ElevenLabs

OpenClaw は、テキスト読み上げ、Scribe v2 によるバッチ音声テキスト変換、 および Scribe v2 Realtime によるストリーミング STT に ElevenLabs を使用します。この Plugin は同梱され、 デフォルトで有効になっているため、plugins install の手順は不要です。

認証

環境に ELEVENLABS_API_KEY を設定します。既存の ElevenLabs ツールとの 互換性のため、XI_API_KEY も使用できます。

export ELEVENLABS_API_KEY="..."

テキスト読み上げ

{  tts: {    providers: {      elevenlabs: {        apiKey: "${ELEVENLABS_API_KEY}",        voiceId: "pMsXgVXv3BLzUgSXRplE",        modelId: "eleven_multilingual_v2",      },    },  },}

ElevenLabs v3 TTS を使用するには、modelId を eleven_v3 に設定します。OpenClaw は 既存のインストール環境向けに eleven_multilingual_v2 をデフォルトとして維持します。

ElevenLabs が選択された voice.tts/tts プロバイダーの場合、Discord の音声チャンネルは ElevenLabs のストリーミング TTS エンドポイントを使用します。OpenClaw が音声ファイル全体を先に ダウンロードするのを待たず、返された音声ストリームから再生を開始します。 latencyTier は、それを受け付けるモデルでは ElevenLabs の optimize_streaming_latency クエリパラメーターに対応します。OpenClaw は、このパラメーターを拒否する eleven_v3 では省略します。

音声テキスト変換

受信した音声添付ファイルと短い録音音声セグメントには、Scribe v2 を使用します。

{  tools: {    media: {      audio: {        enabled: true,        models: [{ provider: "elevenlabs", model: "scribe_v2" }],      },    },  },}

OpenClaw は、model_id: "scribe_v2" を使用してマルチパート音声を ElevenLabs の /v1/speech-to-text に送信します。 言語ヒントがある場合は、language_code に対応付けられます。

ストリーミング STT

同梱の elevenlabs Plugin は、Voice Call と Google Meet のエージェントモードのストリーミング文字起こし用に Scribe v2 Realtime を登録します。

{  plugins: {    entries: {      "voice-call": {        config: {          streaming: {            enabled: true,            provider: "elevenlabs",            providers: {              elevenlabs: {                apiKey: "${ELEVENLABS_API_KEY}",                audioFormat: "ulaw_8000",                commitStrategy: "vad",                languageCode: "en",              },            },          },        },      },    },  },}

Google Meet のエージェントモードでは、 plugins.entries.google-meet.config.realtime.transcriptionProvider を "elevenlabs" に設定し、 plugins.entries.google-meet.config.realtime.providers.elevenlabs の下に同じプロバイダーブロックを設定します。

関連項目

• テキスト読み上げ
• Google Meet
• モデルの選択