ElevenLabs

OpenClaw використовує ElevenLabs для синтезу мовлення з тексту, пакетного розпізнавання мовлення за допомогою Scribe v2 і потокового розпізнавання мовлення за допомогою Scribe v2 Realtime. Plugin постачається в комплекті та ввімкнений за замовчуванням; крок plugins install не потрібен.

Автентифікація

Установіть ELEVENLABS_API_KEY у середовищі. XI_API_KEY також підтримується для сумісності з наявними інструментами ElevenLabs.

export ELEVENLABS_API_KEY="..."

Синтез мовлення з тексту

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

Установіть для modelId значення eleven_v3, щоб використовувати синтез мовлення ElevenLabs v3. OpenClaw зберігає eleven_multilingual_v2 як значення за замовчуванням для наявних інсталяцій.

Голосові канали Discord використовують потокову кінцеву точку синтезу мовлення ElevenLabs, коли ElevenLabs вибрано як постачальника voice.tts/messages.tts: відтворення починається з отриманого аудіопотоку, не очікуючи, поки OpenClaw спочатку завантажить увесь аудіофайл. latencyTier зіставляється з параметром запиту ElevenLabs optimize_streaming_latency для моделей, які його підтримують; OpenClaw не передає цей параметр для eleven_v3, оскільки ця модель його відхиляє.

Розпізнавання мовлення

Використовуйте Scribe v2 для вхідних аудіовкладень і коротких записаних голосових фрагментів:

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

OpenClaw надсилає багатокомпонентні аудіодані до кінцевої точки ElevenLabs /v1/speech-to-text із model_id: "scribe_v2". Підказки щодо мови, якщо вони наявні, зіставляються з language_code.

Потокове розпізнавання мовлення

Вбудований Plugin elevenlabs реєструє Scribe v2 Realtime для потокового розпізнавання мовлення у Voice Call і режимі агента 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",              },            },          },        },      },    },  },}

Для режиму агента Google Meet установіть plugins.entries.google-meet.config.realtime.transcriptionProvider у значення "elevenlabs" і налаштуйте такий самий блок постачальника в plugins.entries.google-meet.config.realtime.providers.elevenlabs.

Пов’язані матеріали

• Синтез мовлення з тексту
• Google Meet
• Вибір моделі