Deepgram

Deepgram 是一个语音转文本 API。OpenClaw 通过 tools.media.audio 使用它转录入站音频/语音消息，并通过 plugins.entries.voice-call.config.streaming 将其用于语音通话流式 STT。

批量转录会将完整音频文件上传到 Deepgram，并将转录文本注入回复流水线（{{Transcript}} + [Audio] 块）。 语音通话流式传输通过 Deepgram 的 WebSocket listen 端点转发实时 G.711 u-law 帧，并在 Deepgram 返回部分/最终转录文本时将其发出。

入门指南

DEEPGRAM_API_KEY=dg_...

{  tools: {    media: {      audio: {        enabled: true,        models: [{ provider: "deepgram", model: "nova-3" }],      },    },  },}

配置选项

providerOptions.deepgram 会将额外查询参数直接合并到 Deepgram /listen 请求中，因此可以使用 Deepgram 支持的任意参数名称 （例如 detect_language、punctuate、smart_format）：

{  tools: {    media: {      audio: {        enabled: true,        models: [{ provider: "deepgram", model: "nova-3", language: "en" }],      },    },  },}

{  tools: {    media: {      audio: {        enabled: true,        providerOptions: {          deepgram: {            detect_language: true,            punctuate: true,            smart_format: true,          },        },        models: [{ provider: "deepgram", model: "nova-3" }],      },    },  },}

语音通话流式 STT

内置的 deepgram 插件还会为语音通话插件注册实时转录提供商。

{  plugins: {    entries: {      "voice-call": {        config: {          streaming: {            enabled: true,            provider: "deepgram",            providers: {              deepgram: {                apiKey: "${DEEPGRAM_API_KEY}",                model: "nova-3",                endpointingMs: 800,                language: "en-US",              },            },          },        },      },    },  },}

对于 Deepgram 自定义端点， 将 baseUrl 设置为端点根地址，包括任何基础路径，但不包括 /listen。 实时端点接受 http://、https://、ws:// 和 wss://。HTTP 映射到 WS，HTTPS 映射到 WSS，而显式 WebSocket 协议保持不变。 格式错误的 URL 和其他协议会导致会话设置失败。

注意事项

相关内容