Zum Hauptinhalt springen
Azure Speech ist ein Azure AI Speech Text-to-Speech-Anbieter. In OpenClaw synthetisiert er ausgehende Antwort-Audiodaten standardmäßig als MP3, natives Ogg/Opus für Sprach- nachrichten und 8-kHz-Mulaw-Audio für Telefonie-Kanäle wie Voice Call. OpenClaw verwendet die Azure-Speech-REST-API direkt mit SSML und sendet das anbieterdefinierte Ausgabeformat über X-Microsoft-OutputFormat.
DetailWert
WebsiteAzure AI Speech
DokumentationSpeech REST text-to-speech
AuthentifizierungAZURE_SPEECH_KEY plus AZURE_SPEECH_REGION
Standardstimmeen-US-JennyNeural
Standard-Dateiausgabeaudio-24khz-48kbitrate-mono-mp3
Standard-Sprachnachricht-Dateiogg-24khz-16bit-mono-opus

​
Erste Schritte

1

Eine Azure-Speech-Ressource erstellen

Erstellen Sie im Azure-Portal eine Speech-Ressource. Kopieren Sie KEY 1 aus Resource Management > Keys and Endpoint und kopieren Sie den Ressourcenstandort, zum Beispiel eastus.
AZURE_SPEECH_KEY=<speech-resource-key>
AZURE_SPEECH_REGION=eastus
2

Azure Speech in messages.tts auswählen

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

Eine Nachricht senden

Senden Sie eine Antwort über einen beliebigen verbundenen Kanal. OpenClaw synthetisiert das Audio mit Azure Speech und liefert MP3 für Standard-Audio oder Ogg/Opus, wenn der Kanal eine Sprachnachricht erwartet.

​
Konfigurationsoptionen

OptionPfadBeschreibung
apiKeymessages.tts.providers.azure-speech.apiKeySchlüssel der Azure-Speech-Ressource. Fällt auf AZURE_SPEECH_KEY, AZURE_SPEECH_API_KEY oder SPEECH_KEY zurück.
regionmessages.tts.providers.azure-speech.regionRegion der Azure-Speech-Ressource. Fällt auf AZURE_SPEECH_REGION oder SPEECH_REGION zurück.
endpointmessages.tts.providers.azure-speech.endpointOptionales Override für Azure-Speech-Endpunkt/Basis-URL.
baseUrlmessages.tts.providers.azure-speech.baseUrlOptionales Override für die Azure-Speech-Basis-URL.
voicemessages.tts.providers.azure-speech.voiceAzure-Sprach-ShortName (Standard en-US-JennyNeural).
langmessages.tts.providers.azure-speech.langSSML-Sprachcode (Standard en-US).
outputFormatmessages.tts.providers.azure-speech.outputFormatAudio-Datei-Ausgabeformat (Standard audio-24khz-48kbitrate-mono-mp3).
voiceNoteOutputFormatmessages.tts.providers.azure-speech.voiceNoteOutputFormatAusgabeformat für Sprachnachrichten (Standard ogg-24khz-16bit-mono-opus).

​
Hinweise

Azure Speech verwendet einen Schlüssel für die Speech-Ressource, keinen Azure-OpenAI-Schlüssel. Der Schlüssel wird als Ocp-Apim-Subscription-Key gesendet; OpenClaw leitet https://<region>.tts.speech.microsoft.com aus region ab, sofern Sie nicht endpoint oder baseUrl angeben.
Verwenden Sie den Azure-Speech-ShortName der Stimme, zum Beispiel en-US-JennyNeural. Der gebündelte Anbieter kann Stimmen über dieselbe Speech-Ressource auflisten und filtert Stimmen heraus, die als deprecated oder retired markiert sind.
Azure akzeptiert Ausgabeformate wie audio-24khz-48kbitrate-mono-mp3, ogg-24khz-16bit-mono-opus und riff-24khz-16bit-mono-pcm. OpenClaw fordert für Ziele vom Typ voice-note Ogg/Opus an, damit Kanäle native Sprachblasen ohne zusätzliche MP3-Konvertierung senden können.
azure wird als Anbieter-Alias für bestehende PRs und Nutzerkonfigurationen akzeptiert, aber neue Konfigurationen sollten azure-speech verwenden, um Verwechslungen mit Azure- OpenAI-Modellanbietern zu vermeiden.

​
Verwandte Themen

Text-to-Speech

TTS-Überblick, Anbieter und Konfiguration von messages.tts.

Konfiguration

Vollständige Konfigurationsreferenz einschließlich der Einstellungen für messages.tts.

Anbieter

Alle gebündelten OpenClaw-Anbieter.

Fehlerbehebung

Häufige Probleme und Schritte zur Fehlerdiagnose.