xAI

ارائه‌دهنده‌ی همراه جست‌وجوی وب grok ابتدا xAI OAuth را ترجیح می‌دهد، سپس به XAI_API_KEY یا یک کلید جست‌وجوی وب Plugin بازمی‌گردد:

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

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

• مدل ویدئوی پیش‌فرض: xai/grok-imagine-video
• حالت‌ها: متن‌به‌ویدئو، تصویر‌به‌ویدئو، تولید تصویر مرجع، ویرایش ویدئوی راه دور، و گسترش ویدئوی راه دور
• 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/تصویر‌به‌ویدئو، 1-10 ثانیه هنگام استفاده از نقش‌های reference_image، و 2-10 ثانیه برای گسترش
• تولید تصویر مرجع: برای هر تصویر ارائه‌شده، imageRoles را روی reference_image تنظیم کنید؛ xAI تا 7 تصویر از این نوع را می‌پذیرد
• مهلت زمانی پیش‌فرض عملیات: 600 ثانیه، مگر اینکه video_generate.timeoutMs یا agents.defaults.videoGenerationModel.timeoutMs تنظیم شده باشد

برای استفاده از xAI به‌عنوان ارائه‌دهنده‌ی ویدئوی پیش‌فرض:

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

Plugin همراه 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-quality
• حالت‌ها: متن‌به‌تصویر و ویرایش تصویر مرجع
• ورودی‌های مرجع: یک image یا تا پنج images
• نسبت‌های تصویر: 1:1, 16:9, 9:16, 4:3, 3:4, 2:3, 3:2
• وضوح‌ها: 1K, 2K
• تعداد: تا 4 تصویر
• مهلت زمانی پیش‌فرض عملیات: 600 ثانیه، مگر اینکه image_generate.timeoutMs یا agents.defaults.imageGenerationModel.timeoutMs تنظیم شده باشد

OpenClaw از xAI پاسخ‌های تصویر b64_json می‌خواهد تا رسانه‌ی تولیدشده بتواند از طریق مسیر عادی پیوست کانال ذخیره و تحویل داده شود. تصاویر مرجع محلی به data URL تبدیل می‌شوند؛ مراجع راه دور http(s) بدون تغییر عبور داده می‌شوند.

برای استفاده از xAI به‌عنوان ارائه‌دهنده‌ی تصویر پیش‌فرض:

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

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

• صداها: eve، ara، rex، sal، leo، una
• صدای پیش‌فرض: eve
• 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: {          speakerVoiceId: "eve",        },      },    },  },}

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

• مدل پیش‌فرض: grok-stt
• نقطه پایانی: REST xAI با مسیر /v1/stt
• مسیر ورودی: بارگذاری فایل صوتی چندبخشی
• در هر جایی که رونویسی صوت ورودی از tools.media.audio استفاده کند توسط OpenClaw 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 رسانه صوتی یا درخواست رونویسی هر فراخوانی ارائه شود. راهنمایی‌های prompt توسط سطح مشترک OpenClaw پذیرفته می‌شوند، اما یکپارچه‌سازی REST STT xAI فقط فایل، مدل و زبان را ارسال می‌کند، چون این موارد به‌خوبی با نقطه پایانی عمومی فعلی xAI نگاشت می‌شوند.

Plugin همراه xai همچنین یک ارائه‌دهنده رونویسی بلادرنگ برای صوت تماس صوتی زنده ثبت می‌کند.

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

جریان رسانه Twilio در Voice Call فریم‌های صوتی G.711 µ-law می‌فرستد، بنابراین ارائه‌دهنده xAI می‌تواند آن فریم‌ها را مستقیما و بدون تبدیل کدگذاری ارسال 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 دارد. 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 (توییتر سابق) از طریق Grok در معرض استفاده قرار می‌دهد.

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 راه دور در محیط sandbox xAI در معرض استفاده قرار می‌دهد.

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

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

• احراز هویت xAI می‌تواند از کلید API، متغیر محیطی، fallback پیکربندی Plugin، یا OAuth با یک حساب واجد شرایط xAI استفاده کند. OAuth از راستی‌آزمایی device-code بدون callback میزبان محلی استفاده می‌کند. xAI تصمیم می‌گیرد کدام حساب‌ها می‌توانند توکن‌های API مربوط به OAuth را دریافت کنند، و صفحه رضایت ممکن است Grok Build را نشان دهد، هرچند OpenClaw به برنامه Grok Build نیاز ندارد.
• OpenClaw در حال حاضر خانواده مدل چندعاملی xAI را در معرض استفاده قرار نمی‌دهد. xAI این مدل‌ها را از طریق Responses API ارائه می‌کند، اما آن‌ها ابزارهای سمت کلاینت یا سفارشی مورد استفاده حلقه عامل مشترک OpenClaw را نمی‌پذیرند. به محدودیت‌های چندعاملی xAI مراجعه کنید.
• صدای بلادرنگ xAI هنوز به‌عنوان یک ارائه‌دهنده OpenClaw ثبت نشده است. این قابلیت به قراردادی متفاوت برای نشست صوتی دوسویه نسبت به STT دسته‌ای یا رونویسی جریانی نیاز دارد.
• quality تصویر xAI، mask تصویر و نسبت‌های تصویر اضافی بومی‌محض تا زمانی که ابزار مشترک image_generate کنترل‌های متناظر میان ارائه‌دهنده‌ها را نداشته باشد، در معرض استفاده قرار نمی‌گیرند.

• OpenClaw اصلاحات سازگاری tool-schema و tool-call ویژه xAI را به‌صورت خودکار در مسیر runner مشترک اعمال می‌کند.
• درخواست‌های بومی xAI به‌صورت 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 پیش از ارسال درخواست‌های بومی xAI، پرچم‌های strict tool-schema پشتیبانی‌نشده و کلیدهای payload مربوط به reasoning effort را حذف می‌کند. فقط grok-4.3 / grok-4.3-* effort قابل پیکربندی reasoning را اعلام می‌کنند؛ همه مدل‌های دیگر xAI که قابلیت reasoning دارند همچنان include: ["reasoning.encrypted_content"] را درخواست می‌کنند تا reasoning رمزنگاری‌شده قبلی در نوبت‌های بعدی دوباره پخش شود.
• web_search، x_search و code_execution به‌عنوان ابزارهای OpenClaw در معرض استفاده قرار می‌گیرند. OpenClaw به‌جای پیوست کردن همه ابزارهای بومی به هر نوبت chat، built-in مشخص xAI را که در هر درخواست ابزار لازم دارد 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 web-search در Grok fallback می‌کند.
• x_search و code_execution به‌جای hardcode شدن در runtime مدل اصلی، متعلق به Plugin همراه xAI هستند.
• code_execution اجرای راه دور در sandbox xAI است، نه exec محلی.