Tools

テキスト読み上げ

OpenClaw は、送信返信を 14 の音声プロバイダーで音声に変換し、 Feishu、Matrix、Telegram、WhatsApp ではネイティブ音声メッセージとして、それ以外では音声添付として、さらにテレフォニーと Talk 向けには PCM/Ulaw ストリームとして配信できます。

TTS は、Talk の stt-tts モードにおける音声出力側です。プロバイダーネイティブの realtime Talk セッションは、この TTS パスを呼び出す代わりにリアルタイムプロバイダー内で音声を合成します。一方、transcription セッションはアシスタントの音声応答を合成しません。

クイックスタート

プロバイダーを選ぶ

OpenAI と ElevenLabs は、ホスト型オプションの中で最も信頼性があります。Microsoft と Local CLI は API キーなしで動作します。完全な一覧はプロバイダーマトリックスを参照してください。

API キーを設定する

使用するプロバイダーの環境変数をエクスポートします（例: OPENAI_API_KEY, ELEVENLABS_API_KEY）。Microsoft と Local CLI にはキーは不要です。

設定で有効化する

messages.tts.auto: "always" と messages.tts.provider を設定します。

json5

{  messages: {    tts: {      auto: "always",      provider: "elevenlabs",    },  },}

チャットで試す

/tts status は現在の状態を表示します。/tts audio Hello from OpenClaw は一回限りの音声返信を送信します。

対応プロバイダー

プロバイダー	認証	備考
Azure Speech	`AZURE_SPEECH_KEY` + `AZURE_SPEECH_REGION`（`AZURE_SPEECH_API_KEY`, `SPEECH_KEY`, `SPEECH_REGION` も可）	ネイティブ Ogg/Opus 音声メモ出力とテレフォニー。
DeepInfra	`DEEPINFRA_API_KEY`	OpenAI 互換 TTS。デフォルトは `hexgrad/Kokoro-82M`。
ElevenLabs	`ELEVENLABS_API_KEY` または `XI_API_KEY`	音声クローニング、多言語対応、`seed` による決定的生成。Discord 音声再生向けにストリーミングされます。
Google Gemini	`GEMINI_API_KEY` または `GOOGLE_API_KEY`	Gemini API バッチ TTS。`promptTemplate: "audio-profile-v1"` によりペルソナ対応。
Gradium	`GRADIUM_API_KEY`	音声メモとテレフォニー出力。
Inworld	`INWORLD_API_KEY`	ストリーミング TTS API。ネイティブ Opus 音声メモと PCM テレフォニー。
Local CLI	なし	設定済みのローカル TTS コマンドを実行します。
Microsoft	なし	`node-edge-tts` 経由の公開 Edge neural TTS。ベストエフォートで SLA はありません。
MiniMax	`MINIMAX_API_KEY`（または Token Plan: `MINIMAX_OAUTH_TOKEN`, `MINIMAX_CODE_PLAN_KEY`, `MINIMAX_CODING_API_KEY`）	T2A v2 API。デフォルトは `speech-2.8-hd`。
OpenAI	`OPENAI_API_KEY`	自動要約にも使用されます。ペルソナ `instructions` をサポートします。
OpenRouter	`OPENROUTER_API_KEY`（`models.providers.openrouter.apiKey` を再利用可能）	デフォルトモデルは `hexgrad/kokoro-82m`。
Volcengine	`VOLCENGINE_TTS_API_KEY` または `BYTEPLUS_SEED_SPEECH_API_KEY`（レガシー AppID/token: `VOLCENGINE_TTS_APPID`/`_TOKEN`）	BytePlus Seed Speech HTTP API。
Vydra	`VYDRA_API_KEY`	画像、動画、音声で共有されるプロバイダー。
xAI	`XAI_API_KEY`	xAI バッチ TTS。ネイティブ Opus 音声メモはサポートされていません。
Xiaomi MiMo	`XIAOMI_API_KEY`	Xiaomi chat completions 経由の MiMo TTS。

複数のプロバイダーが設定されている場合、選択されたものが最初に使用され、他はフォールバックオプションになります。自動要約は summaryModel（または agents.defaults.model.primary）を使用するため、要約を有効なままにする場合は、そのプロバイダーも認証済みである必要があります。

設定

TTS 設定は ~/.openclaw/openclaw.json の messages.tts 配下にあります。プリセットを選び、プロバイダーブロックを調整してください。

Azure Speech

json5

{messages: {tts: {  auto: "always",  provider: "azure-speech",  providers: {    "azure-speech": {      apiKey: "${AZURE_SPEECH_KEY}",      region: "eastus",      speakerVoice: "en-US-JennyNeural",      lang: "en-US",      outputFormat: "audio-24khz-48kbitrate-mono-mp3",      voiceNoteOutputFormat: "ogg-24khz-16bit-mono-opus",    },  },},},}

ElevenLabs

json5

{messages: {tts: {  auto: "always",  provider: "elevenlabs",  providers: {    elevenlabs: {      apiKey: "${ELEVENLABS_API_KEY}",      model: "eleven_multilingual_v2",      speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",    },  },},},}

Google Gemini

json5

{messages: {tts: {  auto: "always",  provider: "google",  providers: {    google: {      apiKey: "${GEMINI_API_KEY}",      model: "gemini-3.1-flash-tts-preview",      speakerVoice: "Kore",      // Optional natural-language style prompts:      // audioProfile: "Speak in a calm, podcast-host tone.",      // speakerName: "Alex",    },  },},},}

Gradium

json5

{messages: {tts: {  auto: "always",  provider: "gradium",  providers: {    gradium: {      apiKey: "${GRADIUM_API_KEY}",      speakerVoiceId: "YTpq7expH9539ERJ",    },  },},},}

Inworld

json5

{messages: {tts: {  auto: "always",  provider: "inworld",  providers: {    inworld: {      apiKey: "${INWORLD_API_KEY}",      modelId: "inworld-tts-1.5-max",      speakerVoiceId: "Sarah",      temperature: 0.7,    },  },},},}

Local CLI

json5

{messages: {tts: {  auto: "always",  provider: "tts-local-cli",  providers: {    "tts-local-cli": {      command: "say",      args: ["-o", "{{OutputPath}}", "{{Text}}"],      outputFormat: "wav",      timeoutMs: 120000,    },  },},},}

Microsoft（キー不要）

json5

{messages: {tts: {  auto: "always",  provider: "microsoft",  providers: {    microsoft: {      enabled: true,      speakerVoice: "en-US-MichelleNeural",      lang: "en-US",      outputFormat: "audio-24khz-48kbitrate-mono-mp3",      rate: "+0%",      pitch: "+0%",    },  },},},}

MiniMax

json5

{messages: {tts: {  auto: "always",  provider: "minimax",  providers: {    minimax: {      apiKey: "${MINIMAX_API_KEY}",      model: "speech-2.8-hd",      speakerVoiceId: "English_expressive_narrator",      speed: 1.0,      vol: 1.0,      pitch: 0,    },  },},},}

OpenAI + ElevenLabs

json5

{messages: {tts: {  auto: "always",  provider: "openai",  summaryModel: "openai/gpt-4.1-mini",  modelOverrides: { enabled: true },  providers: {    openai: {      apiKey: "${OPENAI_API_KEY}",      model: "gpt-4o-mini-tts",      speakerVoice: "alloy",    },    elevenlabs: {      apiKey: "${ELEVENLABS_API_KEY}",      model: "eleven_multilingual_v2",      speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",      voiceSettings: { stability: 0.5, similarityBoost: 0.75, style: 0.0, useSpeakerBoost: true, speed: 1.0 },      applyTextNormalization: "auto",      languageCode: "en",    },  },},},}

OpenRouter

json5

{messages: {tts: {  auto: "always",  provider: "openrouter",  providers: {    openrouter: {      apiKey: "${OPENROUTER_API_KEY}",      model: "hexgrad/kokoro-82m",      speakerVoice: "af_alloy",      responseFormat: "mp3",    },  },},},}

Volcengine

json5

{messages: {tts: {  auto: "always",  provider: "volcengine",  providers: {    volcengine: {      apiKey: "${VOLCENGINE_TTS_API_KEY}",      resourceId: "seed-tts-1.0",      speakerVoice: "en_female_anna_mars_bigtts",    },  },},},}

xAI

json5

{messages: {tts: {  auto: "always",  provider: "xai",  providers: {    xai: {      apiKey: "${XAI_API_KEY}",      speakerVoiceId: "eve",      language: "en",      responseFormat: "mp3",    },  },},},}

Xiaomi MiMo

json5

{messages: {tts: {  auto: "always",  provider: "xiaomi",  providers: {    xiaomi: {      apiKey: "${XIAOMI_API_KEY}",      model: "mimo-v2.5-tts",      speakerVoice: "mimo_default",      format: "mp3",    },  },},},}

Xiaomi mimo-v2.5-tts-voicedesign では、speakerVoice を省略し、style を音声デザインプロンプトに設定します。OpenClaw はそのプロンプトを TTS の user メッセージとして送信し、 voicedesign モデルでは audio.voice を送信しません。

エージェントごとの音声オーバーライド

1つのエージェントが異なるプロバイダー、音声、モデル、ペルソナ、または自動TTSモードで話す必要がある場合は、agents.list[].ttsを使用します。エージェントブロックは messages.ttsの上にディープマージされるため、プロバイダー認証情報はグローバルプロバイダー設定に残せます。

json5

{  messages: {    tts: {      auto: "always",      provider: "elevenlabs",      providers: {        elevenlabs: { apiKey: "${ELEVENLABS_API_KEY}", model: "eleven_multilingual_v2" },      },    },  },  agents: {    list: [      {        id: "reader",        tts: {          providers: {            elevenlabs: { speakerVoiceId: "EXAVITQu4vr4xnSDxMaL" },          },        },      },    ],  },}

エージェントごとのペルソナを固定するには、プロバイダー設定と並べてagents.list[].tts.personaを設定します。これはそのエージェントについてのみ、グローバルのmessages.tts.personaを上書きします。

自動返信、/tts audio、/tts status、および ttsエージェントツールの優先順位:

messages.tts
アクティブなagents.list[].tts
チャンネルがchannels.<channel>.ttsをサポートする場合のチャンネル上書き
チャンネルがchannels.<channel>.accounts.<id>.ttsを渡す場合のアカウント上書き
このホストのローカル/tts設定
モデルオーバーライドが有効な場合のインライン[[tts:...]]ディレクティブ

チャンネルおよびアカウントの上書きはmessages.ttsと同じ形を使い、それより前のレイヤーの上にディープマージされます。そのため、共有プロバイダー認証情報を messages.ttsに残しつつ、チャンネルまたはbotアカウントでは話者音声、モデル、ペルソナ、または自動モードだけを変更できます。

json5

{  messages: {    tts: {      provider: "openai",      providers: {        openai: { apiKey: "${OPENAI_API_KEY}", model: "gpt-4o-mini-tts" },      },    },  },  channels: {    feishu: {      accounts: {        english: {          tts: {            providers: {              openai: { speakerVoice: "shimmer" },            },          },        },      },    },  },}

ペルソナ

ペルソナは、プロバイダーをまたいで決定的に適用できる安定した発話アイデンティティです。1つのプロバイダーを優先し、プロバイダー中立のプロンプト意図を定義し、音声、モデル、プロンプトテンプレート、シード、音声設定のプロバイダー固有バインディングを保持できます。

最小ペルソナ

json5

{  messages: {    tts: {      auto: "always",      persona: "narrator",      personas: {        narrator: {          label: "Narrator",          provider: "elevenlabs",          providers: {            elevenlabs: {              speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",              modelId: "eleven_multilingual_v2",            },          },        },      },    },  },}

完全なペルソナ（プロバイダー中立プロンプト）

json5

{  messages: {    tts: {      auto: "always",      persona: "alfred",      personas: {        alfred: {          label: "Alfred",          description: "Dry, warm British butler narrator.",          provider: "google",          fallbackPolicy: "preserve-persona",          prompt: {            profile: "A brilliant British butler. Dry, witty, warm, charming, emotionally expressive, never generic.",            scene: "A quiet late-night study. Close-mic narration for a trusted operator.",            sampleContext: "The speaker is answering a private technical request with concise confidence and dry warmth.",            style: "Refined, understated, lightly amused.",            accent: "British English.",            pacing: "Measured, with short dramatic pauses.",            constraints: ["Do not read configuration values aloud.", "Do not explain the persona."],          },          providers: {            google: {              model: "gemini-3.1-flash-tts-preview",              speakerVoice: "Algieba",              promptTemplate: "audio-profile-v1",            },            openai: { model: "gpt-4o-mini-tts", speakerVoice: "cedar" },            elevenlabs: {              speakerVoiceId: "voice_id",              modelId: "eleven_multilingual_v2",              seed: 42,              voiceSettings: {                stability: 0.65,                similarityBoost: 0.8,                style: 0.25,                useSpeakerBoost: true,                speed: 0.95,              },            },          },        },      },    },  },}

ペルソナ解決

アクティブなペルソナは決定的に選択されます。

設定されている場合、/tts persona <id>ローカル設定。
設定されている場合、messages.tts.persona。
ペルソナなし。

プロバイダー選択は明示指定優先で実行されます。

直接上書き（CLI、Gateway、Talk、許可されたTTSディレクティブ）。
/tts provider <id>ローカル設定。
アクティブなペルソナのprovider。
messages.tts.provider。
レジストリ自動選択。

各プロバイダー試行について、OpenClawは次の順序で設定をマージします。

messages.tts.providers.<id>
messages.tts.personas.<persona>.providers.<id>
信頼済みリクエスト上書き
許可されたモデル出力TTSディレクティブ上書き

プロバイダーがペルソナプロンプトを使う方法

ペルソナプロンプトフィールド（profile、scene、sampleContext、style、accent、 pacing、constraints）はプロバイダー中立です。各プロバイダーはそれらの使い方を決定します。

Google Gemini

有効なGoogleプロバイダー設定でpromptTemplate: "audio-profile-v1"またはpersonaPromptが設定されている場合にのみ、ペルソナプロンプトフィールドをGemini TTSプロンプト構造でラップします。古いaudioProfileおよびspeakerNameフィールドは、引き続きGoogle固有のプロンプトテキストとして先頭に追加されます。[[tts:text]]ブロック内の[whispers]や[laughs]などのインライン音声タグは、 Geminiトランスクリプト内で保持されます。OpenClawはこれらのタグを生成しません。

OpenAI

明示的なOpenAI instructionsが設定されていない場合にのみ、ペルソナプロンプトフィールドをリクエストのinstructionsフィールドにマッピングします。明示的なinstructionsが常に優先されます。

Other providers

personas.<id>.providers.<provider>配下のプロバイダー固有ペルソナバインディングのみを使用します。プロバイダーが独自のペルソナプロンプトマッピングを実装していない限り、ペルソナプロンプトフィールドは無視されます。

フォールバックポリシー

fallbackPolicyは、試行されたプロバイダーに対するペルソナのバインディングがない場合の動作を制御します。

ポリシー	動作
`preserve-persona`	デフォルト。プロバイダー中立プロンプトフィールドは利用可能なままです。プロバイダーはそれらを使用することも無視することもできます。
`provider-defaults`	その試行ではプロンプト準備からペルソナが省略されます。プロバイダーは中立的なデフォルトを使用し、他のプロバイダーへのフォールバックは継続します。
`fail`	`reasonCode: "not_configured"`および`personaBinding: "missing"`でそのプロバイダー試行をスキップします。フォールバックプロバイダーは引き続き試行されます。

TTSリクエスト全体が失敗するのは、試行されたすべてのプロバイダーがスキップされるか失敗した場合のみです。

Talkセッションのプロバイダー選択はセッションスコープです。Talkクライアントは talk.catalogからプロバイダーID、モデルID、音声ID、ロケールを選び、 Talkセッションまたはハンドオフリクエストを通じて渡す必要があります。音声セッションを開いても、 messages.ttsやグローバルTalkプロバイダーデフォルトを変更すべきではありません。

モデル駆動ディレクティブ

デフォルトでは、アシスタントは[[tts:...]]ディレクティブを出力して、単一の返信について音声、モデル、または速度を上書きできます。さらに、音声のみに現れる表現キュー用の任意の [[tts:text]]...[[/tts:text]]ブロックも使用できます。

text

Here you go. [[tts:speakerVoiceId=pMsXgVXv3BLzUgSXRplE model=eleven_v3 speed=1.1]][[tts:text]](laughs) Read the song once more.[[/tts:text]]

messages.tts.autoが"tagged"の場合、音声をトリガーするにはディレクティブが必須です。ストリーミングブロック配信では、チャンネルに見える前に、表示テキストからディレクティブが取り除かれます。隣接ブロックに分割されている場合でも同様です。

provider=...は、modelOverrides.allowProvider: trueでない限り無視されます。返信がprovider=...を宣言した場合、そのディレクティブ内の他のキーはそのプロバイダーによってのみ解析されます。サポートされていないキーは取り除かれ、TTSディレクティブ警告として報告されます。

利用可能なディレクティブキー:

provider（登録済みプロバイダーID。allowProvider: trueが必要）
speakerVoice / speakerVoiceId（レガシーエイリアス: voice、voiceName、voice_name、google_voice、voiceId）
model / google_model
stability、similarityBoost、style、speed、useSpeakerBoost
vol / volume（MiniMax音量、0–10）
pitch（MiniMax整数ピッチ、−12から12。小数値は切り捨て）
emotion（Volcengine感情タグ）
applyTextNormalization（auto|on|off）
languageCode（ISO 639-1）
seed

モデルオーバーライドを完全に無効化する:

json5

{ messages: { tts: { modelOverrides: { enabled: false } } } }

他の調整項目は設定可能にしたままプロバイダー切り替えを許可する:

json5

{ messages: { tts: { modelOverrides: { enabled: true, allowProvider: true, allowSeed: false } } } }

スラッシュコマンド

単一コマンドは/ttsです。Discordでは、/ttsがDiscord組み込みコマンドであるため、 OpenClawは/voiceも登録します。テキストの/tts ...は引き続き動作します。

text

/tts off | on | status/tts chat on | off | default/tts latest/tts provider <id>/tts persona <id> | off/tts limit <chars>/tts summary off/tts audio <text>

動作メモ:

/tts onはローカルTTS設定をalwaysに書き込みます。/tts offはoffに書き込みます。
/tts chat on|off|defaultは、現在のチャットに対するセッションスコープの自動TTS上書きを書き込みます。
/tts persona <id>はローカルペルソナ設定を書き込みます。/tts persona offはそれをクリアします。
/tts latestは現在のセッショントランスクリプトから最新のアシスタント返信を読み取り、1回だけ音声として送信します。重複する音声送信を抑制するため、その返信のハッシュのみをセッションエントリに保存します。
/tts audioは1回限りの音声返信を生成します（TTSをオンに切り替えることはありません）。
limitとsummaryはメイン設定ではなく、ローカル設定に保存されます。
/tts statusには、最新の試行に対するフォールバック診断が含まれます。Fallback: <primary> -> <used>、Attempts: ...、および試行ごとの詳細（provider:outcome(reasonCode) latency）です。
/statusは、TTSが有効な場合、アクティブなTTSモードに加えて、設定済みプロバイダー、モデル、音声、サニタイズ済みカスタムエンドポイントメタデータを表示します。

ユーザーごとの設定

スラッシュコマンドはローカル上書きをprefsPathに書き込みます。デフォルトは ~/.openclaw/settings/tts.jsonです。OPENCLAW_TTS_PREFS環境変数または messages.tts.prefsPathで上書きします。

保存フィールド	効果
`auto`	ローカル自動TTS上書き（`always`、`off`、…）
`provider`	ローカルプライマリプロバイダー上書き
`persona`	ローカルペルソナ上書き
`maxLength`	要約しきい値（デフォルト`1500`文字）
`summarize`	要約トグル（デフォルト`true`）

これらは、そのホストについて、messages.ttsとアクティブな agents.list[].ttsブロックから得られる有効設定を上書きします。

出力形式（固定）

TTS音声配信はチャンネル機能によって決まります。チャンネルPluginは、音声スタイルのTTSでプロバイダーにネイティブのvoice-noteターゲットを要求すべきか、通常のaudio-file合成を維持しつつ、音声配信用に互換性のある出力としてマークするだけにすべきかを通知します。

voice-note 対応チャンネル: voice-note 返信では Opus（ElevenLabs の opus_48000_64、OpenAI の opus）を優先します。
- 48kHz / 64kbps は音声メッセージとして適切なトレードオフです。
Feishu / WhatsApp: voice-note 返信が MP3/WebM/WAV/M4A または別の音声ファイルらしい形式で生成された場合、チャンネル Plugin はネイティブ音声メッセージを送信する前に、ffmpeg で 48kHz Ogg/Opus にトランスコードします。WhatsApp は、Baileys の audio ペイロードを ptt: true および audio/ogg; codecs=opus とともに使って結果を送信します。変換に失敗した場合、Feishu は元のファイルを添付ファイルとして受け取ります。WhatsApp では、互換性のない PTT ペイロードを投稿するのではなく送信が失敗します。
その他のチャンネル: MP3（ElevenLabs の mp3_44100_128、OpenAI の mp3）。
- 44.1kHz / 128kbps は、音声の明瞭さの既定のバランスです。
MiniMax: 通常の音声添付ファイルには MP3（speech-2.8-hd モデル、32kHz サンプルレート）。チャンネルが告知する voice-note ターゲットでは、チャンネルがトランスコード対応を告知している場合、OpenClaw は配信前に ffmpeg で MiniMax MP3 を 48kHz Opus にトランスコードします。
Xiaomi MiMo: 既定では MP3、設定されている場合は WAV。チャンネルが告知する voice-note ターゲットでは、チャンネルがトランスコード対応を告知している場合、OpenClaw は配信前に ffmpeg で Xiaomi 出力を 48kHz Opus にトランスコードします。
ローカル CLI: 設定された outputFormat を使用します。voice-note ターゲットは Ogg/Opus に変換され、電話出力は ffmpeg で raw 16 kHz mono PCM に変換されます。
Google Gemini: Gemini API TTS は raw 24kHz PCM を返します。OpenClaw は音声添付ファイル用にそれを WAV としてラップし、voice-note ターゲット用に 48kHz Opus にトランスコードし、Talk/電話用には PCM を直接返します。
Gradium: 音声添付ファイルには WAV、voice-note ターゲットには Opus、電話には 8 kHz の ulaw_8000。
Inworld: 通常の音声添付ファイルには MP3、voice-note ターゲットにはネイティブ OGG_OPUS、Talk/電話には 22050 Hz の raw PCM。
xAI: 既定では MP3。responseFormat は mp3、wav、pcm、mulaw、または alaw にできます。OpenClaw は xAI のバッチ REST TTS エンドポイントを使用し、完全な音声添付ファイルを返します。このプロバイダーパスでは xAI のストリーミング TTS WebSocket は使用されません。このパスではネイティブ Opus voice-note 形式はサポートされません。
Microsoft: microsoft.outputFormat（既定は audio-24khz-48kbitrate-mono-mp3）を使用します。
- バンドルされたトランスポートは outputFormat を受け付けますが、すべての形式がサービスから利用できるわけではありません。
- 出力形式の値は Microsoft Speech 出力形式（Ogg/WebM Opus を含む）に従います。
- Telegram sendVoice は OGG/MP3/M4A を受け付けます。Opus 音声メッセージを保証する必要がある場合は OpenAI/ElevenLabs を使用してください。
- 設定された Microsoft 出力形式が失敗した場合、OpenClaw は MP3 で再試行します。

OpenAI/ElevenLabs の出力形式はチャンネルごとに固定されています（上記参照）。

Auto-TTS の動作

messages.tts.auto が有効な場合、OpenClaw は次を行います。

返信にすでに構造化メディアが含まれている場合は TTS をスキップします。
非常に短い返信（10 文字未満）をスキップします。
要約が有効な場合、summaryModel（または agents.defaults.model.primary）を使用して長い返信を要約します。
生成された音声を返信に添付します。
mode: "final" では、テキストストリームの完了後も、ストリーミングされた final 返信に対して音声のみの TTS を送信します。生成されたメディアは、通常の返信添付ファイルと同じチャンネルメディア正規化を通ります。

返信が maxLength を超え、要約がオフの場合（または要約モデルの API キーがない場合）、音声はスキップされ、通常のテキスト返信が送信されます。

text

Reply -> TTS enabled?  no  -> send text  yes -> has media / short?          yes -> send text          no  -> length > limit?                   no  -> TTS -> attach audio                   yes -> summary enabled?                            no  -> send text                            yes -> summarize -> TTS -> attach audio

チャンネル別の出力形式

ターゲット	形式
Feishu / Matrix / Telegram / WhatsApp	音声メモ返信では Opus（ElevenLabs の `opus_48000_64`、OpenAI の `opus`）を優先します。48 kHz / 64 kbps は明瞭さとサイズのバランスを取ります。
その他のチャンネル	MP3（ElevenLabs の `mp3_44100_128`、OpenAI の `mp3`）。音声のデフォルトは 44.1 kHz / 128 kbps です。
Talk / 電話	プロバイダー固有の PCM（Inworld 22050 Hz、Google 24 kHz）、または電話用の Gradium の `ulaw_8000`。

プロバイダー別の注記:

Feishu / WhatsApp のトランスコード: 音声メモ返信が MP3/WebM/WAV/M4A として届いた場合、チャンネル Plugin は ffmpeg で 48 kHz Ogg/Opus にトランスコードします。WhatsApp は Baileys を通じて ptt: true と audio/ogg; codecs=opus で送信します。変換に失敗した場合: Feishu は元のファイルを添付する方式にフォールバックし、WhatsApp は互換性のない PTT ペイロードを投稿するのではなく送信に失敗します。
MiniMax / Xiaomi MiMo: デフォルトは MP3（MiniMax speech-2.8-hd では 32 kHz）です。音声メモターゲット向けには ffmpeg で 48 kHz Opus にトランスコードされます。
ローカル CLI: 設定済みの outputFormat を使用します。音声メモターゲットは Ogg/Opus に、電話出力は未加工の 16 kHz モノラル PCM に変換されます。
Google Gemini: 未加工の 24 kHz PCM を返します。OpenClaw は添付用に WAV としてラップし、音声メモターゲット向けには 48 kHz Opus にトランスコードし、Talk/電話向けには PCM を直接返します。
Inworld: MP3 添付、ネイティブ OGG_OPUS 音声メモ、Talk/電話向けの未加工 PCM 22050 Hz。
xAI: デフォルトは MP3 です。responseFormat は mp3|wav|pcm|mulaw|alaw にできます。xAI のバッチ REST エンドポイントを使用します。ストリーミング WebSocket TTS は使用されません。ネイティブ Opus 音声メモ形式はサポートされません。
Microsoft: microsoft.outputFormat（デフォルト audio-24khz-48kbitrate-mono-mp3）を使用します。Telegram sendVoice は OGG/MP3/M4A を受け付けます。Opus 音声メッセージを保証する必要がある場合は OpenAI/ElevenLabs を使用してください。設定済みの Microsoft 形式が失敗した場合、OpenClaw は MP3 で再試行します。

OpenAI と ElevenLabs の出力形式は、上記の一覧どおりチャンネルごとに固定されています。

フィールドリファレンス

Top-level messages.tts.*

auto"off" | "always" | "inbound" | "tagged"

Auto-TTS モード。inbound は受信音声メッセージの後にのみ音声を送信します。tagged は返信に [[tts:...]] ディレクティブまたは [[tts:text]] ブロックが含まれる場合にのみ音声を送信します。

enabledboolean

レガシートグル。openclaw doctor --fix はこれを auto に移行します。

mode"final" | "all"default: final

"all" は最終返信に加えてツール/ブロック返信を含めます。

providerstring

音声プロバイダー ID。未設定の場合、OpenClaw はレジストリの自動選択順で最初に設定済みのプロバイダーを使用します。レガシーの provider: "edge" は openclaw doctor --fix によって "microsoft" に書き換えられます。

personastring

personas からのアクティブなペルソナ ID。小文字に正規化されます。

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InBlcnNvbmFzLjxpZA " type="object"> 安定した話者アイデンティティ。フィールド: label、description、provider、fallbackPolicy、prompt、providers.<provider>。ペルソナを参照してください。

summaryModelstring

自動要約用の低コストモデル。デフォルトは agents.defaults.model.primary です。provider/model または設定済みのモデルエイリアスを受け付けます。

modelOverridesobject

モデルが TTS ディレクティブを出力できるようにします。enabled のデフォルトは true、allowProvider のデフォルトは false です。

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InByb3ZpZGVycy48aWQ " type="object"> 音声プロバイダー ID をキーとする、プロバイダー所有の設定。レガシーの直接ブロック（messages.tts.openai、.elevenlabs、.microsoft、.edge）は openclaw doctor --fix によって書き換えられます。コミットするのは messages.tts.providers.<id> のみにしてください。

maxTextLengthnumber

TTS 入力文字数のハード上限。超過すると /tts audio は失敗します。

timeoutMsnumber

リクエストタイムアウト（ミリ秒）。

prefsPathstring

ローカル prefs JSON パス（プロバイダー/制限/要約）を上書きします。デフォルトは ~/.openclaw/settings/tts.json です。

Azure Speech

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg Env: AZURE_SPEECH_KEY、AZURE_SPEECH_API_KEY、または SPEECH_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJlZ2lvbiIgdHlwZT0ic3RyaW5nIg Azure Speech リージョン（例: eastus）。Env: AZURE_SPEECH_REGION または SPEECH_REGION。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImVuZHBvaW50IiB0eXBlPSJzdHJpbmci 任意の Azure Speech エンドポイント上書き（エイリアス baseUrl）。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg Azure 音声 ShortName。デフォルトは en-US-JennyNeural。レガシーエイリアス: voice。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImxhbmciIHR5cGU9InN0cmluZyI SSML 言語コード。デフォルトは en-US。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im91dHB1dEZvcm1hdCIgdHlwZT0ic3RyaW5nIg 標準音声用の Azure X-Microsoft-OutputFormat。デフォルトは audio-24khz-48kbitrate-mono-mp3。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InZvaWNlTm90ZU91dHB1dEZvcm1hdCIgdHlwZT0ic3RyaW5nIg 音声メモ出力用の Azure X-Microsoft-OutputFormat。デフォルトは ogg-24khz-16bit-mono-opus。 OPENCLAW_DOCS_MARKER:paramClose:

ElevenLabs

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg ELEVENLABS_API_KEY または XI_API_KEY にフォールバックします。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci モデル ID（例: eleven_multilingual_v2、eleven_v3）。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZUlkIiB0eXBlPSJzdHJpbmci ElevenLabs 音声 ID。レガシーエイリアス: voiceId。 OPENCLAW_DOCS_MARKER:paramClose:

voiceSettingsobject

stability、similarityBoost、style（それぞれ 0..1）、useSpeakerBoost（true|false）、speed（0.5..2.0、1.0 = 通常）。

applyTextNormalization"auto" | "on" | "off"

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Imxhbmd1YWdlQ29kZSIgdHlwZT0ic3RyaW5nIg 2 文字の ISO 639-1（例: en、de）。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNlZWQiIHR5cGU9Im51bWJlciI ベストエフォートの決定性のための整数 0..4294967295。 OPENCLAW_DOCS_MARKER:paramClose:

baseUrlstring

Google Gemini

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg GEMINI_API_KEY / GOOGLE_API_KEY にフォールバックします。省略した場合、TTS は env フォールバックの前に models.providers.google.apiKey を再利用できます。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci Gemini TTS モデル。デフォルトは gemini-3.1-flash-tts-preview。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg Gemini のビルド済み音声名。デフォルトは Kore。レガシーエイリアス: voiceName、voice。 OPENCLAW_DOCS_MARKER:paramClose:

audioProfilestring

speakerNamestring

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InByb21wdFRlbXBsYXRlIiB0eXBlPSciYXVkaW8tcHJvZmlsZS12MSIn アクティブなペルソナプロンプトフィールドを決定的な Gemini TTS プロンプト構造でラップするには、audio-profile-v1 に設定します。 OPENCLAW_DOCS_MARKER:paramClose:

personaPromptstring

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI https://generativelanguage.googleapis.com のみ受け付けます。 OPENCLAW_DOCS_MARKER:paramClose:

Gradium

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg 環境変数: GRADIUM_API_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI デフォルトは https://api.gradium.ai。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZUlkIiB0eXBlPSJzdHJpbmci デフォルトは Emma (YTpq7expH9539ERJ)。レガシーエイリアス: voiceId。 OPENCLAW_DOCS_MARKER:paramClose:

Inworld

Inworld プライマリ

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg 環境変数: INWORLD_API_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI デフォルトは https://api.inworld.ai。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsSWQiIHR5cGU9InN0cmluZyI デフォルトは inworld-tts-1.5-max。ほかに inworld-tts-1.5-mini、inworld-tts-1-max、inworld-tts-1。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZUlkIiB0eXBlPSJzdHJpbmci デフォルトは Sarah。レガシーエイリアス: voiceId。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InRlbXBlcmF0dXJlIiB0eXBlPSJudW1iZXIi サンプリング温度 0..2。 OPENCLAW_DOCS_MARKER:paramClose:

Local CLI (tts-local-cli)

commandstring

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFyZ3MiIHR5cGU9InN0cmluZ1tdIg コマンド引数。{{Text}}、{{OutputPath}}、{{OutputDir}}、{{OutputBase}} プレースホルダーをサポートします。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im91dHB1dEZvcm1hdCIgdHlwZT0nIm1wMyIgfCAib3B1cyIgfCAid2F2Iic 想定される CLI 出力形式。音声添付のデフォルトは mp3。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InRpbWVvdXRNcyIgdHlwZT0ibnVtYmVyIg コマンドタイムアウト（ミリ秒）。デフォルトは 120000。 OPENCLAW_DOCS_MARKER:paramClose:

cwdstring

envRecord<string, string��-��4

Microsoft (no API key)

enabledbooleandefault: true

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg Microsoft ニューラル音声名（例: en-US-MichelleNeural）。レガシーエイリアス: voice。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImxhbmciIHR5cGU9InN0cmluZyI 言語コード（例: en-US）。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im91dHB1dEZvcm1hdCIgdHlwZT0ic3RyaW5nIg Microsoft 出力形式。デフォルトは audio-24khz-48kbitrate-mono-mp3。バンドルされた Edge ベースのトランスポートでは、すべての形式がサポートされるわけではありません。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJhdGUgLyBwaXRjaCAvIHZvbHVtZSIgdHlwZT0ic3RyaW5nIg パーセント文字列（例: +10%、-5%）。 OPENCLAW_DOCS_MARKER:paramClose:

saveSubtitlesboolean

proxystring

timeoutMsnumber

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImVkZ2UuKiIgdHlwZT0ib2JqZWN0IiBkZXByZWNhdGVk レガシーエイリアス。永続化された設定を providers.microsoft に書き換えるには openclaw doctor --fix を実行します。 OPENCLAW_DOCS_MARKER:paramClose:

MiniMax

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg MINIMAX_API_KEY にフォールバックします。MINIMAX_OAUTH_TOKEN、MINIMAX_CODE_PLAN_KEY、または MINIMAX_CODING_API_KEY による Token Plan 認証。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI デフォルトは https://api.minimax.io。環境変数: MINIMAX_API_HOST。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci デフォルトは speech-2.8-hd。環境変数: MINIMAX_TTS_MODEL。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZUlkIiB0eXBlPSJzdHJpbmci デフォルトは English_expressive_narrator。環境変数: MINIMAX_TTS_VOICE_ID。レガシーエイリアス: voiceId。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWVkIiB0eXBlPSJudW1iZXIi 0.5..2.0。デフォルトは 1.0。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InZvbCIgdHlwZT0ibnVtYmVyIg (0, 10]。デフォルトは 1.0。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InBpdGNoIiB0eXBlPSJudW1iZXIi 整数 -12..12。デフォルトは 0。小数値はリクエスト前に切り捨てられます。 OPENCLAW_DOCS_MARKER:paramClose:

OpenAI

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg OPENAI_API_KEY にフォールバックします。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci OpenAI TTS モデル ID（例: gpt-4o-mini-tts）。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg 音声名（例: alloy、cedar）。レガシーエイリアス: voice。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Imluc3RydWN0aW9ucyIgdHlwZT0ic3RyaW5nIg 明示的な OpenAI instructions フィールド。設定されている場合、ペルソナプロンプトフィールドは自動マッピングされません。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImV4dHJhQm9keSAvIGV4dHJhX2JvZHkiIHR5cGU9IlJlY29yZDxzdHJpbmcsIHVua25vd24 ">生成された OpenAI TTS フィールドの後に /audio/speech リクエストボディへマージされる追加の JSON フィールド。lang のようなプロバイダー固有キーを必要とする Kokoro などの OpenAI 互換エンドポイントに使用します。安全でないプロトタイプキーは無視されます。 OPENCLAW_DOCS_MARKER:paramClose:

baseUrlstring

OpenAI TTS エンドポイントをオーバーライドします。解決順序: config → OPENAI_TTS_BASE_URL → https://api.openai.com/v1。デフォルト以外の値は OpenAI 互換 TTS エンドポイントとして扱われるため、カスタムモデル名と音声名を使用できます。

OpenRouter

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg 環境変数: OPENROUTER_API_KEY。models.providers.openrouter.apiKey を再利用できます。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI デフォルトは https://openrouter.ai/api/v1。レガシーの https://openrouter.ai/v1 は正規化されます。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci デフォルトは hexgrad/kokoro-82m。エイリアス: modelId。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg デフォルトは af_alloy。レガシーエイリアス: voice、voiceId。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJlc3BvbnNlRm9ybWF0IiB0eXBlPScibXAzIiB8ICJwY20iJw デフォルトは mp3。 OPENCLAW_DOCS_MARKER:paramClose:

speednumber

Volcengine (BytePlus Seed Speech)

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg 環境変数: VOLCENGINE_TTS_API_KEY または BYTEPLUS_SEED_SPEECH_API_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJlc291cmNlSWQiIHR5cGU9InN0cmluZyI デフォルトは seed-tts-1.0。環境変数: VOLCENGINE_TTS_RESOURCE_ID。プロジェクトに TTS 2.0 権限がある場合は seed-tts-2.0 を使用します。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwcEtleSIgdHlwZT0ic3RyaW5nIg アプリキーのヘッダー。デフォルトは aGjiRDfUWi。環境変数: VOLCENGINE_TTS_APP_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI Seed Speech TTS HTTP エンドポイントをオーバーライドします。環境変数: VOLCENGINE_TTS_BASE_URL。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg 音声タイプ。デフォルトは en_female_anna_mars_bigtts。環境変数: VOLCENGINE_TTS_VOICE。レガシーエイリアス: voice。 OPENCLAW_DOCS_MARKER:paramClose:

speedRationumber

emotionstring

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwcElkIC8gdG9rZW4gLyBjbHVzdGVyIiB0eXBlPSJzdHJpbmciIGRlcHJlY2F0ZWQ レガシーの Volcengine Speech Console フィールド。環境変数: VOLCENGINE_TTS_APPID、VOLCENGINE_TTS_TOKEN、VOLCENGINE_TTS_CLUSTER（デフォルトは volcano_tts）。 OPENCLAW_DOCS_MARKER:paramClose:

xAI

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg 環境変数: XAI_API_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI デフォルトは https://api.x.ai/v1。環境変数: XAI_BASE_URL。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZUlkIiB0eXBlPSJzdHJpbmci デフォルトは eve。ライブ音声: ara、eve、leo、rex、sal、una。レガシーエイリアス: voiceId。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Imxhbmd1YWdlIiB0eXBlPSJzdHJpbmci BCP-47 言語コードまたは auto。デフォルトは en。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJlc3BvbnNlRm9ybWF0IiB0eXBlPScibXAzIiB8ICJ3YXYiIHwgInBjbSIgfCAibXVsYXciIHwgImFsYXciJw デフォルトは mp3。 OPENCLAW_DOCS_MARKER:paramClose:

speednumber

Xiaomi MiMo

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg 環境変数: XIAOMI_API_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI デフォルトは https://api.xiaomimimo.com/v1。環境変数: XIAOMI_BASE_URL。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci デフォルトは mimo-v2.5-tts。環境変数: XIAOMI_TTS_MODEL。mimo-v2-tts と mimo-v2.5-tts-voicedesign もサポートします。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg プリセット音声モデルのデフォルトは mimo_default。環境変数: XIAOMI_TTS_VOICE。レガシーエイリアス: voice。mimo-v2.5-tts-voicedesign では送信されません。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImZvcm1hdCIgdHlwZT0nIm1wMyIgfCAid2F2Iic デフォルトは mp3。環境変数: XIAOMI_TTS_FORMAT。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InN0eWxlIiB0eXBlPSJzdHJpbmci ユーザーメッセージとして送信される任意の自然言語スタイル指示。発話されません。mimo-v2.5-tts-voicedesign では、これは音声デザインプロンプトです。省略時は OpenClaw がデフォルトを提供します。 OPENCLAW_DOCS_MARKER:paramClose:

エージェントツール

tts ツールはテキストを音声に変換し、返信配信用の音声添付を返します。Feishu、Matrix、Telegram、WhatsApp では、音声はファイル添付ではなく音声メッセージとして配信されます。このパスでは、ffmpeg が利用可能な場合、Feishu と WhatsApp は Opus 以外の TTS 出力をトランスコードできます。

WhatsApp は Baileys を通じて PTT ボイスノート（audio と ptt: true）として音声を送信し、クライアントがボイスノート上のキャプションを一貫してレンダリングしないため、表示テキストは PTT 音声とは別に送信します。

このツールは任意の channel フィールドと timeoutMs フィールドを受け付けます。timeoutMs は、呼び出しごとのプロバイダーリクエストタイムアウト（ミリ秒）です。呼び出しごとの値は messages.tts.timeoutMs をオーバーライドします。設定済みの TTS タイムアウトは、Plugin が定義したプロバイダーのデフォルトをオーバーライドします。

Gateway RPC

メソッド	目的
`tts.status`	現在の TTS 状態と最後の試行を読み取ります。
`tts.enable`	ローカル自動設定を `always` に設定します。
`tts.disable`	ローカル自動設定を `off` に設定します。
`tts.convert`	単発のテキスト → 音声。
`tts.setProvider`	ローカルプロバイダー設定を設定します。
`tts.setPersona`	ローカルペルソナ設定を設定します。
`tts.providers`	設定済みプロバイダーとステータスを一覧表示します。

クイックスタート

プロバイダーを選ぶ

API キーを設定する

設定で有効化する

チャットで試す

対応プロバイダー

設定

Azure Speech

ElevenLabs

Google Gemini

Gradium

Inworld

Local CLI

Microsoft（キー不要）

MiniMax

OpenAI + ElevenLabs

OpenRouter

Volcengine

xAI

Xiaomi MiMo

エージェントごとの音声オーバーライド

ペルソナ

最小ペルソナ

完全なペルソナ（プロバイダー中立プロンプト）

ペルソナ解決

プロバイダーがペルソナプロンプトを使う方法

フォールバックポリシー

モデル駆動ディレクティブ

スラッシュコマンド

ユーザーごとの設定

出力形式（固定）

Auto-TTS の動作

チャンネル別の出力形式

フィールドリファレンス

Inworld プライマリ

エージェントツール

Gateway RPC

サービスリンク

関連

On this page