xAI

ผู้ให้บริการค้นหาเว็บ grok แบบรวมในตัวจะเลือกใช้ xAI OAuth ก่อน จากนั้นจึงใช้ XAI_API_KEY หรือคีย์ค้นหาเว็บของ Plugin เป็นทางเลือกสำรอง:

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

Plugin xai แบบรวมในตัวลงทะเบียนการสร้างวิดีโอผ่านเครื่องมือ video_generate ที่ใช้ร่วมกัน

• โมเดลเริ่มต้น: xai/grok-imagine-video
• โมเดลเพิ่มเติม: xai/grok-imagine-video-1.5
• โหมดคลาสสิก: ข้อความเป็นวิดีโอ รูปภาพเป็นวิดีโอ การสร้างจากรูปภาพอ้างอิง การแก้ไขวิดีโอระยะไกล และการขยายวิดีโอระยะไกล
• โหมด Video 1.5: รูปภาพเป็นวิดีโอเท่านั้น โดยใช้รูปภาพเฟรมแรกเพียงรูปเดียว
• อัตราส่วนภาพ: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3; การแปลงรูปภาพเป็นวิดีโอทั้งแบบคลาสสิกและ Video 1.5 จะใช้อัตราส่วนของรูปภาพต้นทาง เมื่อไม่ได้ระบุ
• ความละเอียด: แบบคลาสสิก 480P/720P; Video 1.5 ยังรองรับ 1080P; โหมด การสร้างทั้งหมดมีค่าเริ่มต้นเป็น 480P
• ระยะเวลา: 1-15 วินาทีสำหรับการสร้าง/รูปภาพเป็นวิดีโอ, 1-10 วินาทีเมื่อ ใช้บทบาท reference_image แบบคลาสสิก, 2-10 วินาทีสำหรับการขยายแบบคลาสสิก
• การสร้างจากรูปภาพอ้างอิง: ตั้งค่า imageRoles เป็น reference_image สำหรับ รูปภาพที่ระบุทุกภาพ โดย xAI ยอมรับรูปภาพดังกล่าวได้สูงสุด 7 ภาพ
• การแก้ไข/ขยายวิดีโอจะใช้อัตราส่วนภาพและความละเอียดของวิดีโออินพุต การดำเนินการเหล่านั้นไม่ยอมรับการแทนที่ค่ารูปทรง
• ระยะหมดเวลาการดำเนินการเริ่มต้น: 600 วินาที เว้นแต่จะตั้งค่า video_generate.timeoutMs หรือ agents.defaults.videoGenerationModel.timeoutMs

Video 1.5 ยังรู้จักตัวระบุ grok-imagine-video-1.5-preview และ grok-imagine-video-1.5-2026-05-30 ของ xAI ด้วย OpenClaw ส่งต่อตัวระบุ ที่เลือกโดยไม่เปลี่ยนแปลง แต่ใช้การตรวจสอบเฉพาะรูปภาพแบบเดียวกัน

หากต้องการใช้ xAI เป็นผู้ให้บริการวิดีโอเริ่มต้น:

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

Plugin xai ที่รวมมาด้วยลงทะเบียนการสร้างรูปภาพผ่านเครื่องมือ image_generate ที่ใช้ร่วมกัน

• โมเดลรูปภาพเริ่มต้น: xai/grok-imagine-image
• โมเดลเพิ่มเติม: xai/grok-imagine-image-quality
• โหมด: การแปลงข้อความเป็นรูปภาพและการแก้ไขรูปภาพอ้างอิง
• อินพุตอ้างอิง: image หนึ่งรายการ หรือ images สูงสุดสามรายการ
• อัตราส่วนภาพ: 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
• ความละเอียด: 1K, 2K
• จำนวน: สูงสุด 4 รูปภาพ
• ระยะหมดเวลาเริ่มต้นของการดำเนินการ: 600 วินาที เว้นแต่จะตั้งค่า image_generate.timeoutMs หรือ agents.defaults.imageGenerationModel.timeoutMs

OpenClaw ขอการตอบกลับรูปภาพแบบ b64_json จาก xAI เพื่อให้สามารถจัดเก็บ และส่งสื่อที่สร้างขึ้นผ่านเส้นทางไฟล์แนบของช่องทางตามปกติได้ รูปภาพอ้างอิง ภายในเครื่องจะถูกแปลงเป็น URL ข้อมูล ส่วนการอ้างอิง http(s) ระยะไกล จะถูกส่งผ่านโดยไม่มีการเปลี่ยนแปลง

หากต้องการใช้ xAI เป็นผู้ให้บริการรูปภาพเริ่มต้น:

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

Plugin xai ที่รวมมาด้วยลงทะเบียนการแปลงข้อความเป็นเสียงพูดผ่านพื้นผิวผู้ให้บริการ tts ที่ใช้ร่วมกัน

• เสียง: แค็ตตาล็อกสดจาก xAI ที่ผ่านการตรวจสอบสิทธิ์ แสดงรายการด้วย openclaw infer tts voices --provider xai
• เสียงสำรองแบบออฟไลน์: ara, eve, leo, rex, sal
• เสียงเริ่มต้น: eve
• ระบบจะส่งต่อ ID เสียงแบบกำหนดเองของบัญชี แม้จะไม่มีอยู่ในการตอบกลับ ของแค็ตตาล็อกในตัว
• รูปแบบ: mp3, wav, pcm, mulaw, alaw
• ภาษา: รหัส BCP-47 หรือ auto
• ความเร็ว: การแทนที่ความเร็วแบบเนทีฟของผู้ให้บริการ
• ไม่รองรับรูปแบบบันทึกเสียง Opus แบบเนทีฟ

หากต้องการใช้ xAI เป็นผู้ให้บริการ TTS เริ่มต้น:

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

Plugin xai ที่รวมมาด้วยลงทะเบียนการแปลงเสียงพูดเป็นข้อความแบบแบตช์ผ่าน พื้นผิวการถอดเสียงสำหรับการทำความเข้าใจสื่อของ OpenClaw

• ปลายทาง: REST /v1/stt ของ xAI
• เส้นทางอินพุต: การอัปโหลดไฟล์เสียงแบบ multipart
• การเลือกโมเดล: xAI เลือกโมเดลการถอดเสียงภายใน โดยปลายทาง ไม่มีตัวเลือกโมเดล
• ใช้ทุกตำแหน่งที่การถอดเสียงขาเข้าอ่าน tools.media.audio รวมถึงส่วนเสียงของช่องเสียง Discord และไฟล์แนบเสียงของช่องทาง

หากต้องการบังคับใช้ xAI สำหรับการถอดเสียงขาเข้า:

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

สามารถระบุภาษาผ่านการกำหนดค่าสื่อเสียงที่ใช้ร่วมกันหรือคำขอถอดเสียง ในแต่ละครั้งได้ พื้นผิว OpenClaw ที่ใช้ร่วมกันยอมรับคำใบ้พรอมต์ แต่การผสานรวม REST STT ของ xAI จะส่งต่อเฉพาะไฟล์และภาษา เนื่องจากมีเพียงสองรายการนี้ ที่แมปกับปลายทางสาธารณะปัจจุบันของ xAI

Plugin xai ที่รวมมาด้วยยังลงทะเบียนผู้ให้บริการถอดเสียงแบบเรียลไทม์ สำหรับเสียงการโทรสด

• ปลายทาง: WebSocket wss://api.x.ai/v1/stt ของ xAI
• การเข้ารหัสเริ่มต้น: mulaw
• อัตราการสุ่มตัวอย่างเริ่มต้น: 8000
• การกำหนดจุดสิ้นสุดเริ่มต้น: 800ms
• ข้อความถอดเสียงระหว่างดำเนินการ: เปิดใช้งานโดยค่าเริ่มต้น

สตรีมสื่อ Twilio ของ Voice Call ส่งเฟรมเสียง G.711 mu-law ดังนั้น ผู้ให้บริการ xAI จึงส่งต่อเฟรมเหล่านั้นโดยตรงโดยไม่แปลงรหัส:

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

การกำหนดค่าที่ผู้ให้บริการเป็นเจ้าของอยู่ภายใต้ plugins.entries.voice-call.config.streaming.providers.xai คีย์ที่รองรับ ได้แก่ apiKey, baseUrl, sampleRate, encoding (pcm, mulaw หรือ alaw), interimResults, endpointingMs และ language

Plugin xai ที่รวมมาด้วยลงทะเบียนเซสชันแบบเรียลไทม์ของ Grok Voice Agent สำหรับ โหมด Talk ผ่านสัญญา registerRealtimeVoiceProvider ที่ใช้ร่วมกัน

• ปลายทาง: wss://api.x.ai/v1/realtime?model=<voice-model>
• โมเดลเริ่มต้น: grok-voice-latest
• เสียงเริ่มต้น: eve
• การรับส่งข้อมูล: gateway-relay (เส้นทางรีเลย์ของ iOS, Android และ Control UI)
• เสียง: PCM16 24 kHz หรือ G.711 µ-law 8 kHz
• การพูดแทรก: VAD ของเซิร์ฟเวอร์ xAI ขัดจังหวะการตอบกลับ OpenClaw จะล้างการเล่นที่อยู่ในคิว และตัดประวัติของผู้ให้บริการที่ยังไม่ได้เล่นออก

กำหนดค่า Talk บน Gateway:

{  talk: {    realtime: {      provider: "xai",      mode: "realtime",      transport: "gateway-relay",      brain: "agent-consult",      providers: {        xai: {          model: "grok-voice-latest",          voice: "eve",          // เลือกใช้เฉพาะเมื่อยอมรับการเล่นเซสชันซ้ำในฝั่งผู้ให้บริการได้          sessionResumption: false,        },      },    },  },  env: { XAI_API_KEY: "xai-..." },}

การกำหนดค่าที่ผู้ให้บริการเป็นเจ้าของยังถูกแก้ค่าจาก plugins.entries.voice-call.config.realtime.providers.xai เมื่อ Voice Call หรือตัวเลือกแบบเรียลไทม์ที่ใช้ร่วมกันนำแมปผู้ให้บริการเดียวกันกลับมาใช้ คีย์ที่รองรับได้แก่ apiKey, baseUrl, model, voice, vadThreshold, silenceDurationMs, prefixPaddingMs, reasoningEffort และ sessionResumption reasoningEffort ยอมรับเฉพาะ high หรือ none ซึ่งตรงกับ API ของ xAI Voice Agent

VAD ของเซิร์ฟเวอร์ xAI จะสร้างการตอบกลับและจัดการการขัดจังหวะเสียงเสมอ ใช้ consultRouting: "provider-direct" โดยโปรโตคอล xAI Voice Agent ไม่รองรับการบังคับ กำหนดเส้นทางข้อความถอดเสียงและการปิดใช้งานการขัดจังหวะเสียงอินพุต

Plugin xAI ที่รวมมาด้วยเปิดเผย x_search เป็นเครื่องมือ OpenClaw สำหรับ ค้นหาเนื้อหาบน X (เดิมคือ Twitter) ผ่าน Grok

เส้นทางการกำหนดค่า: plugins.entries.xai.config.xSearch

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

Plugin xAI ที่รวมมาด้วยเปิดเผย code_execution เป็นเครื่องมือ OpenClaw สำหรับ การเรียกใช้โค้ดระยะไกลในสภาพแวดล้อมแซนด์บ็อกซ์ของ xAI

เส้นทางการกำหนดค่า: plugins.entries.xai.config.codeExecution

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

• การรับรองความถูกต้องของ xAI สามารถใช้คีย์ API, ตัวแปรสภาพแวดล้อม, การสำรองไปใช้การกำหนดค่าของ Plugin หรือ OAuth ด้วยบัญชี xAI ที่มีสิทธิ์ OAuth ใช้การยืนยันด้วยรหัสอุปกรณ์ โดยไม่มีคอลแบ็ก localhost xAI เป็นผู้กำหนดว่าบัญชีใด สามารถรับโทเค็น API ของ OAuth ได้ และหน้าคำยินยอมอาจแสดง Grok Build แม้ว่า OpenClaw จะไม่ต้องใช้แอป Grok Build
• ขณะนี้ OpenClaw ยังไม่เปิดให้ใช้ตระกูลโมเดลแบบหลายเอเจนต์ของ xAI โดย xAI ให้บริการโมเดลเหล่านี้ผ่าน Responses API แต่โมเดลเหล่านี้ไม่ยอมรับ เครื่องมือฝั่งไคลเอนต์หรือเครื่องมือแบบกำหนดเองที่ลูปเอเจนต์ร่วมของ OpenClaw ใช้ โปรดดู ข้อจำกัดของระบบหลายเอเจนต์ของ xAI
• ขณะนี้เสียงเรียลไทม์ของ xAI เปิดให้ใช้เฉพาะการรับส่ง Talk แบบรีเลย์ผ่าน Gateway เซสชัน WebSocket ของผู้ให้บริการที่เบราว์เซอร์เป็นเจ้าของยังไม่ได้เชื่อมต่อ ใน Control UI
• xAI image quality, image mask และอัตราส่วนภาพเพิ่มเติมที่ใช้ได้เฉพาะแบบเนทีฟ จะยังไม่เปิดให้ใช้จนกว่าเครื่องมือ image_generate ร่วมจะมี ตัวควบคุมข้ามผู้ให้บริการที่สอดคล้องกัน

• OpenClaw ใช้การแก้ไขความเข้ากันได้ของสคีมาเครื่องมือและการเรียกเครื่องมือ ที่เฉพาะเจาะจงสำหรับ xAI โดยอัตโนมัติบนเส้นทางรันเนอร์ร่วม
• คำขอ xAI แบบเนทีฟใช้ค่าเริ่มต้นเป็น tool_stream: true ตั้งค่า agents.defaults.models["xai/<model>"].params.tool_stream เป็น false เพื่อปิดใช้งาน
• ตัวห่อหุ้ม xAI ที่รวมมาให้จะตัดขอบเขตจำนวน contains ของสคีมาที่ไม่รองรับ และคีย์เพย์โหลด effort สำหรับการให้เหตุผลที่ไม่รองรับออกก่อนส่งคำขอ xAI แบบเนทีฟ Grok 4.5 รองรับ effort ระดับ low, medium และ high (ค่าเริ่มต้นคือ high) Grok 4.3 รองรับ none, low, medium และ high (ค่าเริ่มต้นคือ low) โมเดล xAI อื่นที่รองรับการให้เหตุผลไม่มี ตัวควบคุม effort ที่กำหนดค่าได้ แต่ยังคงขอ include: ["reasoning.encrypted_content"] เพื่อให้สามารถนำการให้เหตุผลที่เข้ารหัสไว้ก่อนหน้า มาเล่นซ้ำในรอบถัดไปได้
• web_search, x_search และ code_execution เปิดให้ใช้เป็นเครื่องมือของ OpenClaw OpenClaw จะแนบเฉพาะเครื่องมือในตัวของ xAI ที่แต่ละเครื่องมือต้องใช้ ไปกับคำขอของเครื่องมือนั้น แทนที่จะแนบเครื่องมือเนทีฟทั้งหมดไปกับ ทุกรอบการแชต
• Grok web_search อ่าน plugins.entries.xai.config.webSearch.baseUrl x_search อ่าน plugins.entries.xai.config.xSearch.baseUrl จากนั้น สำรองไปใช้ URL ฐานสำหรับการค้นหาเว็บของ Grok
• x_search และ code_execution อยู่ภายใต้การดูแลของ Plugin xAI ที่รวมมาให้ แทนที่จะฮาร์ดโค้ดไว้ในรันไทม์โมเดลหลัก
• code_execution คือการเรียกใช้ในแซนด์บ็อกซ์ xAI ระยะไกล ไม่ใช่ exec ภายในเครื่อง