xAI

ارائه‌دهنده‌ی bundled جست‌وجوی وب grok می‌تواند از XAI_API_KEY یا یک کلید جست‌وجوی وب Plugin استفاده کند:

openclaw config set tools.web.search.provider grok

Plugin bundled xai تولید ویدیو را از طریق ابزار مشترک video_generate ثبت می‌کند.

• مدل ویدیوی پیش‌فرض: xai/grok-imagine-video
• حالت‌ها: متن به ویدیو، تصویر به ویدیو، تولید تصویر مرجع، ویرایش ویدیوی راه‌دور، و گسترش ویدیوی راه‌دور
• نسبت‌های تصویر: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3
• وضوح‌ها: 480P, 720P
• مدت: 1-15 ثانیه برای تولید/تصویر به ویدیو، 1-10 ثانیه هنگام استفاده از نقش‌های reference_image، 2-10 ثانیه برای گسترش
• تولید تصویر مرجع: imageRoles را برای هر تصویر ارائه‌شده روی reference_image تنظیم کنید؛ xAI تا 7 تصویر از این نوع را می‌پذیرد

برای استفاده از xAI به‌عنوان ارائه‌دهنده‌ی پیش‌فرض ویدیو:

{  agents: {    defaults: {      videoGenerationModel: {        primary: "xai/grok-imagine-video",      },    },  },}

Plugin bundled xai تولید تصویر را از طریق ابزار مشترک image_generate ثبت می‌کند.

• مدل تصویر پیش‌فرض: xai/grok-imagine-image
• مدل اضافی: xai/grok-imagine-image-pro
• حالت‌ها: متن به تصویر و ویرایش تصویر مرجع
• ورودی‌های مرجع: یک image یا حداکثر پنج images
• نسبت‌های تصویر: 1:1, 16:9, 9:16, 4:3, 3:4, 2:3, 3:2
• وضوح‌ها: 1K, 2K
• تعداد: حداکثر 4 تصویر

OpenClaw از xAI پاسخ‌های تصویری b64_json درخواست می‌کند تا رسانه‌ی تولیدشده بتواند از مسیر معمول پیوست کانال ذخیره و تحویل داده شود. تصاویر مرجع محلی به URLهای داده‌ای تبدیل می‌شوند؛ مراجع راه‌دور http(s) بدون تغییر عبور داده می‌شوند.

برای استفاده از xAI به‌عنوان ارائه‌دهنده‌ی پیش‌فرض تصویر:

{  agents: {    defaults: {      imageGenerationModel: {        primary: "xai/grok-imagine-image",      },    },  },}

Plugin bundled xai تبدیل متن به گفتار را از طریق سطح مشترک ارائه‌دهنده‌ی tts ثبت می‌کند.

• صداها: eve, ara, rex, sal, leo, una
• صدای پیش‌فرض: eve
• فرمت‌ها: mp3, wav, pcm, mulaw, alaw
• زبان: کد BCP-47 یا auto
• سرعت: override سرعت بومی ارائه‌دهنده
• فرمت بومی voice-note با Opus پشتیبانی نمی‌شود

برای استفاده از xAI به‌عنوان ارائه‌دهنده‌ی پیش‌فرض TTS:

{  messages: {    tts: {      provider: "xai",      providers: {        xai: {          voiceId: "eve",        },      },    },  },}

Plugin bundled xai تبدیل گفتار به متن batch را از طریق سطح رونویسی درک رسانه‌ی OpenClaw ثبت می‌کند.

• مدل پیش‌فرض: grok-stt
• endpoint: xAI REST /v1/stt
• مسیر ورودی: بارگذاری فایل صوتی multipart
• در OpenClaw هرجا رونویسی صوت ورودی از tools.media.audio استفاده کند پشتیبانی می‌شود، از جمله بخش‌های کانال صوتی Discord و پیوست‌های صوتی کانال

برای اجبار xAI برای رونویسی صوت ورودی:

{  tools: {    media: {      audio: {        models: [          {            type: "provider",            provider: "xai",            model: "grok-stt",          },        ],      },    },  },}

زبان می‌تواند از طریق پیکربندی مشترک رسانه‌ی صوتی یا درخواست رونویسی در هر فراخوانی ارائه شود. راهنمایی‌های prompt توسط سطح مشترک OpenClaw پذیرفته می‌شوند، اما یکپارچه‌سازی xAI REST STT فقط فایل، مدل، و زبان را forward می‌کند، زیرا این‌ها به‌شکل تمیز با endpoint عمومی فعلی xAI نگاشت می‌شوند.

Plugin bundled xai همچنین یک ارائه‌دهنده‌ی رونویسی بلادرنگ برای صوت تماس صوتی زنده ثبت می‌کند.

• endpoint: xAI WebSocket wss://api.x.ai/v1/stt
• کدگذاری پیش‌فرض: mulaw
• نرخ نمونه‌برداری پیش‌فرض: 8000
• endpointing پیش‌فرض: 800ms
• رونوشت‌های موقت: به‌صورت پیش‌فرض فعال است

استریم رسانه‌ی Twilio در Voice Call فریم‌های صوتی G.711 µ-law ارسال می‌کند، بنابراین ارائه‌دهنده‌ی xAI می‌تواند آن فریم‌ها را بدون transcode مستقیم forward کند:

{  plugins: {    entries: {      "voice-call": {        config: {          streaming: {            enabled: true,            provider: "xai",            providers: {              xai: {                apiKey: "${XAI_API_KEY}",                endpointingMs: 800,                language: "en",              },            },          },        },      },    },  },}

پیکربندی متعلق به ارائه‌دهنده زیر plugins.entries.voice-call.config.streaming.providers.xai قرار می‌گیرد. کلیدهای پشتیبانی‌شده عبارت‌اند از apiKey، baseUrl، sampleRate، encoding (pcm، mulaw، یا alaw)، interimResults، endpointingMs، و language.

Plugin همراه xAI، x_search را به‌عنوان یک ابزار OpenClaw برای جست‌وجوی محتوای X (که پیش‌تر Twitter بود) از طریق Grok ارائه می‌کند.

مسیر پیکربندی: plugins.entries.xai.config.xSearch

{  plugins: {    entries: {      xai: {        config: {          xSearch: {            enabled: true,            model: "grok-4-1-fast",            baseUrl: "https://api.x.ai/v1",            inlineCitations: true,          },        },      },    },  },}

Plugin همراه xAI، code_execution را به‌عنوان یک ابزار OpenClaw برای اجرای کد از راه دور در محیط سندباکس xAI ارائه می‌کند.

مسیر پیکربندی: plugins.entries.xai.config.codeExecution

{  plugins: {    entries: {      xai: {        config: {          codeExecution: {            enabled: true,            model: "grok-4-1-fast",          },        },      },    },  },}

• احراز هویت امروز فقط با کلید API انجام می‌شود. کلید API می‌تواند در یک پروفایل احراز هویت xAI، متغیر محیطی، یا پیکربندی Plugin ذخیره شود؛ هنوز هیچ جریان xAI OAuth یا device-code در OpenClaw وجود ندارد.
• grok-4.20-multi-agent-experimental-beta-0304 در مسیر عادی ارائه‌دهنده xAI پشتیبانی نمی‌شود، زیرا به سطح API بالادستی متفاوتی نسبت به ترنسپورت استاندارد xAI در OpenClaw نیاز دارد.
• صدای xAI Realtime هنوز به‌عنوان یک ارائه‌دهنده OpenClaw ثبت نشده است. این مورد به قرارداد نشست صدای دوسویه متفاوتی نسبت به STT دسته‌ای یا رونویسی استریمینگ نیاز دارد.
• quality تصویر xAI، mask تصویر، و نسبت‌های ابعاد اضافی فقط-بومی تا زمانی که ابزار مشترک image_generate کنترل‌های متناظر میان‌ارائه‌دهنده داشته باشد، ارائه نمی‌شوند.

• OpenClaw اصلاحات سازگاری طرح‌واره ابزار و فراخوانی ابزار ویژه xAI را به‌صورت خودکار روی مسیر رانر مشترک اعمال می‌کند.
• درخواست‌های بومی xAI به‌طور پیش‌فرض tool_stream: true دارند. برای غیرفعال کردن آن، agents.defaults.models["xai/<model>"].params.tool_stream را روی false تنظیم کنید.
• wrapper همراه xAI، پرچم‌های strict پشتیبانی‌نشده در طرح‌واره ابزار و کلیدهای payload استدلال را پیش از ارسال درخواست‌های بومی xAI حذف می‌کند.
• web_search، x_search، و code_execution به‌عنوان ابزارهای OpenClaw ارائه می‌شوند. OpenClaw به‌جای پیوست کردن همه ابزارهای بومی به هر نوبت گفت‌وگو، built-in خاص xAI موردنیاز را داخل هر درخواست ابزار فعال می‌کند.
• web_search در Grok مقدار plugins.entries.xai.config.webSearch.baseUrl را می‌خواند. x_search مقدار plugins.entries.xai.config.xSearch.baseUrl را می‌خواند، سپس به URL پایه جست‌وجوی وب Grok برمی‌گردد.
• x_search و code_execution متعلق به Plugin همراه xAI هستند، نه اینکه در runtime مدل هسته hardcode شده باشند.
• code_execution اجرای سندباکس xAI از راه دور است، نه exec محلی.