mimo-v2-tts وmimo-v2.5-tts-voicedesign. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg القيمة الافتراضية mimo_default لنماذج الأصوات المُعدّة مسبقًا. متغير البيئة: XIAOMI_TTS_VOICE. الاسم البديل القديم: voice. لا يُرسل مع mimo-v2.5-tts-voicedesign. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImZvcm1hdCIgdHlwZT0nIm1wMyIgfCAid2F2Iic القيمة الافتراضية mp3. متغير البيئة: XIAOMI_TTS_FORMAT. OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InN0eWxlIiB0eXBlPSJzdHJpbmci تعليمة أسلوب اختيارية بلغة طبيعية تُرسل كرسالة المستخدم ولا تُنطق. بالنسبة إلى mimo-v2.5-tts-voicedesign، تكون هذه موجّه تصميم الصوت؛ ويوفر OpenClaw قيمة افتراضية عند إغفالها. OPENCLAW_DOCS_MARKER:paramClose:

أداة الوكيل

تحوّل أداة tts النص إلى كلام وتُرجع مرفقًا صوتيًا لتسليم الرد. في Feishu وMatrix وTelegram وWhatsApp، يُسلّم الصوت كرسالة صوتية بدلًا من مرفق ملف. ويمكن لـ Feishu و WhatsApp تحويل ترميز خرج تحويل النص إلى كلام غير المشفّر بتنسيق Opus في هذا المسار عندما يكون ffmpeg متاحًا.

يرسل WhatsApp الصوت عبر Baileys كملاحظة صوتية بنمط PTT ‏(audio مع ptt: true) ويرسل النص المرئي بشكل منفصل عن صوت PTT لأن العملاء لا يعرضون التسميات التوضيحية على الملاحظات الصوتية بصورة متسقة.

تقبل الأداة الحقلين الاختياريين channel وtimeoutMs؛ ويمثل timeoutMs مهلة طلب مقدم الخدمة لكل استدعاء بالمللي ثانية. تتجاوز القيم الخاصة بكل استدعاء messages.tts.timeoutMs؛ وتتجاوز مهل تحويل النص إلى كلام المُعدّة أي قيمة افتراضية لمقدم الخدمة يحددها Plugin.

استدعاء Gateway عن بُعد

الطريقة	الغرض
`tts.status`	قراءة حالة تحويل النص إلى كلام الحالية والمحاولة الأخيرة.
`tts.enable`	تعيين التفضيل التلقائي المحلي إلى `always`.
`tts.disable`	تعيين التفضيل التلقائي المحلي إلى `off`.
`tts.convert`	تحويل نص إلى صوت لمرة واحدة.
`tts.setProvider`	تعيين تفضيل المزوّد المحلي.
`tts.personas`	سرد الشخصيات المُعدّة والشخصية النشطة.
`tts.setPersona`	تعيين تفضيل الشخصية المحلي.
`tts.providers`	سرد المزوّدين المُعدّين وحالاتهم.

روابط الخدمات

مواضيع ذات صلة

Was this useful?

البدء السريع

اختر مزودًا

اضبط مفتاح API

فعّله في الإعدادات

جرّبه في الدردشة

المزودون المدعومون

الإعدادات

Azure Speech

ElevenLabs

Google Gemini

Gradium

Inworld

CLI المحلي

Microsoft (من دون مفتاح)

MiniMax

OpenAI + ElevenLabs

OpenRouter

Volcengine

xAI

Xiaomi MiMo

تجاوزات الصوت الخاصة بكل وكيل

الشخصيات

شخصية بالحد الأدنى

شخصية كاملة (مطالبة محايدة تجاه المزود)

تحديد الشخصية

كيفية استخدام المزودين لمطالبات الشخصية

سياسة الرجوع الاحتياطي

التوجيهات المستندة إلى النموذج

أوامر الشرطة المائلة

تفضيلات كل مستخدم

تنسيقات الإخراج

سلوك النطق التلقائي

مرجع الحقول

Inworld الأساسي

أداة الوكيل

استدعاء Gateway عن بُعد

روابط الخدمات

مواضيع ذات صلة

On this page