ElevenLabs

OpenClaw 使用 ElevenLabs 进行文本转语音、通过 Scribe v2 进行批量语音转文本，以及通过 Scribe v2 Realtime 进行流式 STT。该插件已内置且默认启用；无需执行 plugins install 步骤。

身份验证

在环境中设置 ELEVENLABS_API_KEY。为兼容现有 ElevenLabs 工具，也接受 XI_API_KEY。

export ELEVENLABS_API_KEY="..."

文本转语音

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

将 modelId 设置为 eleven_v3 即可使用 ElevenLabs v3 TTS。对于现有安装，OpenClaw 仍将 eleven_multilingual_v2 保持为默认值。

当 ElevenLabs 是所选的 voice.tts/tts 提供商时，Discord 语音频道会使用 ElevenLabs 的流式 TTS 端点：播放直接从返回的音频流开始，而不是先等待 OpenClaw 下载完整音频文件。对于支持该参数的模型，latencyTier 会映射到 ElevenLabs 的 optimize_streaming_latency 查询参数；对于会拒绝该参数的 eleven_v3，OpenClaw 会省略此参数。

语音转文本

对入站音频附件和短时录制语音片段使用 Scribe v2：

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

OpenClaw 使用 model_id: "scribe_v2" 将 multipart 音频发送到 ElevenLabs /v1/speech-to-text。如果存在语言提示，则会映射到 language_code。

流式 STT

内置的 elevenlabs 插件为语音通话和 Google Meet Agent 模式流式转录注册 Scribe v2 Realtime。

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

对于 Google Meet Agent 模式，将 plugins.entries.google-meet.config.realtime.transcriptionProvider 设置为 "elevenlabs"，并在 plugins.entries.google-meet.config.realtime.providers.elevenlabs 下配置相同的提供商块。

相关内容

• 文本转语音
• Google Meet
• 模型选择