تحويل النص إلى كلام

يمكن لـ OpenClaw تحويل الردود الصادرة إلى صوت عبر 14 مزودًا للكلام وتسليم رسائل صوتية أصلية على Feishu وMatrix وTelegram وWhatsApp، ومرفقات صوتية في كل مكان آخر، وتدفقات PCM/Ulaw للاتصالات الهاتفية وTalk.

TTS هو نصف إخراج الكلام في وضع stt-tts الخاص بـ Talk. جلسات Talk realtime الأصلية لدى المزود تُنشئ الكلام داخل مزود الوقت الفعلي بدلًا من استدعاء مسار TTS هذا، بينما لا تُنشئ جلسات transcription استجابة صوتية للمساعد.

البدء السريع

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

المزودون المدعومون

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

التكوين

يوجد تكوين TTS ضمن messages.tts في ~/.openclaw/openclaw.json. اختر إعدادًا مسبقًا وعدّل كتلة المزود:

{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",    },  },},},}

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

{messages: {tts: {  auto: "always",  provider: "google",  providers: {    google: {      apiKey: "${GEMINI_API_KEY}",      model: "gemini-3.1-flash-tts-preview",      speakerVoice: "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}",      speakerVoiceId: "YTpq7expH9539ERJ",    },  },},},}

{messages: {tts: {  auto: "always",  provider: "inworld",  providers: {    inworld: {      apiKey: "${INWORLD_API_KEY}",      modelId: "inworld-tts-1.5-max",      speakerVoiceId: "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,      speakerVoice: "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",      speakerVoiceId: "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: "${OPENAI_API_KEY}",      model: "gpt-4o-mini-tts",      speakerVoice: "alloy",    },    elevenlabs: {      apiKey: "${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",    },  },},},}

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

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

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

{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 كرسالة TTS user ولا يرسل audio.voice لنموذج voicedesign.

تجاوزات الصوت لكل وكيل

استخدم agents.list[].tts عندما يجب أن يتحدث وكيل واحد بموفر أو صوت أو نموذج أو شخصية أو وضع TTS تلقائي مختلف. تدمج كتلة الوكيل بعمق فوق messages.tts، لذلك يمكن أن تبقى بيانات اعتماد الموفر في إعدادات الموفر العامة:

{  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 لكل وكيل، اضبط agents.list[].tts.persona بجانب إعدادات الموفر — فهي تتجاوز messages.tts.persona العامة لذلك الوكيل فقط.

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

1. messages.tts
2. agents.list[].tts النشطة
3. تجاوز القناة، عندما تدعم القناة channels.<channel>.tts
4. تجاوز الحساب، عندما تمرر القناة channels.<channel>.accounts.<id>.tts
5. تفضيلات /tts المحلية لهذا المضيف
6. توجيهات [[tts:...]] المضمنة عندما تكون تجاوزات النموذج مفعلة

تستخدم تجاوزات القناة والحساب البنية نفسها مثل messages.tts وتدمج بعمق فوق الطبقات السابقة، لذلك يمكن أن تبقى بيانات اعتماد الموفر المشتركة في messages.tts بينما تغير قناة أو حساب بوت صوت المتحدث أو النموذج أو الشخصية أو الوضع التلقائي فقط:

{  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 منطوقة ثابتة يمكن تطبيقها بشكل حتمي عبر الموفرين. يمكنها تفضيل موفر واحد، وتعريف نية مطالبة محايدة للموفر، وحمل ربطات خاصة بالموفر للأصوات والنماذج وقوالب المطالبات والبذور وإعدادات الصوت.

شخصية مبسطة

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

شخصية كاملة (مطالبة محايدة للموفر)

{  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",              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,              },            },          },        },      },    },  },}

حلّ الشخصية

تُحدد الشخصية النشطة بشكل حتمي:

1. تفضيل /tts persona <id> المحلي، إذا كان مضبوطًا.
2. messages.tts.persona، إذا كان مضبوطًا.
3. بلا شخصية.

يعمل اختيار الموفر بترتيب الصريح أولًا:

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

لكل محاولة موفر، يدمج OpenClaw الإعدادات بهذا الترتيب:

1. messages.tts.providers.<id>
2. messages.tts.personas.<persona>.providers.<id>
3. تجاوزات الطلب الموثوق بها
4. تجاوزات توجيهات TTS التي يصدرها النموذج والمسموح بها

كيف تستخدم الموفرات مطالبات الشخصية

حقول مطالبة الشخصية (profile، وscene، وsampleContext، وstyle، وaccent، وpacing، وconstraints) محايدة للموفر. يقرر كل موفر كيفية استخدامها:

سياسة الرجوع

يتحكم fallbackPolicy في السلوك عندما لا تملك الشخصية أي ربط للموفر الذي تجري محاولة استخدامه:

يفشل طلب TTS بأكمله فقط عندما تُتخطى كل محاولات الموفرين أو تفشل.

اختيار موفر جلسة Talk محصور بنطاق الجلسة. يجب على عميل Talk اختيار معرفات الموفرين، ومعرفات النماذج، ومعرفات الأصوات، واللغات المحلية من talk.catalog وتمريرها عبر جلسة Talk أو طلب التسليم. يجب ألا يؤدي فتح جلسة صوتية إلى تعديل messages.tts أو افتراضات موفر Talk العامة.

التوجيهات المدفوعة بالنموذج

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

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

عندما يكون messages.tts.auto هو "tagged"، تكون التوجيهات مطلوبة لتشغيل الصوت. يزيل تسليم الكتل المتدفقة التوجيهات من النص المرئي قبل أن تراها القناة، حتى عندما تكون مقسمة عبر كتل متجاورة.

يُتجاهل provider=... ما لم يكن modelOverrides.allowProvider: true. عندما يعلن رد provider=...، تُحلل المفاتيح الأخرى في ذلك التوجيه بواسطة ذلك الموفر فقط؛ تُزال المفاتيح غير المدعومة ويُبلغ عنها كتحذيرات توجيه TTS.

مفاتيح التوجيه المتاحة:

• provider (معرف موفر مسجل؛ يتطلب allowProvider: true)
• speakerVoice / speakerVoiceId (أسماء مستعارة قديمة: voice، وvoiceName، وvoice_name، وgoogle_voice، وvoiceId)
• model / google_model
• stability، وsimilarityBoost، وstyle، وspeed، وuseSpeakerBoost
• vol / volume (مستوى صوت MiniMax، 0–10)
• pitch (درجة صوت MiniMax عددية صحيحة، −12 إلى 12؛ تُقتطع القيم الكسرية)
• emotion (وسم عاطفة Volcengine)
• applyTextNormalization (auto|on|off)
• languageCode (ISO 639-1)
• seed

تعطيل تجاوزات النموذج بالكامل:

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

السماح بتبديل الموفر مع إبقاء عناصر التحكم الأخرى قابلة للتهيئة:

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

أوامر الشرطة المائلة

أمر واحد /tts. على Discord، يسجل OpenClaw أيضًا /voice لأن /tts أمر مدمج في Discord — ما زال نص /tts ... يعمل.

/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 لوضع TTS التلقائي محصورًا بنطاق الجلسة للمحادثة الحالية.
• يكتب /tts persona <id> تفضيل الشخصية المحلي؛ ويمسحه /tts persona off.
• يقرأ /tts latest أحدث رد للمساعد من سجل الجلسة الحالية ويرسله كصوت مرة واحدة. يخزن فقط تجزئة ذلك الرد في إدخال الجلسة لمنع إرسال صوت مكرر.
• ينشئ /tts audio ردًا صوتيًا لمرة واحدة (لا يبدل TTS إلى وضع التشغيل).
• يُخزن limit وsummary في التفضيلات المحلية، وليس في الإعدادات الرئيسية.
• يتضمن /tts status تشخيصات الرجوع لأحدث محاولة — Fallback: <primary> -> <used>، وAttempts: ...، وتفاصيل كل محاولة (provider:outcome(reasonCode) latency).
• يعرض /status وضع TTS النشط بالإضافة إلى الموفر والنموذج والصوت المهيأة وبيانات التعريف المنقحة لنقطة النهاية المخصصة عندما يكون TTS مفعلًا.

تفضيلات لكل مستخدم

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

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

تنسيقات الإخراج (ثابتة)

يُدار تسليم صوت TTS حسب قدرات القناة. تعلن Plugins القنوات ما إذا كان TTS بنمط الصوت يجب أن يطلب من الموفرين هدف voice-note أصليًا أو يحافظ على إنشاء audio-file العادي ويضع علامة فقط على الإخراج المتوافق مع التسليم الصوتي.

• القنوات القادرة على الملاحظات الصوتية: تفضّل ردود الملاحظات الصوتية Opus (opus_48000_64 من ElevenLabs، وopus من OpenAI).
  • 48kHz / 64kbps هو توازن جيد لرسائل الصوت.
• Feishu / WhatsApp: عند إنتاج رد ملاحظة صوتية بصيغة MP3/WebM/WAV/M4A أو ملف صوتي آخر محتمل، يحوّله Plugin القناة إلى 48kHz Ogg/Opus باستخدام ffmpeg قبل إرسال رسالة الصوت الأصلية. يرسل WhatsApp النتيجة عبر حمولة Baileys audio مع ptt: true و audio/ogg; codecs=opus. إذا فشل التحويل، يتلقى Feishu الملف الأصلي كمرفق؛ ويفشل إرسال WhatsApp بدلًا من نشر حمولة PTT غير متوافقة.
• القنوات الأخرى: MP3 (mp3_44100_128 من ElevenLabs، وmp3 من OpenAI).
  • 44.1kHz / 128kbps هو التوازن الافتراضي لوضوح الكلام.
• MiniMax: MP3 (نموذج speech-2.8-hd، ومعدل عينة 32kHz) لمرفقات الصوت العادية. بالنسبة إلى أهداف الملاحظات الصوتية التي تعلنها القناة، يحوّل OpenClaw ملف MiniMax MP3 إلى 48kHz Opus باستخدام ffmpeg قبل التسليم عندما تعلن القناة دعم التحويل.
• Xiaomi MiMo: MP3 افتراضيًا، أو WAV عند تهيئته. بالنسبة إلى أهداف الملاحظات الصوتية التي تعلنها القناة، يحوّل OpenClaw مخرجات Xiaomi إلى 48kHz Opus باستخدام ffmpeg قبل التسليم عندما تعلن القناة دعم التحويل.
• CLI المحلي: يستخدم outputFormat المهيأ. تُحوَّل أهداف الملاحظات الصوتية إلى Ogg/Opus، وتُحوَّل مخرجات الاتصالات الهاتفية إلى PCM خام أحادي 16 kHz باستخدام ffmpeg.
• Google Gemini: تعيد Gemini API TTS بيانات PCM خام بمعدل 24kHz. يغلّفها OpenClaw بصيغة WAV لمرفقات الصوت، ويحوّلها إلى 48kHz Opus لأهداف الملاحظات الصوتية، ويعيد PCM مباشرةً لـ Talk/الاتصالات الهاتفية.
• Gradium: WAV لمرفقات الصوت، وOpus لأهداف الملاحظات الصوتية، وulaw_8000 عند 8 kHz للاتصالات الهاتفية.
• Inworld: MP3 لمرفقات الصوت العادية، وOGG_OPUS أصلي لأهداف الملاحظات الصوتية، وPCM خام عند 22050 Hz لـ Talk/الاتصالات الهاتفية.
• xAI: MP3 افتراضيًا؛ يمكن أن تكون responseFormat إحدى القيم mp3 أو wav أو pcm أو mulaw أو alaw. يستخدم OpenClaw نقطة نهاية TTS الدُفعية عبر REST من xAI ويعيد مرفقًا صوتيًا كاملًا؛ ولا يستخدم مسار هذا المزوّد WebSocket الخاص ببث TTS من xAI. لا يدعم هذا المسار تنسيق Opus الأصلي للملاحظات الصوتية.
• Microsoft: يستخدم microsoft.outputFormat (الافتراضي audio-24khz-48kbitrate-mono-mp3).
  • يقبل النقل المضمّن outputFormat، لكن ليست كل التنسيقات متاحة من الخدمة.
  • تتبع قيم تنسيق الإخراج تنسيقات إخراج Microsoft Speech (بما في ذلك Ogg/WebM Opus).
  • يقبل Telegram sendVoice صيغ OGG/MP3/M4A؛ استخدم OpenAI/ElevenLabs إذا كنت تحتاج إلى رسائل صوتية Opus مضمونة.
  • إذا فشل تنسيق إخراج Microsoft المهيأ، يعيد OpenClaw المحاولة باستخدام MP3.

تنسيقات إخراج OpenAI/ElevenLabs ثابتة لكل قناة (انظر أعلاه).

سلوك Auto-TTS

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

• يتجاوز TTS إذا كان الرد يحتوي بالفعل على وسائط منظمة.
• يتجاوز الردود القصيرة جدًا (أقل من 10 أحرف).
• يلخّص الردود الطويلة عند تفعيل الملخصات، باستخدام summaryModel (أو agents.defaults.model.primary).
• يرفق الصوت المُنشأ بالرد.
• في mode: "final"، يظل يرسل TTS صوتيًا فقط للردود النهائية المتدفقة بعد اكتمال تدفق النص؛ تمر الوسائط المُنشأة عبر تطبيع وسائط القناة نفسه المستخدم مع مرفقات الرد العادية.

إذا تجاوز الرد maxLength وكان التلخيص متوقفًا (أو لا يوجد مفتاح API لنموذج التلخيص)، يتم تجاوز الصوت وإرسال الرد النصي العادي.

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

تنسيقات الإخراج حسب القناة

ملاحظات حسب المزوّد:

• تحويل ترميز Feishu / WhatsApp: عندما يصل رد ملاحظة صوتية بصيغة MP3/WebM/WAV/M4A، يحوّل Plugin القناة الترميز إلى Ogg/Opus بتردد 48 kHz باستخدام ffmpeg. يرسل WhatsApp عبر Baileys مع ptt: true وaudio/ogg; codecs=opus. إذا فشل التحويل: يعود Feishu إلى إرفاق الملف الأصلي؛ ويفشل إرسال WhatsApp بدلاً من نشر حمولة PTT غير متوافقة.
• MiniMax / Xiaomi MiMo: MP3 افتراضيًا (32 kHz لـ MiniMax speech-2.8-hd)؛ ويُحوَّل ترميزه إلى Opus بتردد 48 kHz لأهداف الملاحظات الصوتية عبر ffmpeg.
• CLI المحلي: يستخدم outputFormat المضبوط. تُحوَّل أهداف الملاحظات الصوتية إلى Ogg/Opus ومخرجات الاتصالات الهاتفية إلى PCM أحادي خام بتردد 16 kHz.
• Google Gemini: يعيد PCM خامًا بتردد 24 kHz. يغلّفه OpenClaw كـ WAV للمرفقات، ويحوّل ترميزه إلى Opus بتردد 48 kHz لأهداف الملاحظات الصوتية، ويعيد PCM مباشرةً للمحادثة/الاتصالات الهاتفية.
• Inworld: مرفقات MP3، وملاحظة صوتية أصلية OGG_OPUS، وPCM خام بتردد 22050 Hz للمحادثة/الاتصالات الهاتفية.
• xAI: MP3 افتراضيًا؛ يمكن أن تكون responseFormat هي mp3|wav|pcm|mulaw|alaw. يستخدم نقطة نهاية REST الدُفعية الخاصة بـ xAI — ولا يُستخدم WebSocket TTS للبث مطلقًا. تنسيق الملاحظات الصوتية الأصلي Opus غير مدعوم.
• Microsoft: يستخدم microsoft.outputFormat (الافتراضي audio-24khz-48kbitrate-mono-mp3). يقبل sendVoice في Telegram صيغ OGG/MP3/M4A؛ استخدم OpenAI/ElevenLabs إذا كنت تحتاج إلى رسائل صوتية Opus مضمونة. إذا فشل تنسيق Microsoft المضبوط، يعيد OpenClaw المحاولة باستخدام MP3.

تنسيقات مخرجات OpenAI وElevenLabs ثابتة لكل قناة كما هو مذكور أعلاه.

مرجع الحقول

أداة الوكيل

تحوّل أداة tts النص إلى كلام وتعيد مرفقًا صوتيًا لتسليم الرد. في Feishu وMatrix وTelegram وWhatsApp، يُسلّم الصوت كرسالة صوتية بدلًا من مرفق ملف. يمكن لـ Feishu وWhatsApp تحويل مخرجات تحويل النص إلى كلام غير Opus في هذا المسار عندما يكون ffmpeg متاحًا.

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

تقبل الأداة حقلي channel وtimeoutMs اختياريًا؛ timeoutMs هو مهلة طلب المزوّد لكل استدعاء بالمللي ثانية. تتجاوز قيم كل استدعاء messages.tts.timeoutMs؛ وتتجاوز مُهل تحويل النص إلى كلام المضبوطة أي قيمة افتراضية للمزوّد كتبها Plugin.

Gateway RPC

روابط الخدمة

• دليل تحويل النص إلى كلام في OpenAI
• مرجع واجهة برمجة تطبيقات الصوت في OpenAI
• تحويل النص إلى كلام عبر REST في Azure Speech
• مزوّد Azure Speech
• تحويل النص إلى كلام في ElevenLabs
• مصادقة ElevenLabs
• Gradium
• واجهة برمجة تطبيقات تحويل النص إلى كلام في Inworld
• واجهة برمجة تطبيقات MiniMax T2A v2
• واجهة برمجة تطبيقات HTTP لتحويل النص إلى كلام في Volcengine
• تركيب الكلام في Xiaomi MiMo
• node-edge-tts
• تنسيقات مخرجات الكلام في Microsoft
• تحويل النص إلى كلام في xAI

ذو صلة

• نظرة عامة على الوسائط
• توليد الموسيقى
• توليد الفيديو
• أوامر Slash
• Plugin المكالمات الصوتية