Google (Gemini)

Плагін Google надає доступ до моделей Gemini через Google AI Studio, а також генерування зображень, розпізнавання медіа (зображень/аудіо/відео), перетворення тексту на мовлення та вебпошук за допомогою Gemini Grounding.

• Постачальник: google
• Автентифікація: GEMINI_API_KEY або GOOGLE_API_KEY
• API: Google Gemini API
• Параметр середовища виконання: agentRuntime.id: "google-gemini-cli" повторно використовує OAuth Gemini CLI, зберігаючи канонічні посилання на моделі у вигляді google/*.

Початок роботи

Виберіть бажаний метод автентифікації та виконайте кроки налаштування.

openclaw onboard --auth-choice gemini-api-key

openclaw onboard --non-interactive \  --mode local \  --auth-choice gemini-api-key \  --gemini-api-key "$GEMINI_API_KEY"

{  agents: {    defaults: {      model: { primary: "google/gemini-3.1-pro-preview" },    },  },}

openclaw models list --provider google

# Homebrewbrew install gemini-cli # або npmnpm install -g @google/gemini-cli

openclaw models auth login --provider google-gemini-cli --set-default

openclaw models list --provider google

Можливості

Вебпошук

Вбудований постачальник вебпошуку gemini використовує прив’язування до Google Search через Gemini. Налаштуйте спеціальний ключ пошуку в plugins.entries.google.config.webSearch або дозвольте повторно використовувати models.providers.google.apiKey після GEMINI_API_KEY:

{  plugins: {    entries: {      google: {        config: {          webSearch: {            apiKey: "AIza...", // необов’язково, якщо задано GEMINI_API_KEY або models.providers.google.apiKey            baseUrl: "https://generativelanguage.googleapis.com/v1beta", // у разі відсутності використовується models.providers.google.baseUrl            model: "gemini-2.5-flash",          },        },      },    },  },}

Пріоритет облікових даних: спеціальний webSearch.apiKey, потім GEMINI_API_KEY, а далі models.providers.google.apiKey. webSearch.baseUrl є необов’язковим і призначений для проксі-серверів оператора або сумісних кінцевих точок Gemini API; якщо його не задано, вебпошук Gemini повторно використовує models.providers.google.baseUrl. Поведінку інструмента, специфічну для постачальника, описано в розділі Пошук Gemini.

Генерування зображень

Вбудований постачальник генерування зображень google за замовчуванням використовує google/gemini-3.1-flash-image-preview.

• Також підтримується google/gemini-3-pro-image-preview
• Генерування: до 4 зображень на запит
• Режим редагування: увімкнено, до 5 вхідних зображень
• Параметри геометрії: size, aspectRatio і resolution

Щоб використовувати Google як постачальника зображень за замовчуванням:

{  agents: {    defaults: {      imageGenerationModel: {        primary: "google/gemini-3.1-flash-image-preview",      },    },  },}

Генерування відео

Вбудований плагін google також реєструє генерування відео через спільний інструмент video_generate.

• Модель відео за замовчуванням: google/veo-3.1-fast-generate-preview
• Режими: перетворення тексту на відео, зображення на відео та процеси з одним еталонним відео
• Підтримуються aspectRatio (16:9, 9:16) і resolution (720P, 1080P); наразі Veo не підтримує виведення аудіо
• Підтримувана тривалість: 4, 6 або 8 секунд (інші значення округлюються до найближчого дозволеного значення)

Щоб використовувати Google як постачальника відео за замовчуванням:

{  agents: {    defaults: {      videoGenerationModel: {        primary: "google/veo-3.1-fast-generate-preview",      },    },  },}

Генерування музики

Вбудований плагін google також реєструє генерування музики через спільний інструмент music_generate.

• Модель музики за замовчуванням: google/lyria-3-clip-preview
• Також підтримується google/lyria-3-pro-preview
• Керування запитом: lyrics і instrumental
• Формат виведення: за замовчуванням mp3, а також wav у google/lyria-3-pro-preview
• Еталонні вхідні дані: до 10 зображень
• Запуски на основі сеансу від’єднуються через спільний процес завдань і станів, зокрема action: "status"

Щоб використовувати Google як постачальника музики за замовчуванням:

{  agents: {    defaults: {      musicGenerationModel: {        primary: "google/lyria-3-clip-preview",      },    },  },}

Перетворення тексту на мовлення

Вбудований постачальник мовлення google використовує шлях TTS Gemini API з gemini-3.1-flash-tts-preview.

• Голос за замовчуванням: Kore
• Автентифікація: messages.tts.providers.google.apiKey, models.providers.google.apiKey, GEMINI_API_KEY або GOOGLE_API_KEY
• Виведення: WAV для звичайних вкладень TTS, Opus для цільових голосових повідомлень, PCM для Talk/телефонії
• Виведення голосових повідомлень: PCM від Google обгортається у WAV і транскодується в Opus із частотою 48 кГц за допомогою ffmpeg

Пакетний шлях Gemini TTS від Google повертає згенероване аудіо в завершеній відповіді generateContent. Для голосових розмов із найнижчою затримкою використовуйте постачальника голосу Google у реальному часі на основі Gemini Live API замість пакетного TTS.

Щоб використовувати Google як постачальника TTS за замовчуванням:

{  messages: {    tts: {      auto: "always",      provider: "google",      providers: {        google: {          model: "gemini-3.1-flash-tts-preview",          speakerVoice: "Kore",          audioProfile: "Говоріть професійно спокійним тоном.",        },      },    },  },}

Gemini API TTS використовує запити природною мовою для керування стилем. Установіть audioProfile, щоб додати багаторазовий запит стилю перед озвучуваним текстом. Установіть speakerName, якщо текст запиту посилається на названого мовця.

Gemini API TTS також приймає виразні аудіотеги у квадратних дужках у тексті, як-от [whispers] або [laughs]. Щоб теги не відображалися у видимій відповіді чату, але надсилалися до TTS, розмістіть їх усередині блока [[tts:text]]...[[/tts:text]]:

Ось чистий текст відповіді. [[tts:text]][whispers] Ось озвучена версія.[[/tts:text]]

Голос у реальному часі

Вбудований плагін google реєструє постачальника голосу в реальному часі на основі Gemini Live API для серверних аудіомостів, як-от Voice Call і Google Meet.

Приклад конфігурації Voice Call для роботи в реальному часі:

{  plugins: {    entries: {      "voice-call": {        enabled: true,        config: {          realtime: {            enabled: true,            provider: "google",            providers: {              google: {                model: "gemini-3.1-flash-live-preview",                speakerVoice: "Kore",                activityHandling: "start-of-activity-interrupts",                turnCoverage: "audio-activity-and-all-video",              },            },          },        },      },    },  },}

Для перевірки в реальному середовищі супровідником виконайте OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts. Ця димова перевірка також охоплює серверні шляхи/WebRTC OpenAI; частина Google створює токен Live API тієї самої обмеженої форми, яку використовує Talk у Control UI, відкриває браузерну кінцеву точку WebSocket, надсилає початкові дані налаштування та очікує на setupComplete.

Розширена конфігурація

{  agents: {    defaults: {      models: {        "google/gemini-2.5-pro": {          params: {            cachedContent: "cachedContents/prebuilt-context",          },        },      },    },  },}

Пов’язані матеріали