xAI

Wbudowany dostawca wyszukiwania w sieci grok preferuje xAI OAuth, a następnie korzysta awaryjnie z XAI_API_KEY lub klucza wyszukiwania w sieci wtyczki:

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

Wbudowana wtyczka xai rejestruje generowanie filmów za pomocą wspólnego narzędzia video_generate.

• Model domyślny: xai/grok-imagine-video
• Dodatkowy model: xai/grok-imagine-video-1.5
• Tryby klasyczne: tekst na film, obraz na film, generowanie z obrazu referencyjnego, zdalna edycja filmu i zdalne rozszerzanie filmu
• Tryb Video 1.5: tylko obraz na film, z dokładnie jednym obrazem pierwszej klatki
• Proporcje obrazu: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3; tryb klasyczny oraz obraz na film w Video 1.5 dziedziczą proporcje obrazu źródłowego, gdy wartość zostanie pominięta
• Rozdzielczości: klasyczne 480P/720P; Video 1.5 obsługuje także 1080P; wszystkie tryby generowania domyślnie używają 480P
• Czas trwania: 1–15 sekund dla generowania/obrazu na film, 1–10 sekund podczas używania klasycznych ról reference_image, 2–10 sekund dla klasycznego rozszerzania
• Generowanie z obrazu referencyjnego: ustaw imageRoles na reference_image dla każdego dostarczonego obrazu; xAI akceptuje maksymalnie 7 takich obrazów
• Edycja/rozszerzanie filmu dziedziczy proporcje i rozdzielczość filmu wejściowego; te operacje nie przyjmują nadpisania geometrii
• Domyślny limit czasu operacji: 600 sekund, chyba że ustawiono video_generate.timeoutMs lub agents.defaults.videoGenerationModel.timeoutMs

Video 1.5 rozpoznaje również identyfikatory grok-imagine-video-1.5-preview i grok-imagine-video-1.5-2026-05-30 xAI. OpenClaw przekazuje wybrany identyfikator bez zmian, ale stosuje tę samą walidację ograniczającą dane wejściowe do obrazów.

Aby używać xAI jako domyślnego dostawcy filmów:

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

Wbudowana wtyczka xai rejestruje generowanie obrazów za pomocą wspólnego narzędzia image_generate.

• Domyślny model obrazu: xai/grok-imagine-image
• Dodatkowy model: xai/grok-imagine-image-quality
• Tryby: zamiana tekstu na obraz i edycja obrazu referencyjnego
• Dane referencyjne: jeden image lub maksymalnie trzy images
• Proporcje obrazu: 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
• Rozdzielczości: 1K, 2K
• Liczba: maksymalnie 4 obrazy
• Domyślny limit czasu operacji: 600 sekund, chyba że ustawiono image_generate.timeoutMs lub agents.defaults.imageGenerationModel.timeoutMs

OpenClaw żąda od xAI odpowiedzi obrazowych b64_json, aby wygenerowane multimedia mogły być przechowywane i dostarczane standardową ścieżką załączników kanału. Lokalne obrazy referencyjne są konwertowane na adresy URL danych; zdalne odwołania http(s) są przekazywane bez zmian.

Aby używać xAI jako domyślnego dostawcy obrazów:

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

Wbudowany plugin xai rejestruje zamianę tekstu na mowę za pośrednictwem współdzielonego interfejsu dostawcy tts.

• Głosy: uwierzytelniony katalog na żywo z xAI; można go wyświetlić za pomocą openclaw infer tts voices --provider xai
• Głosy zastępcze w trybie offline: ara, eve, leo, rex, sal
• Domyślny głos: eve
• Identyfikatory niestandardowych głosów konta są przekazywane nawet wtedy, gdy nie występują w odpowiedzi wbudowanego katalogu
• Formaty: mp3, wav, pcm, mulaw, alaw
• Język: kod BCP-47 lub auto
• Szybkość: natywne dla dostawcy nadpisanie szybkości
• Natywny format wiadomości głosowej Opus nie jest obsługiwany

Aby używać xAI jako domyślnego dostawcy TTS:

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

Wbudowany plugin xai rejestruje wsadową zamianę mowy na tekst za pośrednictwem interfejsu transkrypcji rozpoznawania multimediów OpenClaw.

• Punkt końcowy: xAI REST /v1/stt
• Ścieżka wejściowa: przesyłanie pliku dźwiękowego w formacie multipart
• Wybór modelu: xAI wybiera model transkrypcji wewnętrznie; ten punkt końcowy nie udostępnia selektora modelu
• Używane wszędzie tam, gdzie transkrypcja przychodzącego dźwięku odczytuje tools.media.audio, w tym dla segmentów kanałów głosowych Discord i załączników dźwiękowych kanałów

Aby wymusić użycie xAI do transkrypcji przychodzącego dźwięku:

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

Język można podać za pomocą współdzielonej konfiguracji multimediów dźwiękowych lub w każdym żądaniu transkrypcji. Współdzielony interfejs OpenClaw akceptuje podpowiedzi promptu, ale integracja xAI REST STT przekazuje tylko plik i język, ponieważ odpowiadają one bieżącemu publicznemu punktowi końcowemu xAI.

Wbudowany plugin xai rejestruje również dostawcę transkrypcji czasu rzeczywistego dla dźwięku połączeń głosowych na żywo.

• Punkt końcowy: xAI WebSocket wss://api.x.ai/v1/stt
• Domyślne kodowanie: mulaw
• Domyślna częstotliwość próbkowania: 8000
• Domyślne wykrywanie końca wypowiedzi: 800ms
• Transkrypcje tymczasowe: domyślnie włączone

Strumień multimediów Twilio funkcji Voice Call wysyła ramki dźwiękowe G.711 mu-law, dlatego dostawca xAI przekazuje te ramki bezpośrednio, bez transkodowania:

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

Konfiguracja należąca do dostawcy znajduje się w plugins.entries.voice-call.config.streaming.providers.xai. Obsługiwane klucze to apiKey, baseUrl, sampleRate, encoding (pcm, mulaw lub alaw), interimResults, endpointingMs i language.

Wbudowany plugin xai rejestruje sesje czasu rzeczywistego Grok Voice Agent dla trybu Talk za pośrednictwem współdzielonego kontraktu registerRealtimeVoiceProvider.

• Punkt końcowy: wss://api.x.ai/v1/realtime?model=<voice-model>
• Domyślny model: grok-voice-latest
• Domyślny głos: eve
• Transport: gateway-relay (ścieżki przekazywania iOS, Android i interfejsu Control UI)
• Dźwięk: PCM16 24 kHz lub G.711 µ-law 8 kHz
• Przerywanie wypowiedzi: serwerowy VAD xAI przerywa odpowiedź; OpenClaw czyści kolejkę odtwarzania i skraca historię dostawcy o nieodtworzone elementy

Skonfiguruj Talk w Gateway:

{  talk: {    realtime: {      provider: "xai",      mode: "realtime",      transport: "gateway-relay",      brain: "agent-consult",      providers: {        xai: {          model: "grok-voice-latest",          voice: "eve",          // Opt in only if provider-side session replay is acceptable.          sessionResumption: false,        },      },    },  },  env: { XAI_API_KEY: "xai-..." },}

Konfiguracja należąca do dostawcy jest również rozpoznawana z plugins.entries.voice-call.config.realtime.providers.xai, gdy Voice Call lub współdzielone selektory czasu rzeczywistego ponownie używają tej samej mapy dostawców. Obsługiwane klucze to apiKey, baseUrl, model, voice, vadThreshold, silenceDurationMs, prefixPaddingMs, reasoningEffort i sessionResumption. reasoningEffort akceptuje tylko high lub none, zgodnie z interfejsem API xAI Voice Agent.

Serwerowy VAD xAI zawsze tworzy odpowiedzi i obsługuje przerywanie dźwięku. Należy użyć consultRouting: "provider-direct"; wymuszone kierowanie transkrypcji i wyłączenie przerywania dźwięku wejściowego nie są obsługiwane przez protokół xAI Voice Agent.

Wbudowany plugin xAI udostępnia x_search jako narzędzie OpenClaw do wyszukiwania treści z X (dawniej Twitter) za pośrednictwem Grok.

Ścieżka konfiguracji: plugins.entries.xai.config.xSearch

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

Wbudowany plugin xAI udostępnia code_execution jako narzędzie OpenClaw do zdalnego wykonywania kodu w środowisku piaskownicy xAI.

Ścieżka konfiguracji: plugins.entries.xai.config.codeExecution

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

• Uwierzytelnianie xAI może korzystać z klucza API, zmiennej środowiskowej, konfiguracji pluginu jako mechanizmu rezerwowego lub OAuth z kwalifikującym się kontem xAI. OAuth używa weryfikacji kodem urządzenia bez wywołania zwrotnego do hosta lokalnego. xAI decyduje, które konta mogą otrzymywać tokeny API OAuth, a strona zgody może wyświetlać Grok Build, mimo że OpenClaw nie wymaga aplikacji Grok Build.
• OpenClaw obecnie nie udostępnia rodziny modeli wieloagentowych xAI. xAI udostępnia te modele przez interfejs Responses API, ale nie obsługują one narzędzi po stronie klienta ani narzędzi niestandardowych używanych przez wspólną pętlę agenta OpenClaw. Zobacz ograniczenia modeli wieloagentowych xAI.
• Obsługa głosu xAI Realtime obecnie udostępnia wyłącznie transport Talk przez przekaźnik Gateway. Sesje WebSocket dostawcy obsługiwane przez przeglądarkę nie są jeszcze połączone w interfejsie Control UI.
• Obraz xAI quality, obraz mask oraz dodatkowe proporcje obrazu dostępne wyłącznie natywnie nie są udostępniane, dopóki wspólne narzędzie image_generate nie otrzyma odpowiednich mechanizmów sterowania działających między dostawcami.

• OpenClaw automatycznie stosuje poprawki zgodności schematów narzędzi i wywołań narzędzi specyficzne dla xAI we wspólnej ścieżce modułu uruchamiającego.
• Natywne żądania xAI domyślnie tool_stream: true. Ustaw agents.defaults.models["xai/<model>"].params.tool_stream na false, aby to wyłączyć.
• Dołączona otoczka xAI usuwa nieobsługiwane ograniczenia liczby wystąpień w schemacie oraz nieobsługiwane klucze poziomu wnioskowania z ładunku przed wysłaniem natywnych żądań xAI. Grok 4.5 obsługuje niski, średni i wysoki poziom (domyślnie wysoki). Grok 4.3 obsługuje brak, niski, średni i wysoki poziom (domyślnie niski). Inne modele xAI obsługujące wnioskowanie nie udostępniają konfigurowalnego sterowania poziomem, ale nadal żądają include: ["reasoning.encrypted_content"], aby wcześniejsze zaszyfrowane wnioskowanie mogło zostać odtworzone w kolejnych turach.
• web_search, x_search i code_execution są udostępniane jako narzędzia OpenClaw. OpenClaw dołącza do żądania każdego narzędzia tylko konkretną wbudowaną funkcję xAI, której ono wymaga, zamiast dołączać wszystkie narzędzia natywne do każdej tury czatu.
• Grok web_search odczytuje plugins.entries.xai.config.webSearch.baseUrl. x_search odczytuje plugins.entries.xai.config.xSearch.baseUrl, a następnie używa rezerwowo bazowego adresu URL wyszukiwania internetowego Grok.
• x_search i code_execution należą do dołączonego pluginu xAI, zamiast być zakodowane na stałe w podstawowym środowisku uruchomieniowym modeli.
• code_execution oznacza zdalne wykonywanie w piaskownicy xAI, a nie lokalne exec.