xAI

O provedor de pesquisa web grok integrado prefere OAuth da xAI e, depois, recorre a XAI_API_KEY ou a uma chave de pesquisa web do plugin:

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

O plugin xai integrado registra geração de vídeo por meio da ferramenta compartilhada video_generate.

• Modelo de vídeo padrão: xai/grok-imagine-video
• Modos: texto para vídeo, imagem para vídeo, geração com imagem de referência, edição de vídeo remoto e extensão de vídeo remoto
• Proporções: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3
• Resoluções: 480P, 720P
• Duração: 1-15 segundos para geração/imagem para vídeo, 1-10 segundos ao usar funções reference_image, 2-10 segundos para extensão
• Geração com imagem de referência: defina imageRoles como reference_image para cada imagem fornecida; a xAI aceita até 7 dessas imagens
• Tempo limite padrão da operação: 600 segundos, a menos que video_generate.timeoutMs ou agents.defaults.videoGenerationModel.timeoutMs esteja definido

Para usar a xAI como provedor de vídeo padrão:

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

O plugin xai integrado registra geração de imagem por meio da ferramenta compartilhada image_generate.

• Modelo de imagem padrão: xai/grok-imagine-image
• Modelo adicional: xai/grok-imagine-image-quality
• Modos: texto para imagem e edição com imagem de referência
• Entradas de referência: uma image ou até cinco images
• Proporções: 1:1, 16:9, 9:16, 4:3, 3:4, 2:3, 3:2
• Resoluções: 1K, 2K
• Quantidade: até 4 imagens
• Tempo limite padrão da operação: 600 segundos, a menos que image_generate.timeoutMs ou agents.defaults.imageGenerationModel.timeoutMs esteja definido

O OpenClaw solicita à xAI respostas de imagem b64_json para que a mídia gerada possa ser armazenada e entregue pelo caminho normal de anexos do canal. Imagens de referência locais são convertidas em URLs de dados; referências remotas http(s) são repassadas.

Para usar a xAI como provedor de imagem padrão:

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

O plugin xai incluído registra texto para fala por meio da superfície de provedor tts compartilhada.

• Vozes: eve, ara, rex, sal, leo, una
• Voz padrão: eve
• Formatos: mp3, wav, pcm, mulaw, alaw
• Idioma: código BCP-47 ou auto
• Velocidade: substituição de velocidade nativa do provedor
• O formato nativo Opus para nota de voz não é compatível

Para usar a xAI como o provedor TTS padrão:

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

O plugin xai incluído registra fala para texto em lote por meio da superfície de transcrição de compreensão de mídia do OpenClaw.

• Modelo padrão: grok-stt
• Endpoint: REST da xAI /v1/stt
• Caminho de entrada: upload de arquivo de áudio multipart
• Compatível no OpenClaw em qualquer lugar onde a transcrição de áudio de entrada use tools.media.audio, incluindo segmentos de canais de voz do Discord e anexos de áudio de canais

Para forçar a xAI para transcrição de áudio de entrada:

{  tools: {    media: {      audio: {        models: [          {            type: "provider",            provider: "xai",            model: "grok-stt",          },        ],      },    },  },}

O idioma pode ser fornecido pela configuração de mídia de áudio compartilhada ou pela solicitação de transcrição por chamada. Dicas de prompt são aceitas pela superfície compartilhada do OpenClaw, mas a integração STT REST da xAI encaminha apenas arquivo, modelo e idioma, porque eles mapeiam claramente para o endpoint público atual da xAI.

O plugin xai incluído também registra um provedor de transcrição em tempo real para áudio de chamadas de voz ao vivo.

• Endpoint: WebSocket da xAI wss://api.x.ai/v1/stt
• Codificação padrão: mulaw
• Taxa de amostragem padrão: 8000
• Endpointing padrão: 800ms
• Transcrições intermediárias: habilitadas por padrão

O stream de mídia da Twilio do Voice Call envia quadros de áudio G.711 µ-law, então o provedor xAI pode encaminhar esses quadros diretamente, sem transcodificação:

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

A configuração pertencente ao provedor fica em plugins.entries.voice-call.config.streaming.providers.xai. As chaves compatíveis são apiKey, baseUrl, sampleRate, encoding (pcm, mulaw ou alaw), interimResults, endpointingMs e language.

O plugin xAI incluído expõe x_search como uma ferramenta do OpenClaw para pesquisar conteúdo do X (antigo Twitter) via Grok.

Caminho de configuração: plugins.entries.xai.config.xSearch

{  plugins: {    entries: {      xai: {        config: {          xSearch: {            enabled: true,            model: "grok-4-1-fast",            baseUrl: "https://api.x.ai/v1",            inlineCitations: true,          },        },      },    },  },}

O plugin xAI incluído expõe code_execution como uma ferramenta do OpenClaw para execução remota de código no ambiente sandbox da xAI.

Caminho de configuração: plugins.entries.xai.config.codeExecution

{  plugins: {    entries: {      xai: {        config: {          codeExecution: {            enabled: true,            model: "grok-4-1-fast",          },        },      },    },  },}

• A autenticação da xAI pode usar uma chave de API, variável de ambiente, fallback de configuração de plugin ou OAuth com uma conta xAI qualificada. O OAuth usa verificação por código de dispositivo sem callback localhost. A xAI decide quais contas podem receber tokens de API OAuth, e a página de consentimento pode mostrar Grok Build mesmo que o OpenClaw não exija o app Grok Build.
• Atualmente, o OpenClaw não expõe a família de modelos multiagente da xAI. A xAI fornece esses modelos por meio da API Responses, mas eles não aceitam as ferramentas do lado do cliente ou personalizadas usadas pelo loop de agente compartilhado do OpenClaw. Consulte as limitações multiagente da xAI.
• A voz em tempo real da xAI ainda não está registrada como um provedor do OpenClaw. Ela precisa de um contrato de sessão de voz bidirecional diferente de STT em lote ou transcrição por streaming.
• quality de imagem, mask de imagem e proporções extras apenas nativas da xAI não são expostas até que a ferramenta compartilhada image_generate tenha controles correspondentes entre provedores.

• O OpenClaw aplica automaticamente correções de compatibilidade de esquema de ferramentas e chamadas de ferramenta específicas da xAI no caminho do runner compartilhado.
• Solicitações nativas da xAI usam tool_stream: true por padrão. Defina agents.defaults.models["xai/<model>"].params.tool_stream como false para desabilitá-lo.
• O wrapper xAI incluído remove flags de esquema de ferramenta estritas não compatíveis e chaves de payload de esforço de raciocínio antes de enviar solicitações nativas da xAI. Apenas grok-4.3 / grok-4.3-* anunciam esforço de raciocínio configurável; todos os outros modelos da xAI com capacidade de raciocínio ainda solicitam include: ["reasoning.encrypted_content"] para que o raciocínio criptografado anterior possa ser reproduzido em turnos de acompanhamento.
• web_search, x_search e code_execution são expostos como ferramentas do OpenClaw. O OpenClaw habilita o recurso integrado específico da xAI de que precisa dentro de cada solicitação de ferramenta, em vez de anexar todas as ferramentas nativas a cada turno de chat.
• O web_search do Grok lê plugins.entries.xai.config.webSearch.baseUrl. x_search lê plugins.entries.xai.config.xSearch.baseUrl e depois usa como fallback a URL base de pesquisa na web do Grok.
• x_search e code_execution pertencem ao plugin xAI incluído, em vez de serem codificados diretamente no runtime de modelo principal.
• code_execution é execução remota no sandbox da xAI, não exec local.