ElevenLabs

OpenClaw 使用 ElevenLabs 進行文字轉語音、透過 Scribe v2 進行批次語音轉文字，以及透過 Scribe v2 Realtime 進行串流 STT。此插件已隨附並預設啟用；不需要 plugins install 步驟。

驗證

在環境中設定 ELEVENLABS_API_KEY。為了與現有 ElevenLabs 工具相容，也接受 XI_API_KEY。

export ELEVENLABS_API_KEY="..."

文字轉語音

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

將 modelId 設為 eleven_v3，即可使用 ElevenLabs v3 TTS。對於現有安裝，OpenClaw 仍以 eleven_multilingual_v2 為預設值。

當 ElevenLabs 是選取的 voice.tts/tts 供應商時，Discord 語音頻道會使用 ElevenLabs 的串流 TTS 端點：播放會直接從傳回的音訊串流開始，而不會先等待 OpenClaw 下載完整音訊檔案。對於接受該參數的模型，latencyTier 會對應至 ElevenLabs 的 optimize_streaming_latency 查詢參數；對於會拒絕該參數的 eleven_v3，OpenClaw 會省略此參數。

語音轉文字

對傳入的音訊附件和簡短錄製語音片段使用 Scribe v2：

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

OpenClaw 會將多部分音訊連同 model_id: "scribe_v2" 傳送至 ElevenLabs /v1/speech-to-text。若有語言提示，則會對應至 language_code。

串流 STT

隨附的 elevenlabs 插件會為 Voice Call 和 Google Meet 的代理模式串流轉錄註冊 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",              },            },          },        },      },    },  },}

若要使用 Google Meet 代理模式，請將 plugins.entries.google-meet.config.realtime.transcriptionProvider 設為 "elevenlabs"，並在 plugins.entries.google-meet.config.realtime.providers.elevenlabs 下設定相同的供應商區塊。

相關內容

• 文字轉語音
• Google Meet
• 模型選擇