快速开始

文本转语音

OpenClaw 可通过 14 个语音提供商将出站回复转换为音频：在 Feishu、Matrix、Telegram 和 WhatsApp 上发送原生语音消息；在其他平台上发送音频附件；并为电话和 Talk 提供 PCM/Ulaw 流。

TTS 是 Talk 的 stt-tts 模式中的语音输出部分（talk.speak 调用相同的合成路径）。使用提供商原生 realtime 的 Talk 会话则在实时提供商内部合成语音；transcription 会话绝不会合成智能体语音回复。

快速开始

选择提供商

OpenAI 和 ElevenLabs 是最可靠的托管选项。Microsoft 和 Local CLI 无需 API key 即可工作。完整列表请参阅提供商矩阵。

设置 API key

导出你的提供商所需的环境变量（例如 OPENAI_API_KEY、 ELEVENLABS_API_KEY）。Microsoft 和 Local CLI 无需密钥。

在配置中启用

设置 messages.tts.auto: "always" 和 messages.tts.provider：

json5

{  messages: {    tts: {      auto: "always",      provider: "elevenlabs",    },  },}

在聊天中试用

/tts status 显示当前状态。/tts audio Hello from OpenClaw 会发送一条一次性音频回复。

支持的提供商

提供商	身份验证	说明
Azure Speech	`AZURE_SPEECH_KEY` + `AZURE_SPEECH_REGION`（也支持 `AZURE_SPEECH_API_KEY`、`SPEECH_KEY`、`SPEECH_REGION`）	原生 Ogg/Opus 语音留言输出和电话输出。
DeepInfra	`DEEPINFRA_API_KEY`	与 OpenAI 兼容的 TTS。默认为 `hexgrad/Kokoro-82M`。
ElevenLabs	`ELEVENLABS_API_KEY` 或 `XI_API_KEY`	支持语音克隆、多语言和通过 `seed` 实现确定性；为 Discord 语音播放提供流式传输。
Google Gemini	`GEMINI_API_KEY` 或 `GOOGLE_API_KEY`	Gemini API 批量 TTS；通过 `promptTemplate: "audio-profile-v1"` 感知角色设定。
Gradium	`GRADIUM_API_KEY`	语音留言和电话输出。
Inworld	`INWORLD_API_KEY`	流式 TTS API。支持原生 Opus 语音留言和 PCM 电话音频。
Local CLI	无	运行已配置的本地 TTS 命令。
Microsoft	无	通过 `node-edge-tts` 使用公开的 Edge 神经网络 TTS。尽力而为，不提供 SLA。
MiniMax	`MINIMAX_API_KEY`（或 Token Plan：`MINIMAX_OAUTH_TOKEN`、`MINIMAX_CODE_PLAN_KEY`、`MINIMAX_CODING_API_KEY`）	T2A v2 API。默认为 `speech-2.8-hd`。
OpenAI	`OPENAI_API_KEY`	也用于自动摘要；支持角色 `instructions`。
OpenRouter	`OPENROUTER_API_KEY`（可复用 `models.providers.openrouter.apiKey`）	默认模型为 `hexgrad/kokoro-82m`。
Volcengine	`VOLCENGINE_TTS_API_KEY` 或 `BYTEPLUS_SEED_SPEECH_API_KEY`（旧版 AppID/token：`VOLCENGINE_TTS_APPID`/`_TOKEN`）	BytePlus Seed Speech HTTP API。
Vydra	`VYDRA_API_KEY`	共享的图像、视频和语音提供商。
xAI	`XAI_API_KEY`	xAI 批量 TTS。不支持原生 Opus 语音留言。
Xiaomi MiMo	`XIAOMI_API_KEY`	通过 Xiaomi 聊天补全使用 MiMo TTS。

如果配置了多个提供商，会优先使用选定的提供商，其他提供商则作为后备选项。自动摘要使用 summaryModel（或 agents.defaults.model.primary），因此如果你保持摘要功能启用，该提供商也必须完成身份验证。

配置

TTS 配置位于 ~/.openclaw/openclaw.json 的 messages.tts 下。选择一个预设并调整提供商配置块。下面所示的 speakerVoice/speakerVoiceId 字段是规范字段；每个提供商自身的 voice/voiceId/ voiceName 字段名仍可作为旧版别名使用。

Azure Speech

json5

{messages: {tts: {  auto: "always",  provider: "azure-speech",  providers: {    "azure-speech": {      apiKey: "${AZURE_SPEECH_KEY}",      region: "eastus",      speakerVoice: "en-US-JennyNeural",      lang: "en-US",      outputFormat: "audio-24khz-48kbitrate-mono-mp3",      voiceNoteOutputFormat: "ogg-24khz-16bit-mono-opus",    },  },},},}

ElevenLabs

json5

{messages: {tts: {  auto: "always",  provider: "elevenlabs",  providers: {    elevenlabs: {      apiKey: "${ELEVENLABS_API_KEY}",      model: "eleven_multilingual_v2",      speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",    },  },},},}

Google Gemini

json5

{messages: {tts: {  auto: "always",  provider: "google",  providers: {    google: {      apiKey: "${GEMINI_API_KEY}",      model: "gemini-3.1-flash-tts-preview",      speakerVoice: "Kore",      // 可选的自然语言风格提示：      // audioProfile: "使用平静的播客主持人口吻说话。",      // speakerName: "Alex",    },  },},},}

Gradium

json5

{messages: {tts: {  auto: "always",  provider: "gradium",  providers: {    gradium: {      apiKey: "${GRADIUM_API_KEY}",      speakerVoiceId: "YTpq7expH9539ERJ",    },  },},},}

Inworld

json5

{messages: {tts: {  auto: "always",  provider: "inworld",  providers: {    inworld: {      apiKey: "${INWORLD_API_KEY}",      modelId: "inworld-tts-1.5-max",      speakerVoiceId: "Sarah",      temperature: 0.7,    },  },},},}

Local CLI

json5

{messages: {tts: {  auto: "always",  provider: "tts-local-cli",  providers: {    "tts-local-cli": {      command: "say",      args: ["-o", "{{OutputPath}}", "{{Text}}"],      outputFormat: "wav",      timeoutMs: 120000,    },  },},},}

Microsoft（无需密钥）

json5

{messages: {tts: {  auto: "always",  provider: "microsoft",  providers: {    microsoft: {      enabled: true,      speakerVoice: "en-US-MichelleNeural",      lang: "en-US",      outputFormat: "audio-24khz-48kbitrate-mono-mp3",      rate: "+0%",      pitch: "+0%",    },  },},},}

MiniMax

json5

{messages: {tts: {  auto: "always",  provider: "minimax",  providers: {    minimax: {      apiKey: "${MINIMAX_API_KEY}",      model: "speech-2.8-hd",      speakerVoiceId: "English_expressive_narrator",      speed: 1.0,      vol: 1.0,      pitch: 0,    },  },},},}

OpenAI + ElevenLabs

json5

{messages: {tts: {  auto: "always",  provider: "openai",  summaryModel: "openai/gpt-4.1-mini",  modelOverrides: { enabled: true },  providers: {    openai: {      apiKey: "${OPENAI_API_KEY}",      model: "gpt-4o-mini-tts",      speakerVoice: "alloy",    },    elevenlabs: {      apiKey: "${ELEVENLABS_API_KEY}",      model: "eleven_multilingual_v2",      speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",      voiceSettings: { stability: 0.5, similarityBoost: 0.75, style: 0.0, useSpeakerBoost: true, speed: 1.0 },      applyTextNormalization: "auto",      languageCode: "en",    },  },},},}

OpenRouter

json5

{messages: {tts: {  auto: "always",  provider: "openrouter",  providers: {    openrouter: {      apiKey: "${OPENROUTER_API_KEY}",      model: "hexgrad/kokoro-82m",      speakerVoice: "af_alloy",      responseFormat: "mp3",    },  },},},}

Volcengine

json5

{messages: {tts: {  auto: "always",  provider: "volcengine",  providers: {    volcengine: {      apiKey: "${VOLCENGINE_TTS_API_KEY}",      resourceId: "seed-tts-1.0",      speakerVoice: "en_female_anna_mars_bigtts",    },  },},},}

xAI

json5

{messages: {tts: {  auto: "always",  provider: "xai",  providers: {    xai: {      apiKey: "${XAI_API_KEY}",      speakerVoiceId: "eve",      language: "en",      responseFormat: "mp3",    },  },},},}

Xiaomi MiMo

json5

{messages: {tts: {  auto: "always",  provider: "xiaomi",  providers: {    xiaomi: {      apiKey: "${XIAOMI_API_KEY}",      model: "mimo-v2.5-tts",      speakerVoice: "mimo_default",      format: "mp3",    },  },},},}

对于 Xiaomi mimo-v2.5-tts-voicedesign，请省略 speakerVoice，并将 style 设置为语音设计提示词。OpenClaw 会将该提示词作为 TTS user 消息发送，并且不会为 voicedesign 模型发送 audio.voice。

按智能体覆盖语音设置

使用 agents.list[].tts，可让某个智能体使用不同的提供商、语音、模型、角色设定或自动 TTS 模式进行语音输出。智能体配置块会深度合并并覆盖 messages.tts，因此提供商凭据可以保留在全局提供商配置中：

json5

{  messages: {    tts: {      auto: "always",      provider: "elevenlabs",      providers: {        elevenlabs: { apiKey: "${ELEVENLABS_API_KEY}", model: "eleven_multilingual_v2" },      },    },  },  agents: {    list: [      {        id: "reader",        tts: {          providers: {            elevenlabs: { speakerVoiceId: "EXAVITQu4vr4xnSDxMaL" },          },        },      },    ],  },}

要为每个智能体固定角色设定，请在提供商配置旁设置 agents.list[].tts.persona——它仅为该智能体覆盖全局 messages.tts.persona。

自动回复、/tts audio、/tts status 和 tts 智能体工具的优先级顺序如下：

messages.tts
当前的 agents.list[].tts
渠道覆盖配置（当渠道支持 channels.<channel>.tts 时）
账号覆盖配置（当渠道传递 channels.<channel>.accounts.<id>.tts 时）
此主机的本地 /tts 偏好设置
启用模型覆盖时的内联 [[tts:...]] 指令

渠道和账号覆盖配置使用与 messages.tts 相同的结构，并深度合并覆盖之前的层级，因此共享的提供商凭据可以保留在 messages.tts 中，而渠道或 Bot 账号仅更改说话人语音、模型、角色设定或自动模式：

json5

{  messages: {    tts: {      provider: "openai",      providers: {        openai: { apiKey: "${OPENAI_API_KEY}", model: "gpt-4o-mini-tts" },      },    },  },  channels: {    feishu: {      accounts: {        english: {          tts: {            providers: {              openai: { speakerVoice: "shimmer" },            },          },        },      },    },  },}

角色设定

角色设定是一种稳定的语音身份，可在不同提供商之间以确定性方式应用。它可以指定首选提供商、定义与提供商无关的提示意图，并携带针对特定提供商的语音、模型、提示模板、种子和语音设置绑定。

最小角色设定

json5

{  messages: {    tts: {      auto: "always",      persona: "narrator",      personas: {        narrator: {          label: "旁白",          provider: "elevenlabs",          providers: {            elevenlabs: {              speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",              modelId: "eleven_multilingual_v2",            },          },        },      },    },  },}

完整角色设定（与提供商无关的提示）

json5

{  messages: {    tts: {      auto: "always",      persona: "alfred",      personas: {        alfred: {          label: "Alfred",          description: "冷幽默、温和的英式管家旁白。",          provider: "google",          fallbackPolicy: "preserve-persona",          prompt: {            profile: "一位才华横溢的英国管家。冷幽默、机智、温和、迷人、情感丰富，绝不千篇一律。",            scene: "深夜安静的书房。为可信任的操作员进行近距离收音旁白。",            sampleContext: "说话人正以简洁的自信和冷幽默式的温和语气回答一项私密的技术请求。",            style: "优雅、克制，略带笑意。",            accent: "英式英语。",            pacing: "节奏从容，带有短暂的戏剧性停顿。",            constraints: ["不要大声读出配置值。", "不要解释角色设定。"],          },          providers: {            google: {              model: "gemini-3.1-flash-tts-preview",              speakerVoice: "Algieba",              promptTemplate: "audio-profile-v1",            },            openai: { model: "gpt-4o-mini-tts", speakerVoice: "cedar" },            elevenlabs: {              speakerVoiceId: "voice_id",              modelId: "eleven_multilingual_v2",              seed: 42,              voiceSettings: {                stability: 0.65,                similarityBoost: 0.8,                style: 0.25,                useSpeakerBoost: true,                speed: 0.95,              },            },          },        },      },    },  },}

角色设定解析

当前角色设定按以下确定性顺序选择：

/tts persona <id> 本地偏好设置（如果已设置）。
messages.tts.persona（如果已设置）。
不使用角色设定。

提供商选择采用显式优先原则：

直接覆盖配置（CLI、Gateway 网关、Talk、允许的 TTS 指令）。
/tts provider <id> 本地偏好设置。
当前角色设定的 provider。
messages.tts.provider。
注册表自动选择。

每次尝试提供商时，OpenClaw 按以下顺序合并配置：

messages.tts.providers.<id>
messages.tts.personas.<persona>.providers.<id>
可信请求覆盖配置
允许的模型生成 TTS 指令覆盖配置

提供商如何使用角色设定提示

角色设定提示字段（profile、scene、sampleContext、style、accent、pacing、constraints）与提供商无关。每个提供商自行决定如何使用这些字段：

Google Gemini

仅当有效的 Google 提供商配置设置了 promptTemplate: "audio-profile-v1" 或 personaPrompt 时，才会将角色设定提示字段封装到 Gemini TTS 提示结构中。较旧的 audioProfile 和 speakerName 字段仍会作为 Google 特有的提示文本添加到开头。[[tts:text]] 块中的 [whispers] 或 [laughs] 等内联音频标签会保留在 Gemini 文本中；OpenClaw 不会生成这些标签。

OpenAI

仅当未配置显式的 OpenAI instructions 时，才会将角色设定提示字段映射到请求的 instructions 字段。显式的 instructions 始终优先。

其他提供商

仅使用 personas.<id>.providers.<provider> 下特定于提供商的角色设定绑定。除非提供商实现了自己的角色设定提示映射，否则会忽略角色设定提示字段。

回退策略

当角色设定对尝试的提供商没有绑定时，fallbackPolicy 控制其行为：

策略	行为
`preserve-persona`	默认值。与提供商无关的提示字段仍然可用；提供商可以使用或忽略它们。
`provider-defaults`	本次尝试的提示准备过程会忽略角色设定；提供商使用其中性默认值，同时继续回退到其他提供商。
`fail`	跳过本次提供商尝试，并设置 `reasonCode: "not_configured"` 和 `personaBinding: "missing"`。仍会尝试回退提供商。

只有当尝试的所有提供商都被跳过或失败时，整个 TTS 请求才会失败。

Talk 会话的提供商选择仅限当前会话。Talk 客户端应从 talk.catalog 中选择提供商 ID、模型 ID、语音 ID 和区域设置，并通过 Talk 会话或移交请求传递这些值。打开语音会话不应修改 messages.tts 或全局 Talk 提供商默认值。

模型驱动指令

默认情况下，助手可以生成 [[tts:...]] 指令，为单次回复覆盖语音、模型或速度，还可使用可选的 [[tts:text]]...[[/tts:text]] 块添加仅应出现在音频中的表现力提示：

text

给你。 [[tts:speakerVoiceId=pMsXgVXv3BLzUgSXRplE model=eleven_v3 speed=1.1]][[tts:text]]（笑）再读一遍这首歌。[[/tts:text]]

当 messages.tts.auto 为 "tagged" 时，必须存在指令才能触发音频。分块流式传输会在渠道看到可见文本之前移除指令，即使指令被拆分到相邻的块中也是如此。

除非设置 modelOverrides.allowProvider: true，否则会忽略 provider=...。当回复声明 provider=... 时，该指令中的其他键仅由该提供商解析；不支持的键会被移除，并报告为 TTS 指令警告。

可用的指令键：

provider（已注册的提供商 ID；需要 allowProvider: true）
speakerVoice / speakerVoiceId（旧版别名：voice、voiceName、voice_name、google_voice、voiceId）
model / google_model
stability、similarityBoost、style、speed、useSpeakerBoost
vol / volume（MiniMax 音量，(0, 10]）
pitch（MiniMax 整数音高，−12 到 12；小数值会被截断）
emotion（Volcengine 情绪标签）
applyTextNormalization（auto|on|off）
languageCode（ISO 639-1）
seed

完全禁用模型覆盖：

json5

{ messages: { tts: { modelOverrides: { enabled: false } } } }

允许切换提供商，同时保持其他选项可配置：

json5

{ messages: { tts: { modelOverrides: { enabled: true, allowProvider: true, allowSeed: false } } } }

斜杠命令

使用单一命令 /tts。在 Discord 上，OpenClaw 还会注册 /voice，因为 /tts 是 Discord 内置命令——文本形式的 /tts ... 仍然有效。

text

/tts off | on | status/tts chat on | off | default/tts latest/tts provider <id>/tts persona <id> | off/tts limit <chars>/tts summary off/tts audio <text>

行为说明：

/tts on 将本地 TTS 偏好设置写为 always；/tts off 将其写为 off。
/tts chat on|off|default 为当前聊天写入会话范围的自动 TTS 覆盖设置。
/tts persona <id> 写入本地角色设定偏好；/tts persona off 将其清除。
/tts latest 从当前会话记录中读取最新的助手回复，并将其作为音频发送一次。它仅在会话条目中存储该回复的哈希值，以避免重复发送语音。
/tts audio 生成一次性音频回复（不会开启 TTS）。
/tts limit <chars> 接受 100–4096（4096 是 Telegram 字幕/消息的最大长度）；超出该范围的值会被拒绝。
limit 和 summary 存储在本地偏好设置中，而不是主配置中。
/tts status 包含最新一次尝试的回退诊断信息——Fallback: <primary> -> <used>、Attempts: ...，以及每次尝试的详细信息（provider:outcome(reasonCode) latency）。
启用 TTS 后，/status 会显示当前 TTS 模式，以及已配置的提供商、模型、语音和经过清理的自定义端点元数据。

每用户偏好设置

斜杠命令会将本地覆盖配置写入 prefsPath。默认路径为 ~/.openclaw/settings/tts.json；可使用 OPENCLAW_TTS_PREFS 环境变量或 messages.tts.prefsPath 覆盖。

存储字段	作用
`auto`	本地自动 TTS 覆盖设置（`always`、`off` 等）
`provider`	本地主提供商覆盖设置
`persona`	本地角色设定覆盖设置
`maxLength`	摘要/截断阈值（默认 `1500` 个字符，`/tts limit` 范围为 100–4096）
`summarize`	摘要开关（默认为 `true`）

这些设置会覆盖此主机上由 messages.tts 与当前 agents.list[].tts 配置块共同产生的有效配置。

输出格式

TTS 语音发送由渠道能力驱动。渠道插件会声明：语音风格的 TTS 是否应要求提供商使用原生 voice-note 目标，还是保持常规 audio-file 合成；以及渠道是否会在发送前对非原生输出进行转码。

目标	格式
Feishu / Matrix / Telegram / WhatsApp	语音消息回复优先使用 Opus（ElevenLabs 的 `opus_48000_64`、OpenAI 的 `opus`）。48 kHz / 64 kbps 在清晰度和大小之间取得平衡。
其他渠道	MP3（ElevenLabs 的 `mp3_44100_128`、OpenAI 的 `mp3`）。44.1 kHz / 128 kbps 是语音的默认平衡方案。
Talk / 电话	提供商原生 PCM（Inworld 为 22050 Hz，Google 为 24 kHz），或用于电话的 Gradium `ulaw_8000`。

各提供商说明：

**Feishu / WhatsApp 转码：**当语音消息回复以 MP3/WebM/WAV/M4A 或其他可能的音频文件形式生成时，渠道插件会在发送原生语音消息前，使用 ffmpeg（libopus，64 kbps）将其转码为 48 kHz Ogg/Opus。WhatsApp 通过 Baileys audio 载荷发送结果，并设置 ptt: true 和 audio/ogg; codecs=opus。转码失败时：Feishu 会捕获错误，并回退为将原始文件作为普通附件发送；WhatsApp 没有回退机制，因此发送操作本身会失败，而不会发布不兼容的 PTT 载荷。
**MiniMax：**常规音频附件使用 MP3（speech-2.8-hd 模型，32 kHz 采样率）；对于渠道声明的语音消息目标，使用 ffmpeg 转码为 48 kHz Opus。
**Xiaomi MiMo：**默认使用 MP3，配置后也可使用 WAV；对于渠道声明的语音消息目标，使用 ffmpeg 转码为 48 kHz Opus。
**本地 CLI：**使用配置的 outputFormat。语音消息目标会转换为 Ogg/Opus，电话输出会使用 ffmpeg 转换为原始 16 kHz 单声道 PCM。
**Google Gemini：**返回原始 24 kHz PCM。OpenClaw 将其封装为 WAV 以用作音频附件，针对语音消息目标转码为 48 kHz Opus，并针对 Talk/电话直接返回 PCM。
**Gradium：**音频附件使用 WAV，语音消息目标使用 Opus，电话使用 8 kHz 的 ulaw_8000。
**Inworld：**常规音频附件使用 MP3，语音消息目标使用原生 OGG_OPUS，Talk/电话使用 22050 Hz 的原始 PCM。
**xAI：**默认使用 MP3；responseFormat 可以是 mp3、wav、pcm、mulaw 或 alaw。使用 xAI 的批量 REST TTS 端点并返回完整的音频附件；此提供商路径不使用 xAI 的流式 TTS WebSocket。不支持原生 Opus 语音消息格式。
**Microsoft：**使用 microsoft.outputFormat（默认值为 audio-24khz-48kbitrate-mono-mp3）。
- 内置传输层接受 outputFormat，但服务不一定提供所有格式。
- 输出格式值遵循 Microsoft Speech 输出格式（包括 Ogg/WebM Opus）。
- Telegram sendVoice 接受 OGG/MP3/M4A；如果需要有保证的 Opus 语音消息，请使用 OpenAI/ElevenLabs。
- 如果配置的 Microsoft 输出格式失败，OpenClaw 会使用 MP3 重试。
- 如果未设置显式语音覆盖并使用默认英语语音，当回复文本以 CJK 字符为主时，OpenClaw 会自动切换到中文神经网络语音（zh-CN-XiaoxiaoNeural，zh-CN 区域设置）。

OpenAI 和 ElevenLabs 的输出格式按上表针对各渠道固定。

自动 TTS 行为

启用 messages.tts.auto 后，OpenClaw 会：

如果回复已包含结构化媒体，则跳过 TTS。
跳过非常短的回复（少于 10 个字符）。
启用摘要时，对长回复进行摘要，使用 summaryModel（或 agents.defaults.model.primary）。
将生成的音频附加到回复中。
在 mode: "final" 中，文本流完成后，仍会为流式最终回复发送纯音频 TTS；生成的媒体会经过与常规回复附件相同的渠道媒体规范化处理。

如果回复超过 maxLength，OpenClaw 绝不会直接跳过音频：

开启摘要（默认）且摘要模型可用：将文本摘要为大约 maxLength 个字符，然后合成摘要。
关闭摘要、摘要失败或摘要模型没有可用的 API 密钥：将文本截断为 maxLength 个字符，并合成截断后的文本。

text

回复 -> 是否启用 TTS？  否  -> 发送文本  是 -> 有媒体 / 内容很短？          是 -> 发送文本          否  -> 长度 > 限制？                   否  -> TTS -> 附加音频                   是 -> 摘要已启用且可用？                            否  -> 截断 -> TTS -> 附加音频                            是 -> 摘要 -> TTS -> 附加音频

字段参考

顶层 messages.tts.*

auto"off" | "always" | "inbound" | "tagged"

自动 TTS 模式。inbound 仅在收到语音消息后发送音频；tagged 仅在回复包含 [[tts:...]] 指令或 [[tts:text]] 块时发送音频。

enabledboolean

旧版开关。openclaw doctor --fix 会将其迁移到 auto。

mode"final" | "all"default: final

除最终回复外，"all" 还包括工具/分块回复。

providerstring

语音提供商 ID。未设置时，OpenClaw 使用注册表自动选择顺序中第一个已配置的提供商。旧版 provider: "edge" 会由 openclaw doctor --fix 重写为 "microsoft"。

personastring

来自 personas 的活动角色 ID。规范化为小写。

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InBlcnNvbmFzLjxpZA " type="object"> 稳定的语音身份。字段：label、description、provider、fallbackPolicy、prompt、providers.<provider>。请参阅角色。

summaryModelstring

用于自动摘要的低成本模型；默认为 agents.defaults.model.primary。接受 provider/model 或已配置的模型别名。

modelOverridesobject

允许模型发出 TTS 指令。enabled 默认为 true；allowProvider 默认为 false。

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InByb3ZpZGVycy48aWQ " type="object"> 按语音提供商 ID 设置键名的提供商自有设置。旧版直接配置块（messages.tts.openai、.elevenlabs、.microsoft、.edge）会由 openclaw doctor --fix 重写；仅提交 messages.tts.providers.<id>。

maxTextLengthnumberdefault: 4096

TTS 输入字符数的硬性上限。超过此限制时，/tts audio、tts.convert 和 tts.speak 会失败。

timeoutMsnumberdefault: 30000

请求超时时间（毫秒）。设置后，单次调用的 timeoutMs（智能体工具、Gateway 网关）优先；否则，显式配置的 messages.tts.timeoutMs 优先于插件定义的任何提供商默认值。

prefsPathstring

覆盖本地偏好设置 JSON 路径（提供商/限制/摘要）。默认值为 ~/.openclaw/settings/tts.json。

Azure Speech

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg 环境变量：AZURE_SPEECH_KEY、AZURE_SPEECH_API_KEY 或 SPEECH_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJlZ2lvbiIgdHlwZT0ic3RyaW5nIg Azure Speech 区域（例如 eastus）。环境变量：AZURE_SPEECH_REGION 或 SPEECH_REGION。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImVuZHBvaW50IiB0eXBlPSJzdHJpbmci 可选的 Azure Speech 端点覆盖（别名 baseUrl）。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg Azure 语音 ShortName。默认值为 en-US-JennyNeural。旧版别名：voice。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImxhbmciIHR5cGU9InN0cmluZyI SSML 语言代码。默认值为 en-US。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im91dHB1dEZvcm1hdCIgdHlwZT0ic3RyaW5nIg 用于标准音频的 Azure X-Microsoft-OutputFormat。默认值为 audio-24khz-48kbitrate-mono-mp3。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InZvaWNlTm90ZU91dHB1dEZvcm1hdCIgdHlwZT0ic3RyaW5nIg 用于语音消息输出的 Azure X-Microsoft-OutputFormat。默认值为 ogg-24khz-16bit-mono-opus。 OPENCLAW_DOCS_MARKER:paramClose:

ElevenLabs

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg 回退到 ELEVENLABS_API_KEY 或 XI_API_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci 模型 ID。默认值为 eleven_multilingual_v2。旧版 ID eleven_turbo_v2_5/eleven_turbo_v2 会规范化为对应的 flash 模型。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZUlkIiB0eXBlPSJzdHJpbmci ElevenLabs 语音 ID。默认值为 pMsXgVXv3BLzUgSXRplE。旧版别名：voiceId。 OPENCLAW_DOCS_MARKER:paramClose:

voiceSettingsobject

stability、similarityBoost、style（每项为 0..1，默认值分别为 0.5/0.75/0）、useSpeakerBoost（true|false，默认值为 true）、speed（0.5..2.0，默认值为 1.0）。

applyTextNormalization"auto" | "on" | "off"

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Imxhbmd1YWdlQ29kZSIgdHlwZT0ic3RyaW5nIg 2 字母 ISO 639-1 代码（例如 en、de）。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNlZWQiIHR5cGU9Im51bWJlciI 用于尽力实现确定性的整数 0..4294967295。 OPENCLAW_DOCS_MARKER:paramClose:

baseUrlstring

Google Gemini

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg 回退到 GEMINI_API_KEY / GOOGLE_API_KEY。如果省略，TTS 可以先复用 models.providers.google.apiKey，再回退到环境变量。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci Gemini TTS 模型。默认值为 gemini-3.1-flash-tts-preview。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg Gemini 预置语音名称。默认值为 Kore。旧版别名：voiceName、voice。 OPENCLAW_DOCS_MARKER:paramClose:

audioProfilestring

speakerNamestring

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InByb21wdFRlbXBsYXRlIiB0eXBlPSciYXVkaW8tcHJvZmlsZS12MSIn 设置为 audio-profile-v1，以便将活动角色提示词字段包装在确定性的 Gemini TTS 提示词结构中。 OPENCLAW_DOCS_MARKER:paramClose:

personaPromptstring

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI 仅接受 https://generativelanguage.googleapis.com。 OPENCLAW_DOCS_MARKER:paramClose:

Gradium

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg 环境变量：GRADIUM_API_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI 位于 api.gradium.ai 的 HTTPS Gradium API URL。默认值为 https://api.gradium.ai。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZUlkIiB0eXBlPSJzdHJpbmci 默认为 Emma（YTpq7expH9539ERJ）。旧版别名：voiceId。 OPENCLAW_DOCS_MARKER:paramClose:

Inworld

Inworld 主要配置

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg 环境变量：INWORLD_API_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI 默认值为 https://api.inworld.ai。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsSWQiIHR5cGU9InN0cmluZyI 默认值为 inworld-tts-1.5-max。另有：inworld-tts-1.5-mini、inworld-tts-1-max、inworld-tts-1。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZUlkIiB0eXBlPSJzdHJpbmci 默认值为 Sarah。旧版别名：voiceId。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InRlbXBlcmF0dXJlIiB0eXBlPSJudW1iZXIi 采样温度为 0..2（不含 0）。 OPENCLAW_DOCS_MARKER:paramClose:

本地 CLI（tts-local-cli）

commandstring

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFyZ3MiIHR5cGU9InN0cmluZ1tdIg 命令参数。支持 {{Text}}、{{OutputPath}}、{{OutputDir}}、{{OutputBase}} 占位符。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im91dHB1dEZvcm1hdCIgdHlwZT0nIm1wMyIgfCAib3B1cyIgfCAid2F2Iic 预期的 CLI 输出格式。音频附件的默认值为 mp3。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InRpbWVvdXRNcyIgdHlwZT0ibnVtYmVyIg 命令超时时间（毫秒）。默认值为 120000。 OPENCLAW_DOCS_MARKER:paramClose:

cwdstring

env"Record<string,

命令标准输出以及生成或转换后的音频上限为 50 MiB。诊断标准错误输出上限为 1 MiB。任一限制被超过时，OpenClaw 都会终止命令并使合成失败。

Microsoft（无需 API key）

enabledbooleandefault: true

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg Microsoft 神经网络语音名称（例如 en-US-MichelleNeural）。旧版别名：voice。如果正在使用默认英语语音，且回复文本以 CJK 字符为主，OpenClaw 会自动切换到 zh-CN-XiaoxiaoNeural。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImxhbmciIHR5cGU9InN0cmluZyI 语言代码（例如 en-US）。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im91dHB1dEZvcm1hdCIgdHlwZT0ic3RyaW5nIg Microsoft 输出格式。默认值为 audio-24khz-48kbitrate-mono-mp3。内置的 Edge 后端传输并不支持所有格式。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJhdGUgLyBwaXRjaCAvIHZvbHVtZSIgdHlwZT0ic3RyaW5nIg 百分比字符串（例如 +10%、-5%）。 OPENCLAW_DOCS_MARKER:paramClose:

saveSubtitlesboolean

proxystring

timeoutMsnumber

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImVkZ2UuKiIgdHlwZT0ib2JqZWN0IiBkZXByZWNhdGVk 旧版别名。运行 openclaw doctor --fix，将持久化配置重写为 providers.microsoft。 OPENCLAW_DOCS_MARKER:paramClose:

MiniMax

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg 回退使用 MINIMAX_API_KEY。通过 MINIMAX_OAUTH_TOKEN、MINIMAX_CODE_PLAN_KEY 或 MINIMAX_CODING_API_KEY 进行 Token Plan 身份验证。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI 默认值为 https://api.minimax.io。环境变量：MINIMAX_API_HOST。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci 默认值为 speech-2.8-hd。环境变量：MINIMAX_TTS_MODEL。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZUlkIiB0eXBlPSJzdHJpbmci 默认值为 English_expressive_narrator。环境变量：MINIMAX_TTS_VOICE_ID。旧版别名：voiceId。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWVkIiB0eXBlPSJudW1iZXIi 0.5..2.0。默认值为 1.0。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InZvbCIgdHlwZT0ibnVtYmVyIg (0, 10]。默认值为 1.0。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InBpdGNoIiB0eXBlPSJudW1iZXIi 整数 -12..12。默认值为 0。请求前会截断小数部分。 OPENCLAW_DOCS_MARKER:paramClose:

OpenAI

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg 回退使用 OPENAI_API_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci OpenAI TTS 模型 ID。默认值为 gpt-4o-mini-tts。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg 语音名称（例如 alloy、cedar）。默认值为 coral。旧版别名：voice。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Imluc3RydWN0aW9ucyIgdHlwZT0ic3RyaW5nIg 显式 OpenAI instructions 字段。设置后，角色提示词字段不会自动映射。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImV4dHJhQm9keSAvIGV4dHJhX2JvZHkiIHR5cGU9IlJlY29yZDxzdHJpbmcsIHVua25vd24 ">额外的 JSON 字段，会在生成的 OpenAI TTS 字段之后合并到 /audio/speech 请求正文中。可将其用于 Kokoro 等 OpenAI 兼容端点，这些端点需要 lang 等提供商专用键；不安全的原型键会被忽略。 OPENCLAW_DOCS_MARKER:paramClose:

baseUrlstring

覆盖 OpenAI TTS 端点。解析顺序：配置 → OPENAI_TTS_BASE_URL → https://api.openai.com/v1。非默认值会被视为 OpenAI 兼容 TTS 端点，因此接受自定义模型和语音名称，并且不再对 speed 执行 0.25..4.0 范围检查。

OpenRouter

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg 环境变量：OPENROUTER_API_KEY。可复用 models.providers.openrouter.apiKey。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI 默认值为 https://openrouter.ai/api/v1。旧版 https://openrouter.ai/v1 会被规范化。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci 默认值为 hexgrad/kokoro-82m。别名：modelId。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg 默认值为 af_alloy。旧版别名：voice、voiceId。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJlc3BvbnNlRm9ybWF0IiB0eXBlPScibXAzIiB8ICJwY20iJw 默认值为 mp3。 OPENCLAW_DOCS_MARKER:paramClose:

speednumber

Volcengine（BytePlus Seed Speech）

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg 环境变量：VOLCENGINE_TTS_API_KEY 或 BYTEPLUS_SEED_SPEECH_API_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJlc291cmNlSWQiIHR5cGU9InN0cmluZyI 默认值为 seed-tts-1.0。环境变量：VOLCENGINE_TTS_RESOURCE_ID。当你的项目拥有 TTS 2.0 权限时，请使用 seed-tts-2.0。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwcEtleSIgdHlwZT0ic3RyaW5nIg App key 请求头。默认值为 aGjiRDfUWi。环境变量：VOLCENGINE_TTS_APP_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI 覆盖 Seed Speech TTS HTTP 端点。环境变量：VOLCENGINE_TTS_BASE_URL。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg 语音类型。默认值为 en_female_anna_mars_bigtts。环境变量：VOLCENGINE_TTS_VOICE。旧版别名：voice。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWVkUmF0aW8iIHR5cGU9Im51bWJlciI 提供商原生速度比率，0.2..3。 OPENCLAW_DOCS_MARKER:paramClose:

emotionstring

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwcElkIC8gdG9rZW4gLyBjbHVzdGVyIiB0eXBlPSJzdHJpbmciIGRlcHJlY2F0ZWQ 旧版 Volcengine Speech Console 字段。环境变量：VOLCENGINE_TTS_APPID、VOLCENGINE_TTS_TOKEN、VOLCENGINE_TTS_CLUSTER（默认值为 volcano_tts）。 OPENCLAW_DOCS_MARKER:paramClose:

xAI

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg 环境变量：XAI_API_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI 默认值为 https://api.x.ai/v1。环境变量：XAI_BASE_URL。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZUlkIiB0eXBlPSJzdHJpbmci 默认值为 eve。提供身份验证后，openclaw infer tts voices --provider xai 会获取当前内置目录；未提供身份验证时，会列出离线回退项 ara、eve、leo、rex 和 sal。即使账户自定义语音 ID 不在内置列表中，也会继续转发。旧版别名：voiceId。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Imxhbmd1YWdlIiB0eXBlPSJzdHJpbmci BCP-47 语言代码或 auto。默认值为 en。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJlc3BvbnNlRm9ybWF0IiB0eXBlPScibXAzIiB8ICJ3YXYiIHwgInBjbSIgfCAibXVsYXciIHwgImFsYXciJw 默认值为 mp3。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWVkIiB0eXBlPSJudW1iZXIi 提供商原生速度覆盖值，0.7..1.5。 OPENCLAW_DOCS_MARKER:paramClose:

Xiaomi MiMo

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg 环境变量：XIAOMI_API_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI 默认值为 https://api.xiaomimimo.com/v1。环境变量：XIAOMI_BASE_URL。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci 默认值为 mimo-v2.5-tts。环境变量：XIAOMI_TTS_MODEL。还支持 mimo-v2-tts 和 mimo-v2.5-tts-voicedesign。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg 预设语音模型的默认值为 mimo_default。环境变量：XIAOMI_TTS_VOICE。旧版别名：voice。对于 mimo-v2.5-tts-voicedesign，不会发送此字段。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImZvcm1hdCIgdHlwZT0nIm1wMyIgfCAid2F2Iic 默认值为 mp3。环境变量：XIAOMI_TTS_FORMAT。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InN0eWxlIiB0eXBlPSJzdHJpbmci 可选的自然语言风格指令，将作为用户消息发送，但不会被朗读。对于 mimo-v2.5-tts-voicedesign，这是语音设计提示词；省略时，OpenClaw 会提供默认值。 OPENCLAW_DOCS_MARKER:paramClose:

Agent 工具

tts 工具将文本转换为语音，并返回音频附件用于发送回复。在 Feishu、Matrix、Telegram 和 WhatsApp 上，音频会作为语音消息而不是文件附件发送。如果 ffmpeg 可用，Feishu 和 WhatsApp 可以在此路径上转码非 Opus 格式的 TTS 输出。

WhatsApp 通过 Baileys 将音频作为 PTT 语音消息发送（audio 配合 ptt: true），并将可见文本与 PTT 音频分开发送，因为客户端无法一致地在语音消息上呈现说明文字。

该工具接受可选的 channel 和 timeoutMs 字段；timeoutMs 是每次调用的提供商请求超时时间（毫秒）。每次调用的值会覆盖 messages.tts.timeoutMs；配置的 TTS 超时时间会覆盖插件指定的任何提供商默认值。

Gateway RPC

方法	用途
`tts.status`	读取当前 TTS 状态和上次尝试。
`tts.enable`	将本地自动偏好设置为 `always`。
`tts.disable`	将本地自动偏好设置为 `off`。
`tts.convert`	一次性将文本转换为音频。
`tts.setProvider`	设置本地提供商偏好。
`tts.personas`	列出已配置的角色和当前启用的角色。
`tts.setPersona`	设置本地角色偏好。
`tts.providers`	列出已配置的提供商及其状态。

快速开始

选择提供商

设置 API key

在配置中启用

在聊天中试用

支持的提供商

配置

Azure Speech

ElevenLabs

Google Gemini

Gradium

Inworld

Local CLI

Microsoft（无需密钥）

MiniMax

OpenAI + ElevenLabs

OpenRouter

Volcengine

xAI

Xiaomi MiMo

按智能体覆盖语音设置

角色设定

最小角色设定

完整角色设定（与提供商无关的提示）

角色设定解析

提供商如何使用角色设定提示

回退策略

模型驱动指令

斜杠命令

每用户偏好设置

输出格式

自动 TTS 行为

字段参考

Inworld 主要配置

Agent 工具

Gateway RPC

服务链接

相关内容

On this page