ElevenLabs

OpenClaw ใช้ ElevenLabs สำหรับการแปลงข้อความเป็นเสียง, การแปลงเสียงเป็นข้อความแบบแบตช์ด้วย Scribe v2 และ STT แบบสตรีมมิงด้วย Scribe v2 Realtime

การยืนยันตัวตน

ตั้งค่า ELEVENLABS_API_KEY ในสภาพแวดล้อม นอกจากนี้ยังยอมรับ XI_API_KEY เพื่อ ความเข้ากันได้กับเครื่องมือ ElevenLabs ที่มีอยู่

export ELEVENLABS_API_KEY="..."

การแปลงข้อความเป็นเสียง

{  messages: {    tts: {      providers: {        elevenlabs: {          apiKey: "${ELEVENLABS_API_KEY}",          speakerVoiceId: "pMsXgVXv3BLzUgSXRplE",          modelId: "eleven_multilingual_v2",        },      },    },  },}

ตั้งค่า modelId เป็น eleven_v3 เพื่อใช้ ElevenLabs v3 TTS OpenClaw ยังคงใช้ eleven_multilingual_v2 เป็นค่าเริ่มต้นสำหรับการติดตั้งที่มีอยู่

ช่องเสียงของ Discord ใช้ปลายทาง TTS แบบสตรีมมิงของ ElevenLabs เมื่อ ElevenLabs เป็น ผู้ให้บริการ voice.tts/messages.tts ที่เลือกไว้ การเล่นจะเริ่มจาก สตรีมเสียงที่ส่งกลับมา แทนที่จะรอให้ OpenClaw ดาวน์โหลดและเขียน ไฟล์เสียงทั้งไฟล์ก่อน latencyTier จะถูกแมปกับพารามิเตอร์คิวรี optimize_streaming_latency ของ ElevenLabs สำหรับโมเดลที่รองรับ OpenClaw จะละเว้นพารามิเตอร์นั้นสำหรับ eleven_v3 ซึ่งปฏิเสธพารามิเตอร์ดังกล่าว

การแปลงเสียงเป็นข้อความ

ใช้ Scribe v2 สำหรับไฟล์แนบเสียงขาเข้าและช่วงเสียงที่บันทึกสั้น ๆ:

{  tools: {    media: {      audio: {        enabled: true,        models: [{ provider: "elevenlabs", model: "scribe_v2" }],      },    },  },}

OpenClaw ส่งเสียงแบบ multipart ไปยัง ElevenLabs /v1/speech-to-text พร้อม model_id: "scribe_v2" คำใบ้ภาษาจะถูกแมปกับ language_code เมื่อมีอยู่

STT แบบสตรีมมิง

Plugin elevenlabs ที่รวมมาให้ลงทะเบียน Scribe v2 Realtime สำหรับการถอดเสียงแบบสตรีมมิงในโหมดเอเจนต์ของ Voice Call และ Google Meet

{  plugins: {    entries: {      "voice-call": {        config: {          streaming: {            enabled: true,            provider: "elevenlabs",            providers: {              elevenlabs: {                apiKey: "${ELEVENLABS_API_KEY}",                audioFormat: "ulaw_8000",                commitStrategy: "vad",                languageCode: "en",              },            },          },        },      },    },  },}

สำหรับโหมดเอเจนต์ของ Google Meet ให้ตั้งค่า plugins.entries.google-meet.config.realtime.transcriptionProvider เป็น "elevenlabs" และกำหนดค่าบล็อกผู้ให้บริการเดียวกันภายใต้ plugins.entries.google-meet.config.realtime.providers.elevenlabs

ที่เกี่ยวข้อง

• การแปลงข้อความเป็นเสียง
• Google Meet
• การเลือกโมเดล