Google (Gemini)

Google plugin, Google AI Studio के माध्यम से Gemini मॉडलों तक पहुंच देता है, साथ ही image generation, media understanding (image/audio/video), text-to-speech, और Gemini Grounding के जरिए web search भी देता है.

• प्रदाता: google
• प्रमाणीकरण: GEMINI_API_KEY या GOOGLE_API_KEY
• API: Google Gemini API
• Runtime विकल्प: provider/model agentRuntime.id: "google-gemini-cli" Gemini CLI OAuth का फिर से उपयोग करता है, जबकि model refs को google/* के रूप में canonical रखता है.

शुरू करना

अपनी पसंदीदा प्रमाणीकरण विधि चुनें और सेटअप चरणों का पालन करें.

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 # or npmnpm install -g @google/gemini-cli

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

openclaw models list --provider google

क्षमताएं

Web search

Bundled gemini web-search provider, Gemini Google Search grounding का उपयोग करता है. plugins.entries.google.config.webSearch के अंतर्गत एक dedicated search key configure करें, या GEMINI_API_KEY के बाद इसे models.providers.google.apiKey का फिर से उपयोग करने दें:

{  plugins: {    entries: {      google: {        config: {          webSearch: {            apiKey: "AIza...", // optional if GEMINI_API_KEY or models.providers.google.apiKey is set            baseUrl: "https://generativelanguage.googleapis.com/v1beta", // falls back to models.providers.google.baseUrl            model: "gemini-2.5-flash",          },        },      },    },  },}

Credential precedence dedicated webSearch.apiKey, फिर GEMINI_API_KEY, फिर models.providers.google.apiKey है. webSearch.baseUrl optional है और operator proxies या compatible Gemini API endpoints के लिए मौजूद है; जब omitted हो, Gemini web search models.providers.google.baseUrl का फिर से उपयोग करता है. Provider-specific tool behavior के लिए Gemini search देखें.

Image generation

Bundled google image-generation provider default रूप से google/gemini-3.1-flash-image-preview का उपयोग करता है.

• google/gemini-3-pro-image-preview का भी समर्थन करता है
• Generate: प्रति request अधिकतम 4 images
• Edit mode: enabled, अधिकतम 5 input images
• Geometry controls: size, aspectRatio, और resolution

Google को default image provider के रूप में उपयोग करने के लिए:

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

Video generation

Bundled google plugin, shared video_generate tool के माध्यम से video generation भी register करता है.

• Default video model: google/veo-3.1-fast-generate-preview
• Modes: text-to-video, image-to-video, और single-video reference flows
• aspectRatio (16:9, 9:16) और resolution (720P, 1080P) का समर्थन करता है; audio output आज Veo द्वारा supported नहीं है
• Supported durations: 4, 6, या 8 seconds (अन्य values निकटतम allowed value पर snap होती हैं)

Google को default video provider के रूप में उपयोग करने के लिए:

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

Music generation

Bundled google plugin, shared music_generate tool के माध्यम से music generation भी register करता है.

• Default music model: google/lyria-3-clip-preview
• google/lyria-3-pro-preview का भी समर्थन करता है
• Prompt controls: lyrics और instrumental
• Output format: default रूप से mp3, साथ ही google/lyria-3-pro-preview पर wav
• Reference inputs: अधिकतम 10 images
• Session-backed runs shared task/status flow के माध्यम से detach होते हैं, जिसमें action: "status" शामिल है

Google को default music provider के रूप में उपयोग करने के लिए:

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

Text-to-speech

Bundled google speech provider, Gemini API TTS path का उपयोग करता है gemini-3.1-flash-tts-preview के साथ.

• Default voice: Kore
• Auth: messages.tts.providers.google.apiKey, models.providers.google.apiKey, GEMINI_API_KEY, या GOOGLE_API_KEY
• Output: regular TTS attachments के लिए WAV, voice-note targets के लिए Opus, Talk/telephony के लिए PCM
• Voice-note output: Google PCM को WAV के रूप में wrap किया जाता है और ffmpeg के साथ 48 kHz Opus में transcode किया जाता है

Google का batch Gemini TTS path completed generateContent response में generated audio लौटाता है. Lowest-latency spoken conversations के लिए, batch TTS के बजाय Gemini Live API द्वारा backed Google realtime voice provider का उपयोग करें.

Google को default TTS provider के रूप में उपयोग करने के लिए:

{  messages: {    tts: {      auto: "always",      provider: "google",      providers: {        google: {          model: "gemini-3.1-flash-tts-preview",          speakerVoice: "Kore",          audioProfile: "Speak professionally with a calm tone.",        },      },    },  },}

Gemini API TTS style control के लिए natural-language prompting का उपयोग करता है. Spoken text से पहले reusable style prompt prepend करने के लिए audioProfile सेट करें. जब आपका prompt text किसी named speaker को refer करता हो, तब speakerName सेट करें.

Gemini API TTS text में expressive square-bracket audio tags भी स्वीकार करता है, जैसे [whispers] या [laughs]. Tags को visible chat reply से बाहर रखते हुए TTS को भेजने के लिए, उन्हें [[tts:text]]...[[/tts:text]] block के अंदर रखें:

Here is the clean reply text. [[tts:text]][whispers] Here is the spoken version.[[/tts:text]]

Realtime voice

Bundled google plugin, Voice Call और Google Meet जैसे backend audio bridges के लिए Gemini Live API द्वारा backed realtime voice provider register करता है.

Voice Call रियलटाइम कॉन्फ़िग का उदाहरण:

{  plugins: {    entries: {      "voice-call": {        enabled: true,        config: {          realtime: {            enabled: true,            provider: "google",            providers: {              google: {                model: "gemini-2.5-flash-native-audio-preview-12-2025",                speakerVoice: "Kore",                activityHandling: "start-of-activity-interrupts",                turnCoverage: "only-activity",              },            },          },        },      },    },  },}

मेंटेनर लाइव सत्यापन के लिए, चलाएँ OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts. यह स्मोक OpenAI बैकएंड/WebRTC पाथ को भी कवर करता है; Google चरण वही सीमित Live API टोकन आकार जारी करता है जिसका उपयोग Control UI Talk करता है, ब्राउज़र WebSocket एंडपॉइंट खोलता है, शुरुआती सेटअप पेलोड भेजता है, और setupComplete की प्रतीक्षा करता है।

उन्नत कॉन्फ़िगरेशन

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

संबंधित