Saltar al contenido principal
Azure Speech es un proveedor de texto a voz de Azure AI Speech. En OpenClaw sintetiza audio saliente de respuestas como MP3 por defecto, Ogg/Opus nativo para notas de voz y audio mulaw de 8 kHz para canales de telefonía como Voice Call. OpenClaw usa directamente la API REST de Azure Speech con SSML y envía el formato de salida propiedad del proveedor mediante X-Microsoft-OutputFormat.
DetalleValor
Sitio webAzure AI Speech
DocsSpeech REST text-to-speech
AutenticaciónAZURE_SPEECH_KEY más AZURE_SPEECH_REGION
Voz predeterminadaen-US-JennyNeural
Salida de archivo predeterminadaaudio-24khz-48kbitrate-mono-mp3
Archivo predeterminado de nota de vozogg-24khz-16bit-mono-opus

​
Primeros pasos

1

Crear un recurso de Azure Speech

En el portal de Azure, crea un recurso Speech. Copia KEY 1 desde Resource Management > Keys and Endpoint, y copia la ubicación del recurso, por ejemplo eastus.
AZURE_SPEECH_KEY=<speech-resource-key>
AZURE_SPEECH_REGION=eastus
2

Seleccionar Azure Speech en messages.tts

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

Enviar un mensaje

Envía una respuesta a través de cualquier canal conectado. OpenClaw sintetiza el audio con Azure Speech y entrega MP3 para audio estándar, u Ogg/Opus cuando el canal espera una nota de voz.

​
Opciones de configuración

OpciónRutaDescripción
apiKeymessages.tts.providers.azure-speech.apiKeyClave del recurso Azure Speech. Usa como respaldo AZURE_SPEECH_KEY, AZURE_SPEECH_API_KEY o SPEECH_KEY.
regionmessages.tts.providers.azure-speech.regionRegión del recurso Azure Speech. Usa como respaldo AZURE_SPEECH_REGION o SPEECH_REGION.
endpointmessages.tts.providers.azure-speech.endpointSobrescritura opcional del endpoint/base URL de Azure Speech.
baseUrlmessages.tts.providers.azure-speech.baseUrlSobrescritura opcional de la base URL de Azure Speech.
voicemessages.tts.providers.azure-speech.voiceShortName de la voz de Azure (predeterminado en-US-JennyNeural).
langmessages.tts.providers.azure-speech.langCódigo de idioma SSML (predeterminado en-US).
outputFormatmessages.tts.providers.azure-speech.outputFormatFormato de salida de archivo de audio (predeterminado audio-24khz-48kbitrate-mono-mp3).
voiceNoteOutputFormatmessages.tts.providers.azure-speech.voiceNoteOutputFormatFormato de salida de nota de voz (predeterminado ogg-24khz-16bit-mono-opus).

​
Notas

Azure Speech usa una clave de recurso Speech, no una clave de Azure OpenAI. La clave se envía como Ocp-Apim-Subscription-Key; OpenClaw deriva https://<region>.tts.speech.microsoft.com a partir de region salvo que proporciones endpoint o baseUrl.
Usa el valor ShortName de la voz de Azure Speech, por ejemplo en-US-JennyNeural. El proveedor incluido puede listar voces a través del mismo recurso Speech y filtra las voces marcadas como desaprobadas o retiradas.
Azure acepta formatos de salida como audio-24khz-48kbitrate-mono-mp3, ogg-24khz-16bit-mono-opus y riff-24khz-16bit-mono-pcm. OpenClaw solicita Ogg/Opus para destinos voice-note para que los canales puedan enviar burbujas de voz nativas sin una conversión adicional desde MP3.
azure se acepta como alias de proveedor para PR existentes y configuración de usuario, pero la configuración nueva debe usar azure-speech para evitar confusión con los providers de modelos de Azure OpenAI.

​
Relacionado

Texto a voz

Resumen de TTS, proveedores y configuración messages.tts.

Configuración

Referencia completa de configuración, incluida messages.tts.

Providers

Todos los providers incluidos de OpenClaw.

Solución de problemas

Problemas comunes y pasos de depuración.