Providers

ElevenLabs

OpenClaw از ElevenLabs برای تبدیل متن به گفتار، تبدیل گفتار به متن دسته‌ای با Scribe v2، و STT جریانی با Scribe v2 Realtime استفاده می‌کند.

قابلیت	سطح OpenClaw	پیش‌فرض
تبدیل متن به گفتار	`messages.tts` / `talk`	`eleven_multilingual_v2`
تبدیل گفتار به متن دسته‌ای	`tools.media.audio`	`scribe_v2`
تبدیل گفتار به متن جریانی	Voice Call streaming یا Google Meet `realtime.transcriptionProvider`	`scribe_v2_realtime`

احراز هویت

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

bash

export ELEVENLABS_API_KEY="..."

تبدیل متن به گفتار

json5

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

برای استفاده از TTS نسخه ۳ ElevenLabs، مقدار modelId را روی eleven_v3 تنظیم کنید. OpenClaw برای نصب‌های موجود، eleven_multilingual_v2 را به‌عنوان پیش‌فرض نگه می‌دارد.

کانال‌های صوتی Discord وقتی ElevenLabs ارائه‌دهنده انتخاب‌شده voice.tts/messages.tts باشد، از نقطه پایانی TTS جریانی ElevenLabs استفاده می‌کنند. پخش از جریان صوتی برگشتی شروع می‌شود، به‌جای اینکه ابتدا منتظر بماند OpenClaw کل فایل صوتی را دانلود و بنویسد. latencyTier برای مدل‌هایی که آن را می‌پذیرند، به پارامتر پرس‌وجوی 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 کوتاه صدای ضبط‌شده از Scribe v2 استفاده کنید:

json5

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

OpenClaw صدای multipart 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 بسته‌بندی‌شده elevenlabs، Scribe v2 Realtime را برای رونویسی جریانی Voice Call و حالت عامل Google Meet ثبت می‌کند.

تنظیم	مسیر پیکربندی	پیش‌فرض
کلید API	`plugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKey`	به `ELEVENLABS_API_KEY` / `XI_API_KEY` برمی‌گردد
مدل	`...elevenlabs.modelId`	`scribe_v2_realtime`
قالب صوتی	`...elevenlabs.audioFormat`	`ulaw_8000`
نرخ نمونه‌برداری	`...elevenlabs.sampleRate`	`8000`
راهبرد commit	`...elevenlabs.commitStrategy`	`vad`
زبان	`...elevenlabs.languageCode`	(تنظیم‌نشده)

json5

{  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، مقدار 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

Was this useful?