xAI

ارائه‌دهندهٔ همراه جست‌وجوی وب grok، OAuth سرویس xAI را ترجیح می‌دهد و سپس به XAI_API_KEY یا کلید جست‌وجوی وب یک Plugin بازمی‌گردد:

openclaw models auth login --provider xai --method oauthopenclaw config set tools.web.search.provider grok

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

• مدل پیش‌فرض: xai/grok-imagine-video
• مدل اضافی: xai/grok-imagine-video-1.5
• حالت‌های کلاسیک: متن‌به‌ویدیو، تصویر‌به‌ویدیو، تولید با تصویر مرجع، ویرایش ویدیوی راه‌دور و گسترش ویدیوی راه‌دور
• حالت Video 1.5: فقط تصویر‌به‌ویدیو، با دقیقاً یک تصویر قاب نخست
• نسبت‌های ابعاد: 1:1، 16:9، 9:16، 4:3، 3:4، 3:2، 2:3؛ در صورت حذف، حالت کلاسیک و تصویر‌به‌ویدیوی Video 1.5 نسبت تصویر مبدأ را به ارث می‌برند
• وضوح‌ها: کلاسیک 480P/720P؛ Video 1.5 از 1080P نیز پشتیبانی می‌کند؛ همهٔ حالت‌های تولید به‌طور پیش‌فرض از 480P استفاده می‌کنند
• مدت: 1-15 ثانیه برای تولید/تصویر‌به‌ویدیو، 1-10 ثانیه هنگام استفاده از نقش‌های کلاسیک reference_image، و 2-10 ثانیه برای گسترش کلاسیک
• تولید با تصویر مرجع: برای هر تصویر ارائه‌شده، imageRoles را روی reference_image تنظیم کنید؛ xAI حداکثر 7 تصویر از این نوع را می‌پذیرد
• ویرایش/گسترش ویدیو، نسبت ابعاد و وضوح ویدیوی ورودی را به ارث می‌برند؛ این عملیات جایگزینی هندسه را نمی‌پذیرند
• مهلت زمانی پیش‌فرض عملیات: 600 ثانیه، مگر اینکه video_generate.timeoutMs یا agents.defaults.videoGenerationModel.timeoutMs تنظیم شده باشد

Video 1.5 شناسه‌های grok-imagine-video-1.5-preview و grok-imagine-video-1.5-2026-05-30 سرویس xAI را نیز تشخیص می‌دهد. OpenClaw شناسهٔ انتخاب‌شده را بدون تغییر ارسال می‌کند، اما همان اعتبارسنجی فقط‌تصویر را اعمال می‌کند.

برای استفاده از xAI به‌عنوان ارائه‌دهندهٔ پیش‌فرض ویدیو:

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

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

• مدل پیش‌فرض تصویر: xai/grok-imagine-image
• مدل اضافی: xai/grok-imagine-image-quality
• حالت‌ها: تبدیل متن به تصویر و ویرایش تصویر مرجع
• ورودی‌های مرجع: یک image یا حداکثر سه images
• نسبت‌های ابعاد: 1:1، 16:9، 9:16، 4:3، 3:4، 3:2، 2:3، 2:1، 1:2، 19.5:9، 9:19.5، 20:9، 9:20
• وضوح‌ها: 1K، 2K
• تعداد: حداکثر 4 تصویر
• مهلت زمانی پیش‌فرض عملیات: 600 ثانیه، مگر اینکه image_generate.timeoutMs یا agents.defaults.imageGenerationModel.timeoutMs تنظیم شده باشد

OpenClaw پاسخ‌های تصویری b64_json را از xAI درخواست می‌کند تا رسانه تولیدشده بتواند از طریق مسیر عادی پیوست کانال ذخیره و تحویل داده شود. تصاویر مرجع محلی به URLهای داده تبدیل می‌شوند؛ ارجاع‌های راه‌دور http(s) بدون تغییر عبور می‌کنند.

برای استفاده از xAI به‌عنوان ارائه‌دهنده پیش‌فرض تصویر:

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

Plugin همراه xai قابلیت تبدیل متن به گفتار را از طریق سطح مشترک ارائه‌دهنده tts ثبت می‌کند.

• صداها: فهرست زنده و احراز هویت‌شده از xAI؛ آن را با openclaw infer tts voices --provider xai فهرست کنید
• صداهای جایگزین آفلاین: ara، eve، leo، rex، sal
• صدای پیش‌فرض: eve
• شناسه‌های صدای سفارشی حساب، حتی در صورت نبودن در پاسخ فهرست داخلی، ارسال می‌شوند
• قالب‌ها: mp3، wav، pcm، mulaw، alaw
• زبان: کد BCP-47 یا auto
• سرعت: بازنویسی سرعت بومی ارائه‌دهنده
• قالب بومی یادداشت صوتی Opus پشتیبانی نمی‌شود

برای استفاده از xAI به‌عنوان ارائه‌دهنده پیش‌فرض TTS:

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

Plugin همراه xai تبدیل دسته‌ای گفتار به متن را از طریق سطح رونویسی درک رسانه OpenClaw ثبت می‌کند.

• نقطه پایانی: REST xAI، /v1/stt
• مسیر ورودی: بارگذاری فایل صوتی چندبخشی
• انتخاب مدل: xAI مدل رونویسی را به‌صورت داخلی انتخاب می‌کند؛ نقطه پایانی انتخاب‌گر مدل ندارد
• در هر جایی که رونویسی صدای ورودی tools.media.audio را می‌خواند استفاده می‌شود، از جمله بخش‌های کانال صوتی Discord و پیوست‌های صوتی کانال

برای اجبار استفاده از xAI جهت رونویسی صدای ورودی:

{  tools: {    media: {      audio: {        models: [          {            type: "provider",            provider: "xai",          },        ],      },    },  },}

زبان را می‌توان از طریق پیکربندی مشترک رسانه صوتی یا درخواست رونویسی هر فراخوانی ارائه کرد. راهنمایی‌های اعلان توسط سطح مشترک OpenClaw پذیرفته می‌شوند، اما یکپارچه‌سازی REST تبدیل گفتار به متن xAI فقط فایل و زبان را ارسال می‌کند، زیرا تنها این موارد با نقطه پایانی عمومی کنونی xAI نگاشت دارند.

Plugin همراه xai همچنین یک ارائه‌دهنده رونویسی بی‌درنگ برای صدای تماس صوتی زنده ثبت می‌کند.

• نقطه پایانی: WebSocket متعلق به xAI، wss://api.x.ai/v1/stt
• کدگذاری پیش‌فرض: mulaw
• نرخ نمونه‌برداری پیش‌فرض: 8000
• تشخیص پایان گفتار پیش‌فرض: 800ms
• رونویسی‌های موقت: به‌طور پیش‌فرض فعال

جریان رسانه Twilio در Voice Call قاب‌های صوتی G.711 mu-law را ارسال می‌کند، بنابراین ارائه‌دهنده xAI این قاب‌ها را مستقیماً و بدون تراکدگذاری ارسال می‌کند:

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

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

Plugin همراه xai نشست‌های بی‌درنگ Grok Voice Agent را برای حالت Talk از طریق قرارداد مشترک registerRealtimeVoiceProvider ثبت می‌کند.

• نقطه پایانی: wss://api.x.ai/v1/realtime?model=<voice-model>
• مدل پیش‌فرض: grok-voice-latest
• صدای پیش‌فرض: eve
• انتقال: gateway-relay (مسیرهای رله iOS، Android و Control UI)
• صدا: PCM16 با 24 kHz یا G.711 µ-law با 8 kHz
• قطع میان‌گفتار: VAD سرور xAI پاسخ را قطع می‌کند؛ OpenClaw پخش صف‌شده را پاک می‌کند و تاریخچه پخش‌نشده ارائه‌دهنده را کوتاه می‌کند

Talk را در Gateway پیکربندی کنید:

{  talk: {    realtime: {      provider: "xai",      mode: "realtime",      transport: "gateway-relay",      brain: "agent-consult",      providers: {        xai: {          model: "grok-voice-latest",          voice: "eve",          // فقط در صورتی فعال کنید که بازپخش نشست در سمت ارائه‌دهنده پذیرفتنی باشد.          sessionResumption: false,        },      },    },  },  env: { XAI_API_KEY: "xai-..." },}

پیکربندی تحت مالکیت ارائه‌دهنده همچنین از plugins.entries.voice-call.config.realtime.providers.xai تفکیک می‌شود، هنگامی که Voice Call یا انتخاب‌گرهای بی‌درنگ مشترک همان نگاشت ارائه‌دهنده را دوباره استفاده کنند. کلیدهای پشتیبانی‌شده عبارت‌اند از apiKey، baseUrl، model، voice، vadThreshold، silenceDurationMs، prefixPaddingMs، reasoningEffort و sessionResumption. reasoningEffort فقط high یا none را می‌پذیرد که با API متعلق به xAI Voice Agent مطابقت دارد.

VAD سرور xAI همیشه پاسخ‌ها را ایجاد و وقفه صوتی را مدیریت می‌کند. از consultRouting: "provider-direct" استفاده کنید؛ مسیریابی اجباری رونویسی و غیرفعال‌کردن وقفه صدای ورودی توسط پروتکل xAI Voice Agent پشتیبانی نمی‌شوند.

Plugin همراه xAI، ابزار x_search را برای جست‌وجوی محتوای X (Twitter سابق) از طریق Grok در OpenClaw ارائه می‌کند.

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

{  plugins: {    entries: {      xai: {        config: {          xSearch: {            enabled: true,            model: "grok-4.3",            baseUrl: "https://api.x.ai/v1",            inlineCitations: true,          },        },      },    },  },}

Plugin همراه xAI، ابزار code_execution را برای اجرای راه‌دور کد در محیط جعبه شنی xAI در OpenClaw ارائه می‌کند.

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

{  plugins: {    entries: {      xai: {        config: {          codeExecution: {            enabled: true,            model: "grok-4.3",          },        },      },    },  },}

• احراز هویت xAI می‌تواند از یک کلید API، متغیر محیطی، تنظیمات Plugin به‌عنوان راهکار جایگزین، یا OAuth با یک حساب واجد شرایط xAI استفاده کند. OAuth بدون فراخوانی برگشتی localhost از تأیید با کد دستگاه استفاده می‌کند. xAI تعیین می‌کند کدام حساب‌ها می‌توانند توکن‌های API مربوط به OAuth را دریافت کنند، و ممکن است صفحه رضایت Grok Build را نمایش دهد، هرچند OpenClaw به برنامه Grok Build نیازی ندارد.
• OpenClaw در حال حاضر خانواده مدل چندعاملی xAI را ارائه نمی‌کند. xAI این مدل‌ها را از طریق Responses API ارائه می‌دهد، اما آن‌ها ابزارهای سمت کلاینت یا سفارشی مورد استفاده در حلقه عامل مشترک OpenClaw را نمی‌پذیرند. به محدودیت‌های چندعاملی xAI مراجعه کنید.
• صدای بی‌درنگ xAI در حال حاضر فقط انتقال Talk با رله Gateway را ارائه می‌دهد. نشست‌های WebSocket ارائه‌دهنده که تحت مالکیت مرورگر هستند هنوز در Control UI متصل نشده‌اند.
• تصویر xAI با quality، تصویر با mask و نسبت‌های ابعاد اضافی مختص حالت بومی تا زمانی که ابزار مشترک image_generate کنترل‌های متناظر میان‌ارائه‌دهنده‌ای نداشته باشد، ارائه نمی‌شوند.

• OpenClaw اصلاحات سازگاری مختص xAI برای طرح‌واره ابزار و فراخوانی ابزار را به‌طور خودکار در مسیر اجراکننده مشترک اعمال می‌کند.
• درخواست‌های بومی xAI به‌طور پیش‌فرض tool_stream: true هستند. برای غیرفعال‌کردن آن، agents.defaults.models["xai/<model>"].params.tool_stream را روی false تنظیم کنید.
• پوشش‌دهنده همراه xAI پیش از ارسال درخواست‌های بومی xAI، محدودیت‌های پشتیبانی‌نشده شمارش contains در طرح‌واره و کلیدهای پشتیبانی‌نشده تلاش در بارِ استدلال را حذف می‌کند. Grok 4.5 از تلاش کم، متوسط و زیاد پشتیبانی می‌کند (پیش‌فرض زیاد است). Grok 4.3 از تلاش بدون تلاش، کم، متوسط و زیاد پشتیبانی می‌کند (پیش‌فرض کم است). سایر مدل‌های xAI دارای قابلیت استدلال، کنترل تلاش قابل‌تنظیمی ارائه نمی‌کنند، اما همچنان include: ["reasoning.encrypted_content"] را درخواست می‌کنند تا استدلال رمزگذاری‌شده پیشین در نوبت‌های بعدی بازپخش شود.
• web_search، x_search و code_execution به‌عنوان ابزارهای OpenClaw ارائه می‌شوند. OpenClaw به‌جای پیوست‌کردن همه ابزارهای بومی به هر نوبت گفتگو، فقط ابزار داخلی مشخص xAI را که هر ابزار نیاز دارد به درخواست آن ابزار پیوست می‌کند.
• Grok web_search مقدار plugins.entries.xai.config.webSearch.baseUrl را می‌خواند. x_search مقدار plugins.entries.xai.config.xSearch.baseUrl را می‌خواند و سپس به‌عنوان راهکار جایگزین از URL پایه جست‌وجوی وب Grok استفاده می‌کند.
• x_search و code_execution به‌جای آنکه به‌صورت ثابت در زمان‌اجرای اصلی مدل کدنویسی شده باشند، تحت مالکیت Plugin همراه xAI هستند.
• code_execution اجرای راه‌دور در محیط ایزوله xAI است، نه exec محلی.