Providers
Azure स्पीच
Azure Speech एक बंडल किया गया Azure AI Speech टेक्स्ट-टू-स्पीच प्रदाता है। OpenClaw
SSML के साथ Azure Speech REST API को सीधे कॉल करता है और
मानक उत्तरों के लिए MP3, वॉइस नोट्स के लिए नेटिव Ogg/Opus, और
Voice Call जैसे टेलीफ़ोनी चैनलों के लिए 8 kHz mulaw संश्लेषित करता है। अनुरोध, प्रदाता के स्वामित्व वाला
आउटपुट प्रारूप X-Microsoft-OutputFormat हेडर के माध्यम से भेजता है।
| विवरण | मान |
|---|---|
| प्रदाता ID | azure-speech (उपनाम: azure) |
| वेबसाइट | Azure AI Speech |
| दस्तावेज़ | Speech REST टेक्स्ट-टू-स्पीच |
| प्रमाणीकरण | AZURE_SPEECH_KEY और AZURE_SPEECH_REGION |
| डिफ़ॉल्ट वॉइस | en-US-JennyNeural |
| डिफ़ॉल्ट फ़ाइल आउटपुट | audio-24khz-48kbitrate-mono-mp3 |
| डिफ़ॉल्ट वॉइस-नोट फ़ाइल | ogg-24khz-16bit-mono-opus |
आरंभ करना
Azure Speech संसाधन बनाएँ
Azure पोर्टल में एक Speech संसाधन बनाएँ। Resource Management > Keys and Endpoint से KEY 1
कॉपी करें और eastus जैसे संसाधन का स्थान
कॉपी करें।
AZURE_SPEECH_KEY=<speech-resource-key>AZURE_SPEECH_REGION=eastustts में Azure Speech चुनें
{ tts: { auto: "always", provider: "azure-speech", providers: { "azure-speech": { voice: "en-US-JennyNeural", lang: "en-US", }, }, },}संदेश भेजें
किसी भी कनेक्ट किए गए चैनल के माध्यम से उत्तर भेजें। OpenClaw, Azure Speech से ऑडियो संश्लेषित करता है और मानक ऑडियो के लिए MP3 या चैनल द्वारा वॉइस नोट अपेक्षित होने पर Ogg/Opus वितरित करता है।
कॉन्फ़िगरेशन विकल्प
सभी विकल्प tts.providers["azure-speech"] के अंतर्गत होते हैं।
| विकल्प | विवरण |
|---|---|
apiKey |
Azure Speech संसाधन कुंजी। उपलब्ध न होने पर AZURE_SPEECH_KEY, AZURE_SPEECH_API_KEY, या SPEECH_KEY का उपयोग करता है। |
region |
Azure Speech संसाधन क्षेत्र। उपलब्ध न होने पर AZURE_SPEECH_REGION या SPEECH_REGION का उपयोग करता है। |
endpoint |
वैकल्पिक Azure Speech एंडपॉइंट ओवरराइड। उपलब्ध न होने पर विश्वसनीय AZURE_SPEECH_ENDPOINT का उपयोग करता है। |
baseUrl |
वैकल्पिक Azure Speech बेस URL ओवरराइड। |
voice |
Azure वॉइस ShortName (डिफ़ॉल्ट en-US-JennyNeural)। पुराना उपनाम: voiceId। |
lang |
SSML भाषा कोड (डिफ़ॉल्ट en-US)। |
outputFormat |
ऑडियो-फ़ाइल आउटपुट प्रारूप (डिफ़ॉल्ट audio-24khz-48kbitrate-mono-mp3)। |
voiceNoteOutputFormat |
वॉइस-नोट आउटपुट प्रारूप (डिफ़ॉल्ट ogg-24khz-16bit-mono-opus)। |
timeoutMs |
अनुरोध टाइमआउट ओवरराइड, मिलीसेकंड में। उपलब्ध न होने पर वैश्विक tts.timeoutMs का उपयोग करता है। |
apiKey के साथ region, endpoint, या
baseUrl में से कोई एक सेट होने पर प्रदाता को कॉन्फ़िगर किया हुआ माना जाता है। पर्यावरण चर केवल उन
कॉन्फ़िगरेशन कुंजियों के लिए फ़ॉलबैक के रूप में जाँचे जाते हैं जिन्हें सेट नहीं किया गया है। वर्कस्पेस की .env फ़ाइलें
AZURE_SPEECH_ENDPOINT सेट नहीं कर सकतीं; एंडपॉइंट रूटिंग के लिए प्रोसेस परिवेश, वैश्विक रनटाइम dotenv,
या स्पष्ट कॉन्फ़िगरेशन का उपयोग करें।
टिप्पणियाँ
प्रमाणीकरण
Azure Speech, Azure OpenAI कुंजी के बजाय Speech संसाधन कुंजी का उपयोग करता है। कुंजी
Ocp-Apim-Subscription-Key के रूप में भेजी जाती है; जब तक आप
endpoint या baseUrl प्रदान नहीं करते, OpenClaw
region से https://<region>.tts.speech.microsoft.com प्राप्त करता है।
वॉइस के नाम
Azure Speech वॉइस के ShortName मान का उपयोग करें, उदाहरण के लिए
en-US-JennyNeural। बंडल किया गया प्रदाता उसी Speech संसाधन के माध्यम से वॉइस सूचीबद्ध कर सकता है
और अप्रचलित, सेवानिवृत्त या अक्षम चिह्नित वॉइस को फ़िल्टर कर देता है।
ऑडियो आउटपुट
Azure, audio-24khz-48kbitrate-mono-mp3, ogg-24khz-16bit-mono-opus,
और riff-24khz-16bit-mono-pcm जैसे आउटपुट प्रारूप स्वीकार करता है। OpenClaw
voice-note लक्ष्यों के लिए Ogg/Opus का अनुरोध करता है, ताकि चैनल अतिरिक्त MP3 रूपांतरण के बिना
नेटिव वॉइस बबल भेज सकें, और टेलीफ़ोनी लक्ष्यों के लिए
raw-8khz-8bit-mono-mulaw को अनिवार्य करता है।
उपनाम
मौजूदा कॉन्फ़िगरेशन के लिए azure को प्रदाता उपनाम के रूप में स्वीकार किया जाता है, लेकिन Azure OpenAI
मॉडल प्रदाताओं से भ्रम से बचने के लिए नए कॉन्फ़िगरेशन में azure-speech का उपयोग करना चाहिए।
