ElevenLabs
OpenClaw usa ElevenLabs per text-to-speech, speech-to-text batch con Scribe
v2 e streaming STT di Voice Call con Scribe v2 Realtime.
| Capability | Superficie OpenClaw | Predefinito |
|---|
| Text-to-speech | messages.tts / talk | eleven_multilingual_v2 |
| Speech-to-text batch | tools.media.audio | scribe_v2 |
| Streaming speech-to-text | Voice Call streaming.provider: "elevenlabs" | scribe_v2_realtime |
Autenticazione
Imposta ELEVENLABS_API_KEY nell’ambiente. Anche XI_API_KEY è accettata per
compatibilità con gli strumenti ElevenLabs esistenti.
export ELEVENLABS_API_KEY="..."
Text-to-speech
{
messages: {
tts: {
providers: {
elevenlabs: {
apiKey: "${ELEVENLABS_API_KEY}",
voiceId: "pMsXgVXv3BLzUgSXRplE",
modelId: "eleven_multilingual_v2",
},
},
},
},
}
Speech-to-text
Usa Scribe v2 per allegati audio in ingresso e brevi segmenti vocali registrati:
{
tools: {
media: {
audio: {
enabled: true,
models: [{ provider: "elevenlabs", model: "scribe_v2" }],
},
},
},
}
/v1/speech-to-text con
model_id: "scribe_v2". Gli hint di lingua vengono mappati a language_code quando presenti.
Streaming STT di Voice Call
Il plugin integrato elevenlabs registra Scribe v2 Realtime per la
trascrizione streaming di Voice Call.
| Impostazione | Percorso config | Predefinito |
|---|
| Chiave API | plugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKey | Usa come fallback ELEVENLABS_API_KEY / XI_API_KEY |
| Modello | ...elevenlabs.modelId | scribe_v2_realtime |
| Formato audio | ...elevenlabs.audioFormat | ulaw_8000 |
| Frequenza campionamento | ...elevenlabs.sampleRate | 8000 |
| Strategia di commit | ...elevenlabs.commitStrategy | vad |
| Lingua | ...elevenlabs.languageCode | (non impostata) |
{
plugins: {
entries: {
"voice-call": {
config: {
streaming: {
enabled: true,
provider: "elevenlabs",
providers: {
elevenlabs: {
apiKey: "${ELEVENLABS_API_KEY}",
audioFormat: "ulaw_8000",
commitStrategy: "vad",
languageCode: "en",
},
},
},
},
},
},
},
}
Voice Call riceve media Twilio come G.711 u-law a 8 kHz. Il provider realtime ElevenLabs
usa come predefinito ulaw_8000, quindi i frame telefonici possono essere inoltrati senza
transcoding.
