ElevenLabs

OpenClaw برای تبدیل متن به گفتار، تبدیل دسته‌ای گفتار به متن با Scribe v2 و STT جریانی با Scribe v2 Realtime از ElevenLabs استفاده می‌کند. Plugin به‌صورت داخلی ارائه شده و به‌طور پیش‌فرض فعال است؛ هیچ مرحله plugins install لازم نیست.

احراز هویت

ELEVENLABS_API_KEY را در محیط تنظیم کنید. برای سازگاری با ابزارهای موجود ElevenLabs، XI_API_KEY نیز پذیرفته می‌شود.

export ELEVENLABS_API_KEY="..."

تبدیل متن به گفتار

{  tts: {    providers: {      elevenlabs: {        apiKey: "${ELEVENLABS_API_KEY}",        voiceId: "pMsXgVXv3BLzUgSXRplE",        modelId: "eleven_multilingual_v2",      },    },  },}

برای استفاده از TTS نسخه v3 در ElevenLabs، modelId را روی eleven_v3 تنظیم کنید. OpenClaw برای نصب‌های موجود، eleven_multilingual_v2 را به‌عنوان پیش‌فرض حفظ می‌کند.

هنگامی که ElevenLabs ارائه‌دهنده انتخاب‌شده voice.tts/tts باشد، کانال‌های صوتی Discord از نقطه پایانی TTS جریانی ElevenLabs استفاده می‌کنند: پخش از جریان صوتی برگردانده‌شده آغاز می‌شود، به‌جای اینکه ابتدا منتظر بماند تا OpenClaw کل فایل صوتی را بارگیری کند. برای مدل‌هایی که آن را می‌پذیرند، latencyTier به پارامتر کوئری optimize_streaming_latency در ElevenLabs نگاشت می‌شود؛ OpenClaw این پارامتر را برای eleven_v3 که آن را رد می‌کند، حذف می‌کند.

تبدیل گفتار به متن

برای پیوست‌های صوتی ورودی و قطعه‌های صوتی کوتاه ضبط‌شده از Scribe v2 استفاده کنید:

{  tools: {    media: {      audio: {        enabled: true,        models: [{ provider: "elevenlabs", model: "scribe_v2" }],      },    },  },}

OpenClaw صوت چندبخشی را با model_id: "scribe_v2" به /v1/speech-to-text در ElevenLabs ارسال می‌کند. راهنمایی‌های زبان، در صورت وجود، به language_code نگاشت می‌شوند.

STT جریانی

Plugin داخلی elevenlabs، ‏Scribe v2 Realtime را برای رونویسی جریانی Voice Call و حالت عامل Google Meet ثبت می‌کند.

{  plugins: {    entries: {      "voice-call": {        config: {          streaming: {            enabled: true,            provider: "elevenlabs",            providers: {              elevenlabs: {                apiKey: "${ELEVENLABS_API_KEY}",                audioFormat: "ulaw_8000",                commitStrategy: "vad",                languageCode: "en",              },            },          },        },      },    },  },}

برای حالت عامل Google Meet، plugins.entries.google-meet.config.realtime.transcriptionProvider را روی "elevenlabs" تنظیم کنید و همان بلوک ارائه‌دهنده را زیر plugins.entries.google-meet.config.realtime.providers.elevenlabs پیکربندی کنید.

مرتبط

• تبدیل متن به گفتار
• Google Meet
• انتخاب مدل