ElevenLabs
OpenClaw は、テキスト読み上げ、Scribe
v2 を使ったバッチ speech-to-text、および Scribe v2 Realtime を使った Voice Call のストリーミング STT に ElevenLabs を使用します。
| 機能 | OpenClaw surface | デフォルト |
|---|
| テキスト読み上げ | messages.tts / talk | eleven_multilingual_v2 |
| バッチ speech-to-text | tools.media.audio | scribe_v2 |
| ストリーミング speech-to-text | Voice Call streaming.provider: "elevenlabs" | scribe_v2_realtime |
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 も受け付けられます。
export ELEVENLABS_API_KEY="..."
テキスト読み上げ
{
messages: {
tts: {
providers: {
elevenlabs: {
apiKey: "${ELEVENLABS_API_KEY}",
voiceId: "pMsXgVXv3BLzUgSXRplE",
modelId: "eleven_multilingual_v2",
},
},
},
},
}
Speech-to-text
受信した音声添付ファイルと短い録音済み音声セグメントには Scribe v2 を使用します。
{
tools: {
media: {
audio: {
enabled: true,
models: [{ provider: "elevenlabs", model: "scribe_v2" }],
},
},
},
}
model_id: "scribe_v2" を付けて multipart 音声を ElevenLabs の /v1/speech-to-text に送信します。
言語ヒントがある場合は language_code にマッピングされます。
Voice Call ストリーミング STT
バンドルされた elevenlabs plugin は、Voice Call の
ストリーミング文字起こし用に Scribe v2 Realtime を登録します。
| 設定 | 設定パス | デフォルト |
|---|
| API キー | plugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKey | ELEVENLABS_API_KEY / XI_API_KEY にフォールバック |
| モデル | ...elevenlabs.modelId | scribe_v2_realtime |
| 音声形式 | ...elevenlabs.audioFormat | ulaw_8000 |
| サンプルレート | ...elevenlabs.sampleRate | 8000 |
| commit 戦略 | ...elevenlabs.commitStrategy | vad |
| 言語 | ...elevenlabs.languageCode | （未設定） |
{
plugins: {
entries: {
"voice-call": {
config: {
streaming: {
enabled: true,
provider: "elevenlabs",
providers: {
elevenlabs: {
apiKey: "${ELEVENLABS_API_KEY}",
audioFormat: "ulaw_8000",
commitStrategy: "vad",
languageCode: "en",
},
},
},
},
},
},
},
}
Voice Call は Twilio メディアを 8 kHz G.711 u-law として受信します。ElevenLabs の realtime
provider はデフォルトで ulaw_8000 を使用するため、電話フレームを
トランスコードなしで転送できます。
