ElevenLabs
OpenClaw verwendet ElevenLabs für Text-to-Speech, Batch-Speech-to-Text mit Scribe
v2 und Voice-Call-Streaming-STT mit Scribe v2 Realtime.
| Funktion | OpenClaw-Oberfläche | Standard |
|---|
| Text-to-Speech | messages.tts / talk | eleven_multilingual_v2 |
| Batch-Speech-to-Text | tools.media.audio | scribe_v2 |
| Streaming-Speech-to-Text | Voice Call streaming.provider: "elevenlabs" | scribe_v2_realtime |
Authentifizierung
Setze ELEVENLABS_API_KEY in der Umgebung. XI_API_KEY wird ebenfalls akzeptiert für
die Kompatibilität mit vorhandenen ElevenLabs-Tools.
export ELEVENLABS_API_KEY="..."
Text-to-Speech
{
messages: {
tts: {
providers: {
elevenlabs: {
apiKey: "${ELEVENLABS_API_KEY}",
voiceId: "pMsXgVXv3BLzUgSXRplE",
modelId: "eleven_multilingual_v2",
},
},
},
},
}
Speech-to-Text
Verwende Scribe v2 für eingehende Audioanhänge und kurze aufgezeichnete Sprachsegmente:
{
tools: {
media: {
audio: {
enabled: true,
models: [{ provider: "elevenlabs", model: "scribe_v2" }],
},
},
},
}
/v1/speech-to-text mit
model_id: "scribe_v2". Sprachhinweise werden, falls vorhanden, auf language_code abgebildet.
Streaming-STT für Voice Call
Das gebündelte Plugin elevenlabs registriert Scribe v2 Realtime für Voice-Call-
Streaming-Transkription.
| Einstellung | Konfigurationspfad | Standard |
|---|
| API-Key | plugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKey | Fällt auf ELEVENLABS_API_KEY / XI_API_KEY zurück |
| Modell | ...elevenlabs.modelId | scribe_v2_realtime |
| Audioformat | ...elevenlabs.audioFormat | ulaw_8000 |
| Samplerate | ...elevenlabs.sampleRate | 8000 |
| Commit-Strategie | ...elevenlabs.commitStrategy | vad |
| Sprache | ...elevenlabs.languageCode | (nicht gesetzt) |
{
plugins: {
entries: {
"voice-call": {
config: {
streaming: {
enabled: true,
provider: "elevenlabs",
providers: {
elevenlabs: {
apiKey: "${ELEVENLABS_API_KEY}",
audioFormat: "ulaw_8000",
commitStrategy: "vad",
languageCode: "en",
},
},
},
},
},
},
},
}
Voice Call empfängt Twilio-Medien als 8-kHz-G.711-u-law. Der ElevenLabs-Realtime-
Provider verwendet standardmäßig ulaw_8000, sodass Telefonie-Frames ohne
Transkodierung weitergeleitet werden können.
