ElevenLabs
O OpenClaw usa ElevenLabs para text-to-speech, speech-to-text em lote com Scribe
v2 e STT em streaming do Voice Call com Scribe v2 Realtime.
| Capacidade | Superfície do OpenClaw | Padrão |
|---|
| Text-to-speech | messages.tts / talk | eleven_multilingual_v2 |
| Speech-to-text em lote | tools.media.audio | scribe_v2 |
| Speech-to-text em streaming | Voice Call streaming.provider: "elevenlabs" | scribe_v2_realtime |
Autenticação
Defina ELEVENLABS_API_KEY no ambiente. XI_API_KEY também é aceito para
compatibilidade com ferramentas existentes da ElevenLabs.
export ELEVENLABS_API_KEY="..."
Text-to-speech
{
messages: {
tts: {
providers: {
elevenlabs: {
apiKey: "${ELEVENLABS_API_KEY}",
voiceId: "pMsXgVXv3BLzUgSXRplE",
modelId: "eleven_multilingual_v2",
},
},
},
},
}
Speech-to-text
Use Scribe v2 para anexos de áudio recebidos e segmentos curtos de voz gravada:
{
tools: {
media: {
audio: {
enabled: true,
models: [{ provider: "elevenlabs", model: "scribe_v2" }],
},
},
},
}
/v1/speech-to-text da ElevenLabs com
model_id: "scribe_v2". Dicas de idioma são mapeadas para language_code quando presentes.
STT em streaming do Voice Call
O plugin empacotado elevenlabs registra Scribe v2 Realtime para transcrição
em streaming do Voice Call.
| Configuração | Caminho de configuração | Padrão |
|---|
| Chave de API | plugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKey | Usa fallback para ELEVENLABS_API_KEY / XI_API_KEY |
| Modelo | ...elevenlabs.modelId | scribe_v2_realtime |
| Formato de áudio | ...elevenlabs.audioFormat | ulaw_8000 |
| Taxa de amostragem | ...elevenlabs.sampleRate | 8000 |
| Estratégia de commit | ...elevenlabs.commitStrategy | vad |
| Idioma | ...elevenlabs.languageCode | (não definido) |
{
plugins: {
entries: {
"voice-call": {
config: {
streaming: {
enabled: true,
provider: "elevenlabs",
providers: {
elevenlabs: {
apiKey: "${ELEVENLABS_API_KEY}",
audioFormat: "ulaw_8000",
commitStrategy: "vad",
languageCode: "en",
},
},
},
},
},
},
},
}
O Voice Call recebe mídia do Twilio como G.711 u-law a 8 kHz. O provedor em tempo real
da ElevenLabs usa ulaw_8000 por padrão, então frames de telefonia podem ser encaminhados sem
transcodificação.
