xAI

बंडल किया गया grok वेब-खोज प्रदाता पहले xAI OAuth को प्राथमिकता देता है, फिर XAI_API_KEY या किसी plugin वेब-खोज कुंजी पर फ़ॉलबैक करता है:

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

बंडल किया गया xai plugin साझा video_generate टूल के माध्यम से वीडियो जनरेशन पंजीकृत करता है।

• डिफ़ॉल्ट मॉडल: xai/grok-imagine-video
• अतिरिक्त मॉडल: xai/grok-imagine-video-1.5
• क्लासिक मोड: टेक्स्ट-टू-वीडियो, इमेज-टू-वीडियो, संदर्भ-इमेज जनरेशन, रिमोट वीडियो संपादन और रिमोट वीडियो विस्तार
• Video 1.5 मोड: केवल इमेज-टू-वीडियो, ठीक एक प्रथम-फ़्रेम इमेज के साथ
• आस्पेक्ट रेशियो: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3; छोड़े जाने पर क्लासिक और Video 1.5 इमेज-टू-वीडियो स्रोत इमेज का अनुपात अपनाते हैं
• रिज़ॉल्यूशन: क्लासिक 480P/720P; Video 1.5 1080P का भी समर्थन करता है; सभी जनरेशन मोड का डिफ़ॉल्ट 480P है
• अवधि: जनरेशन/इमेज-टू-वीडियो के लिए 1-15 सेकंड, क्लासिक reference_image भूमिकाओं का उपयोग करते समय 1-10 सेकंड, क्लासिक विस्तार के लिए 2-10 सेकंड
• संदर्भ-इमेज जनरेशन: दी गई प्रत्येक इमेज के लिए imageRoles को reference_image पर सेट करें; xAI ऐसी अधिकतम 7 इमेज स्वीकार करता है
• वीडियो संपादन/विस्तार इनपुट वीडियो का आस्पेक्ट रेशियो और रिज़ॉल्यूशन अपनाते हैं; ये संचालन ज्यामिति ओवरराइड स्वीकार नहीं करते
• डिफ़ॉल्ट संचालन टाइमआउट: 600 सेकंड, जब तक video_generate.timeoutMs या agents.defaults.mediaModels.video.timeoutMs सेट न हो

Video 1.5 xAI के grok-imagine-video-1.5-preview और grok-imagine-video-1.5-2026-05-30 पहचानकर्ताओं को भी पहचानता है। OpenClaw चयनित पहचानकर्ता को बिना बदलाव के अग्रेषित करता है, लेकिन वही केवल-इमेज सत्यापन लागू करता है।

xAI को डिफ़ॉल्ट वीडियो प्रदाता के रूप में उपयोग करने के लिए:

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

बंडल किया गया xai Plugin, साझा image_generate टूल के माध्यम से इमेज जनरेशन पंजीकृत करता है।

• डिफ़ॉल्ट इमेज मॉडल: xai/grok-imagine-image
• अतिरिक्त मॉडल: xai/grok-imagine-image-quality
• मोड: टेक्स्ट-टू-इमेज और संदर्भ-इमेज संपादन
• संदर्भ इनपुट: एक image या अधिकतम तीन images
• आस्पेक्ट रेशियो: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 2:1, 1:2, 19.5:9, 9:19.5, 20:9, 9:20
• रिज़ॉल्यूशन: 1K, 2K
• संख्या: अधिकतम 4 इमेज
• डिफ़ॉल्ट ऑपरेशन टाइमआउट: 600 सेकंड, जब तक image_generate.timeoutMs या agents.defaults.mediaModels.image.timeoutMs सेट न हो

OpenClaw, xAI से b64_json इमेज प्रतिक्रियाएँ माँगता है ताकि जनरेट किया गया मीडिया सामान्य चैनल अटैचमेंट पथ से संग्रहीत और वितरित किया जा सके। स्थानीय संदर्भ इमेज को डेटा URL में बदला जाता है; रिमोट http(s) संदर्भ बिना बदलाव के आगे भेजे जाते हैं।

xAI को डिफ़ॉल्ट इमेज प्रदाता के रूप में उपयोग करने के लिए:

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

बंडल किया गया xai Plugin, साझा tts प्रदाता सतह के माध्यम से टेक्स्ट-टू-स्पीच पंजीकृत करता है।

• वॉइस: xAI से प्रमाणित लाइव कैटलॉग; इसे openclaw infer tts voices --provider xai से सूचीबद्ध करें
• ऑफ़लाइन फ़ॉलबैक वॉइस: ara, eve, leo, rex, sal
• डिफ़ॉल्ट वॉइस: eve
• खाते की कस्टम वॉइस ID को तब भी आगे भेजा जाता है, जब वे अंतर्निहित कैटलॉग प्रतिक्रिया में मौजूद न हों
• फ़ॉर्मैट: mp3, wav, pcm, mulaw, alaw
• भाषा: BCP-47 कोड या auto
• गति: प्रदाता-नेटिव गति ओवरराइड
• नेटिव Opus वॉइस-नोट फ़ॉर्मैट समर्थित नहीं है

xAI को डिफ़ॉल्ट TTS प्रदाता के रूप में उपयोग करने के लिए:

{  tts: {    provider: "xai",    providers: {      xai: {        voiceId: "eve",      },    },  },}

बंडल किया गया xai Plugin, OpenClaw की मीडिया-अंडरस्टैंडिंग ट्रांसक्रिप्शन सतह के माध्यम से बैच स्पीच-टू-टेक्स्ट पंजीकृत करता है।

• एंडपॉइंट: xAI REST /v1/stt
• इनपुट पथ: मल्टीपार्ट ऑडियो फ़ाइल अपलोड
• मॉडल चयन: xAI ट्रांसक्रिप्शन मॉडल को आंतरिक रूप से चुनता है; एंडपॉइंट में कोई मॉडल चयनकर्ता नहीं है
• जहाँ भी आने वाले ऑडियो का ट्रांसक्रिप्शन tools.media.audio पढ़ता है, वहाँ इसका उपयोग होता है, जिसमें Discord वॉइस-चैनल खंड और चैनल ऑडियो अटैचमेंट शामिल हैं

आने वाले ऑडियो के ट्रांसक्रिप्शन के लिए xAI को अनिवार्य करने हेतु:

{  tools: {    media: {      audio: {        models: [          {            type: "provider",            provider: "xai",          },        ],      },    },  },}

भाषा को साझा ऑडियो मीडिया कॉन्फ़िग या प्रत्येक कॉल के ट्रांसक्रिप्शन अनुरोध के माध्यम से दिया जा सकता है। प्रॉम्प्ट संकेत साझा OpenClaw सतह स्वीकार करती है, लेकिन xAI REST STT एकीकरण केवल फ़ाइल और भाषा आगे भेजता है, क्योंकि वर्तमान सार्वजनिक xAI एंडपॉइंट से केवल इन्हीं की मैपिंग होती है।

बंडल किया गया xai Plugin, लाइव वॉइस-कॉल ऑडियो के लिए एक रियलटाइम ट्रांसक्रिप्शन प्रदाता भी पंजीकृत करता है।

• एंडपॉइंट: xAI WebSocket wss://api.x.ai/v1/stt
• डिफ़ॉल्ट एन्कोडिंग: mulaw
• डिफ़ॉल्ट सैंपल रेट: 8000
• डिफ़ॉल्ट एंडपॉइंटिंग: 800ms
• अंतरिम ट्रांसक्रिप्ट: डिफ़ॉल्ट रूप से सक्षम

Voice Call की Twilio मीडिया स्ट्रीम G.711 mu-law ऑडियो फ़्रेम भेजती है, इसलिए xAI प्रदाता उन फ़्रेम को बिना ट्रांसकोडिंग के सीधे आगे भेजता है:

{  plugins: {    entries: {      "voice-call": {        config: {          streaming: {            enabled: true,            provider: "xai",            providers: {              xai: {                apiKey: "${XAI_API_KEY}",                endpointingMs: 800,                language: "en",              },            },          },        },      },    },  },}

प्रदाता-स्वामित्व वाला कॉन्फ़िग plugins.entries.voice-call.config.streaming.providers.xai के अंतर्गत होता है। समर्थित कुंजियाँ apiKey, baseUrl, sampleRate, encoding (pcm, mulaw या alaw), interimResults, endpointingMs और language हैं।

बंडल किया गया xai Plugin, साझा registerRealtimeVoiceProvider अनुबंध के माध्यम से Talk मोड के लिए Grok Voice Agent रियलटाइम सत्र पंजीकृत करता है।

• एंडपॉइंट: wss://api.x.ai/v1/realtime?model=<voice-model>
• डिफ़ॉल्ट मॉडल: grok-voice-latest
• डिफ़ॉल्ट वॉइस: eve
• ट्रांसपोर्ट: gateway-relay (iOS, Android और Control UI रिले पथ)
• ऑडियो: PCM16 24 kHz या G.711 µ-law 8 kHz
• बात काटना: xAI सर्वर VAD प्रतिक्रिया को बाधित करता है; OpenClaw कतारबद्ध प्लेबैक साफ़ करता है और न चलाए गए प्रदाता इतिहास को छोटा करता है

Gateway पर Talk कॉन्फ़िगर करें:

{  talk: {    realtime: {      provider: "xai",      mode: "realtime",      transport: "gateway-relay",      brain: "agent-consult",      providers: {        xai: {          model: "grok-voice-latest",          voice: "eve",          // केवल तभी सहमति दें जब प्रदाता-पक्षीय सत्र रीप्ले स्वीकार्य हो।          sessionResumption: false,        },      },    },  },  env: { XAI_API_KEY: "xai-..." },}

जब Voice Call या साझा रियलटाइम चयनकर्ता उसी प्रदाता मैप का पुनः उपयोग करते हैं, तब प्रदाता-स्वामित्व वाला कॉन्फ़िग plugins.entries.voice-call.config.realtime.providers.xai से भी निर्धारित होता है। समर्थित कुंजियाँ apiKey, baseUrl, model, voice, vadThreshold, silenceDurationMs, prefixPaddingMs, reasoningEffort और sessionResumption हैं। xAI Voice Agent API के अनुरूप, reasoningEffort केवल high या none स्वीकार करता है।

xAI का सर्वर VAD हमेशा प्रतिक्रियाएँ बनाता है और ऑडियो व्यवधान संभालता है। consultRouting: "provider-direct" का उपयोग करें; xAI Voice Agent प्रोटोकॉल जबरन ट्रांसक्रिप्ट रूटिंग और इनपुट-ऑडियो व्यवधान को अक्षम करने का समर्थन नहीं करता।

बंडल किया गया xAI Plugin, Grok के माध्यम से X (पूर्व में Twitter) सामग्री खोजने के लिए x_search को OpenClaw टूल के रूप में उपलब्ध कराता है।

कॉन्फ़िग पथ: plugins.entries.xai.config.xSearch

{  plugins: {    entries: {      xai: {        config: {          xSearch: {            enabled: true,            model: "grok-4.3",            baseUrl: "https://api.x.ai/v1",            inlineCitations: true,          },        },      },    },  },}

बंडल किया गया xAI Plugin, xAI के सैंडबॉक्स परिवेश में रिमोट कोड निष्पादन के लिए code_execution को OpenClaw टूल के रूप में उपलब्ध कराता है।

कॉन्फ़िग पथ: plugins.entries.xai.config.codeExecution

{  plugins: {    entries: {      xai: {        config: {          codeExecution: {            enabled: true,            model: "grok-4.3",          },        },      },    },  },}

• xAI प्रमाणीकरण API कुंजी, पर्यावरण चर, Plugin कॉन्फ़िगरेशन फ़ॉलबैक, या पात्र xAI खाते के साथ OAuth का उपयोग कर सकता है। OAuth बिना localhost कॉलबैक के डिवाइस-कोड सत्यापन का उपयोग करता है। xAI तय करता है कि किन खातों को OAuth API टोकन मिल सकते हैं, और सहमति पृष्ठ पर Grok Build दिखाई दे सकता है, भले ही OpenClaw को Grok Build ऐप की आवश्यकता नहीं है।
• OpenClaw वर्तमान में xAI मल्टी-एजेंट मॉडल परिवार को उपलब्ध नहीं कराता। xAI इन मॉडलों को Responses API के माध्यम से प्रस्तुत करता है, लेकिन वे OpenClaw के साझा एजेंट लूप द्वारा उपयोग किए जाने वाले क्लाइंट-साइड या कस्टम टूल स्वीकार नहीं करते। देखें xAI मल्टी-एजेंट सीमाएँ।
• xAI Realtime वॉइस वर्तमान में केवल gateway-relay Talk ट्रांसपोर्ट उपलब्ध कराती है। ब्राउज़र के स्वामित्व वाले प्रदाता WebSocket सत्र अभी Control UI में जोड़े नहीं गए हैं।
• xAI इमेज quality, इमेज mask, और अतिरिक्त केवल-नेटिव आस्पेक्ट रेशियो तब तक उपलब्ध नहीं कराए जाते, जब तक साझा image_generate टूल में उनके अनुरूप क्रॉस-प्रदाता नियंत्रण न हों।

• OpenClaw साझा रनर पथ पर xAI-विशिष्ट टूल-स्कीमा और टूल-कॉल संगतता सुधार स्वचालित रूप से लागू करता है।
• नेटिव xAI अनुरोधों का डिफ़ॉल्ट tool_stream: true है। इसे अक्षम करने के लिए agents.defaults.models["xai/<model>"].params.tool_stream को false पर सेट करें।
• बंडल किया गया xAI रैपर नेटिव xAI अनुरोध भेजने से पहले असमर्थित contains-count स्कीमा सीमाएँ और असमर्थित रीजनिंग effort पेलोड कुंजियाँ हटा देता है। Grok 4.5 निम्न, मध्यम और उच्च effort (डिफ़ॉल्ट उच्च) का समर्थन करता है। Grok 4.3 कोई नहीं, निम्न, मध्यम और उच्च effort (डिफ़ॉल्ट निम्न) का समर्थन करता है। रीजनिंग में सक्षम अन्य xAI मॉडल कॉन्फ़िगर करने योग्य effort नियंत्रण उपलब्ध नहीं कराते, लेकिन फिर भी include: ["reasoning.encrypted_content"] का अनुरोध करते हैं, ताकि पहले की एन्क्रिप्टेड रीजनिंग को बाद के चरणों में फिर से चलाया जा सके।
• web_search, x_search, और code_execution को OpenClaw टूल के रूप में उपलब्ध कराया जाता है। प्रत्येक चैट चरण में हर नेटिव टूल जोड़ने के बजाय, OpenClaw प्रत्येक टूल के अनुरोध में केवल वही विशिष्ट xAI बिल्ट-इन जोड़ता है जिसकी उस टूल को आवश्यकता होती है।
• Grok web_search, plugins.entries.xai.config.webSearch.baseUrl को पढ़ता है। x_search, plugins.entries.xai.config.xSearch.baseUrl को पढ़ता है, फिर Grok वेब-सर्च बेस URL पर फ़ॉलबैक करता है।
• x_search और code_execution को कोर मॉडल रनटाइम में हार्डकोड करने के बजाय बंडल किया गया xAI Plugin उनका स्वामी है।
• code_execution दूरस्थ xAI सैंडबॉक्स निष्पादन है, स्थानीय exec नहीं।