Google (Gemini)

Le plugin Google donne accès aux modèles Gemini via Google AI Studio, ainsi qu’à la génération d’images, à la compréhension des médias (image/audio/vidéo), à la synthèse vocale et à la recherche web via Gemini Grounding.

• Fournisseur : google
• Authentification : GEMINI_API_KEY ou GOOGLE_API_KEY
• API : API Google Gemini
• Option d’exécution : agentRuntime.id: "google-gemini-cli" réutilise l’OAuth de Gemini CLI tout en conservant les références de modèles sous leur forme canonique google/*.

Prise en main

Choisissez votre méthode d’authentification préférée et suivez les étapes de configuration.

openclaw onboard --auth-choice gemini-api-key

openclaw onboard --non-interactive \  --mode local \  --auth-choice gemini-api-key \  --gemini-api-key "$GEMINI_API_KEY"

{  agents: {    defaults: {      model: { primary: "google/gemini-3.1-pro-preview" },    },  },}

openclaw models list --provider google

# Homebrewbrew install gemini-cli # ou npmnpm install -g @google/gemini-cli

openclaw models auth login --provider google-gemini-cli --set-default

openclaw models list --provider google

Fonctionnalités

Recherche web

Le fournisseur de recherche web gemini inclus utilise l’ancrage Google Search de Gemini. Configurez une clé de recherche dédiée sous plugins.entries.google.config.webSearch, ou laissez-le réutiliser models.providers.google.apiKey après GEMINI_API_KEY :

{  plugins: {    entries: {      google: {        config: {          webSearch: {            apiKey: "AIza...", // facultatif si GEMINI_API_KEY ou models.providers.google.apiKey est défini            baseUrl: "https://generativelanguage.googleapis.com/v1beta", // utilise models.providers.google.baseUrl comme solution de repli            model: "gemini-2.5-flash",          },        },      },    },  },}

L’ordre de priorité des identifiants est le suivant : webSearch.apiKey dédié, puis GEMINI_API_KEY, puis models.providers.google.apiKey. webSearch.baseUrl est facultatif et sert aux proxys d’exploitation ou aux points de terminaison compatibles avec l’API Gemini ; lorsqu’il est omis, la recherche web Gemini réutilise models.providers.google.baseUrl. Consultez Recherche Gemini pour connaître le comportement de l’outil propre au fournisseur.

Génération d’images

Le fournisseur de génération d’images google inclus utilise par défaut google/gemini-3.1-flash-image-preview.

• Prend également en charge google/gemini-3-pro-image-preview
• Génération : jusqu’à 4 images par requête
• Mode d’édition : activé, jusqu’à 5 images d’entrée
• Contrôles géométriques : size, aspectRatio et resolution

Pour utiliser Google comme fournisseur d’images par défaut :

{  agents: {    defaults: {      imageGenerationModel: {        primary: "google/gemini-3.1-flash-image-preview",      },    },  },}

Génération de vidéos

Le plugin google inclus enregistre également la génération de vidéos via l’outil partagé video_generate.

• Modèle vidéo par défaut : google/veo-3.1-fast-generate-preview
• Modes : texte vers vidéo, image vers vidéo et processus de référence à une seule vidéo
• Prend en charge aspectRatio (16:9, 9:16) et resolution (720P, 1080P) ; Veo ne prend actuellement pas en charge la sortie audio
• Durées prises en charge : 4, 6 ou 8 secondes (les autres valeurs sont ajustées à la valeur autorisée la plus proche)

Pour utiliser Google comme fournisseur de vidéos par défaut :

{  agents: {    defaults: {      videoGenerationModel: {        primary: "google/veo-3.1-fast-generate-preview",      },    },  },}

Génération musicale

Le plugin google inclus enregistre également la génération musicale via l’outil partagé music_generate.

• Modèle musical par défaut : google/lyria-3-clip-preview
• Prend également en charge google/lyria-3-pro-preview
• Contrôles des invites : lyrics et instrumental
• Format de sortie : mp3 par défaut, ainsi que wav sur google/lyria-3-pro-preview
• Entrées de référence : jusqu’à 10 images
• Les exécutions associées à une session se détachent via le processus partagé de tâche et d’état, notamment action: "status"

Pour utiliser Google comme fournisseur de musique par défaut :

{  agents: {    defaults: {      musicGenerationModel: {        primary: "google/lyria-3-clip-preview",      },    },  },}

Synthèse vocale

Le fournisseur vocal google inclus utilise le parcours TTS de l’API Gemini avec gemini-3.1-flash-tts-preview.

• Voix par défaut : Kore
• Authentification : messages.tts.providers.google.apiKey, models.providers.google.apiKey, GEMINI_API_KEY ou GOOGLE_API_KEY
• Sortie : WAV pour les pièces jointes TTS ordinaires, Opus pour les destinations de notes vocales, PCM pour Talk/la téléphonie
• Sortie de note vocale : le PCM de Google est encapsulé au format WAV et transcodé en Opus à 48 kHz avec ffmpeg

Le parcours TTS Gemini par lots de Google renvoie le contenu audio généré dans la réponse generateContent terminée. Pour obtenir la latence la plus faible dans les conversations vocales, utilisez le fournisseur vocal Google en temps réel, reposant sur l’API Gemini Live, plutôt que le TTS par lots.

Pour utiliser Google comme fournisseur TTS par défaut :

{  messages: {    tts: {      auto: "always",      provider: "google",      providers: {        google: {          model: "gemini-3.1-flash-tts-preview",          speakerVoice: "Kore",          audioProfile: "Parlez de manière professionnelle avec un ton calme.",        },      },    },  },}

Le TTS de l’API Gemini utilise des invites en langage naturel pour contrôler le style. Définissez audioProfile afin d’ajouter une invite de style réutilisable avant le texte prononcé. Définissez speakerName lorsque le texte de votre invite fait référence à un locuteur nommé.

Le TTS de l’API Gemini accepte également des balises audio expressives entre crochets dans le texte, telles que [whispers] ou [laughs]. Pour exclure les balises de la réponse visible dans le chat tout en les envoyant au TTS, placez-les dans un bloc [[tts:text]]...[[/tts:text]] :

Voici le texte propre de la réponse. [[tts:text]][whispers] Voici la version prononcée.[[/tts:text]]

Voix en temps réel

Le plugin google inclus enregistre un fournisseur vocal en temps réel reposant sur l’API Gemini Live pour les ponts audio côté serveur tels que Voice Call et Google Meet.

Exemple de configuration en temps réel de Voice Call :

{  plugins: {    entries: {      "voice-call": {        enabled: true,        config: {          realtime: {            enabled: true,            provider: "google",            providers: {              google: {                model: "gemini-3.1-flash-live-preview",                speakerVoice: "Kore",                activityHandling: "start-of-activity-interrupts",                turnCoverage: "audio-activity-and-all-video",              },            },          },        },      },    },  },}

Pour effectuer une vérification en direct destinée aux responsables de maintenance, exécutez OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts. Le test rapide couvre également les chemins backend/WebRTC d’OpenAI ; la partie Google génère le même format de jeton contraint de l’API Live que celui utilisé par la fonction Talk de l’interface de contrôle, ouvre le point de terminaison WebSocket du navigateur, envoie la charge utile de configuration initiale et attend setupComplete.

Configuration avancée

{  agents: {    defaults: {      models: {        "google/gemini-2.5-pro": {          params: {            cachedContent: "cachedContents/prebuilt-context",          },        },      },    },  },}

Rubriques connexes