Providers

Deepgram

Deepgram یک API تبدیل گفتار به متن است. در OpenClaw از آن برای رونویسی صوت/یادداشت صوتی ورودی از طریق tools.media.audio و برای STT پخش جریانی تماس صوتی از طریق plugins.entries.voice-call.config.streaming استفاده می‌شود.

برای رونویسی دسته‌ای، OpenClaw فایل صوتی کامل را در Deepgram بارگذاری می‌کند و متن رونویسی‌شده را به خط لوله پاسخ تزریق می‌کند (بلوک {{Transcript}} + [Audio]). برای پخش جریانی تماس صوتی، OpenClaw فریم‌های زنده G.711 u-law را از طریق نقطه پایانی WebSocket listen در Deepgram ارسال می‌کند و هم‌زمان با بازگشت آن‌ها از Deepgram، رونویسی‌های جزئی یا نهایی را منتشر می‌کند.

جزئیات	مقدار
وب‌سایت	deepgram.com
مستندات	developers.deepgram.com
احراز هویت	`DEEPGRAM_API_KEY`
مدل پیش‌فرض	`nova-3`

شروع به کار

کلید API خود را تنظیم کنید

کلید API مربوط به Deepgram را به محیط اضافه کنید:

Code

DEEPGRAM_API_KEY=dg_...

ارائه‌دهنده صوت را فعال کنید

json5

{  tools: {    media: {      audio: {        enabled: true,        models: [{ provider: "deepgram", model: "nova-3" }],      },    },  },}

یک یادداشت صوتی ارسال کنید

یک پیام صوتی را از طریق هر کانال متصل ارسال کنید. OpenClaw آن را از طریق Deepgram رونویسی می‌کند و متن رونویسی‌شده را به خط لوله پاسخ تزریق می‌کند.

گزینه‌های پیکربندی

گزینه	مسیر	توضیح
`model`	`tools.media.audio.models[].model`	شناسه مدل Deepgram (پیش‌فرض: `nova-3`)
`language`	`tools.media.audio.models[].language`	راهنمای زبان (اختیاری)
`detect_language`	`tools.media.audio.providerOptions.deepgram.detect_language`	فعال‌سازی تشخیص زبان (اختیاری)
`punctuate`	`tools.media.audio.providerOptions.deepgram.punctuate`	فعال‌سازی نشانه‌گذاری (اختیاری)
`smart_format`	`tools.media.audio.providerOptions.deepgram.smart_format`	فعال‌سازی قالب‌بندی هوشمند (اختیاری)

با راهنمای زبان

json5

{  tools: {    media: {      audio: {        enabled: true,        models: [{ provider: "deepgram", model: "nova-3", language: "en" }],      },    },  },}

با گزینه‌های Deepgram

json5

{  tools: {    media: {      audio: {        enabled: true,        providerOptions: {          deepgram: {            detect_language: true,            punctuate: true,            smart_format: true,          },        },        models: [{ provider: "deepgram", model: "nova-3" }],      },    },  },}

STT پخش جریانی تماس صوتی

Plugin همراه deepgram همچنین یک ارائه‌دهنده رونویسی بلادرنگ برای Plugin تماس صوتی ثبت می‌کند.

تنظیم	مسیر پیکربندی	پیش‌فرض
کلید API	`plugins.entries.voice-call.config.streaming.providers.deepgram.apiKey`	به `DEEPGRAM_API_KEY` بازمی‌گردد
مدل	`...deepgram.model`	`nova-3`
زبان	`...deepgram.language`	(تنظیم نشده)
کدگذاری	`...deepgram.encoding`	`mulaw`
نرخ نمونه‌برداری	`...deepgram.sampleRate`	`8000`
نقطه‌گذاری پایانی	`...deepgram.endpointingMs`	`800`
نتایج موقت	`...deepgram.interimResults`	`true`

json5

{  plugins: {    entries: {      "voice-call": {        config: {          streaming: {            enabled: true,            provider: "deepgram",            providers: {              deepgram: {                apiKey: "${DEEPGRAM_API_KEY}",                model: "nova-3",                endpointingMs: 800,                language: "en-US",              },            },          },        },      },    },  },}

نکات

احراز هویت

احراز هویت از ترتیب استاندارد احراز هویت ارائه‌دهنده پیروی می‌کند. DEEPGRAM_API_KEY ساده‌ترین مسیر است.

پراکسی و نقاط پایانی سفارشی

هنگام استفاده از پراکسی، نقاط پایانی یا سرآیندها را با tools.media.audio.baseUrl و tools.media.audio.headers بازنویسی کنید.

رفتار خروجی

خروجی از همان قواعد صوتی سایر ارائه‌دهندگان پیروی می‌کند (سقف اندازه، مهلت‌های زمانی، تزریق رونویسی).

مرتبط

ابزارهای رسانه

نمای کلی خط لوله پردازش صوت، تصویر و ویدئو.

پیکربندی

مرجع کامل پیکربندی، شامل تنظیمات ابزار رسانه.

عیب‌یابی

مشکلات رایج و مراحل اشکال‌زدایی.

پرسش‌های متداول

پرسش‌های متداول درباره راه‌اندازی OpenClaw.

Was this useful?