ElevenLabs
OpenClaw utilise ElevenLabs pour la synthèse vocale, la reconnaissance vocale par lot avec Scribe
v2, et la STT en streaming de Voice Call avec Scribe v2 Realtime.
| Capability | Surface OpenClaw | Par défaut |
|---|
| Synthèse vocale | messages.tts / talk | eleven_multilingual_v2 |
| Reconnaissance vocale par lot | tools.media.audio | scribe_v2 |
| Reconnaissance vocale en streaming | Voice Call streaming.provider: "elevenlabs" | scribe_v2_realtime |
Authentification
Définissez ELEVENLABS_API_KEY dans l’environnement. XI_API_KEY est également accepté pour
assurer la compatibilité avec l’outillage ElevenLabs existant.
export ELEVENLABS_API_KEY="..."
Synthèse vocale
{
messages: {
tts: {
providers: {
elevenlabs: {
apiKey: "${ELEVENLABS_API_KEY}",
voiceId: "pMsXgVXv3BLzUgSXRplE",
modelId: "eleven_multilingual_v2",
},
},
},
},
}
Reconnaissance vocale
Utilisez Scribe v2 pour les pièces jointes audio entrantes et les courts segments vocaux enregistrés :
{
tools: {
media: {
audio: {
enabled: true,
models: [{ provider: "elevenlabs", model: "scribe_v2" }],
},
},
},
}
/v1/speech-to-text avec
model_id: "scribe_v2". Les indications de langue sont mappées vers language_code lorsqu’elles sont présentes.
STT en streaming pour Voice Call
Le Plugin elevenlabs intégré enregistre Scribe v2 Realtime pour la
transcription en streaming de Voice Call.
| Paramètre | Chemin de configuration | Par défaut |
|---|
| Clé API | plugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKey | Revient à ELEVENLABS_API_KEY / XI_API_KEY |
| Modèle | ...elevenlabs.modelId | scribe_v2_realtime |
| Format audio | ...elevenlabs.audioFormat | ulaw_8000 |
| Fréquence d’échantillonnage | ...elevenlabs.sampleRate | 8000 |
| Stratégie de validation | ...elevenlabs.commitStrategy | vad |
| Langue | ...elevenlabs.languageCode | (non défini) |
{
plugins: {
entries: {
"voice-call": {
config: {
streaming: {
enabled: true,
provider: "elevenlabs",
providers: {
elevenlabs: {
apiKey: "${ELEVENLABS_API_KEY}",
audioFormat: "ulaw_8000",
commitStrategy: "vad",
languageCode: "en",
},
},
},
},
},
},
},
}
Voice Call reçoit les médias Twilio en G.711 u-law 8 kHz. Le fournisseur realtime ElevenLabs
utilise par défaut ulaw_8000, donc les trames de téléphonie peuvent être transmises sans
transcodage.
