ElevenLabs
OpenClaw usa ElevenLabs para texto a voz, voz a texto por lotes con Scribe
v2 y STT en streaming de Voice Call con Scribe v2 Realtime.
| Capability | OpenClaw surface | Default |
|---|
| Texto a voz | messages.tts / talk | eleven_multilingual_v2 |
| Voz a texto por lotes | tools.media.audio | scribe_v2 |
| Voz a texto en streaming | Voice Call streaming.provider: "elevenlabs" | scribe_v2_realtime |
Autenticación
Establece ELEVENLABS_API_KEY en el entorno. XI_API_KEY también se acepta por
compatibilidad con herramientas existentes de ElevenLabs.
export ELEVENLABS_API_KEY="..."
Texto a voz
{
messages: {
tts: {
providers: {
elevenlabs: {
apiKey: "${ELEVENLABS_API_KEY}",
voiceId: "pMsXgVXv3BLzUgSXRplE",
modelId: "eleven_multilingual_v2",
},
},
},
},
}
Voz a texto
Usa Scribe v2 para adjuntos de audio entrantes y segmentos cortos de voz grabada:
{
tools: {
media: {
audio: {
enabled: true,
models: [{ provider: "elevenlabs", model: "scribe_v2" }],
},
},
},
}
/v1/speech-to-text con
model_id: "scribe_v2". Las sugerencias de idioma se asignan a language_code cuando están presentes.
STT en streaming de Voice Call
El Plugin incluido elevenlabs registra Scribe v2 Realtime para la
transcripción en streaming de Voice Call.
| Setting | Config path | Default |
|---|
| Clave API | plugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKey | Usa ELEVENLABS_API_KEY / XI_API_KEY como respaldo |
| Modelo | ...elevenlabs.modelId | scribe_v2_realtime |
| Formato de audio | ...elevenlabs.audioFormat | ulaw_8000 |
| Frecuencia de muestreo | ...elevenlabs.sampleRate | 8000 |
| Estrategia de confirmación | ...elevenlabs.commitStrategy | vad |
| Idioma | ...elevenlabs.languageCode | (sin establecer) |
{
plugins: {
entries: {
"voice-call": {
config: {
streaming: {
enabled: true,
provider: "elevenlabs",
providers: {
elevenlabs: {
apiKey: "${ELEVENLABS_API_KEY}",
audioFormat: "ulaw_8000",
commitStrategy: "vad",
languageCode: "en",
},
},
},
},
},
},
},
}
Voice Call recibe multimedia de Twilio como G.711 u-law de 8 kHz. El proveedor en tiempo real de ElevenLabs
usa ulaw_8000 de forma predeterminada, por lo que los frames de telefonía pueden reenviarse sin
transcodificación.
