本页内容
本页内容
供应商
Azure Speech
Azure Speech 是一个捆绑的 Azure AI Speech 文本转语音提供商。OpenClaw 通过 SSML 直接调用 Azure Speech REST API,为标准回复合成 MP3,为语音笔记合成原生 Ogg/Opus,并为 Voice Call 等电话渠道合成 8 kHz mulaw。请求通过 X-Microsoft-OutputFormat 标头发送提供商拥有的输出格式。
| 详情 | 值 |
|---|---|
| Provider ID | azure-speech (alias: azure) |
| Website | Azure AI Speech |
| Docs | Speech REST text-to-speech |
| Auth | AZURE_SPEECH_KEY plus AZURE_SPEECH_REGION |
| Default voice | en-US-JennyNeural |
| Default file output | audio-24khz-48kbitrate-mono-mp3 |
| Default voice-note file | ogg-24khz-16bit-mono-opus |
开始使用
创建 Azure Speech 资源
在 Azure 门户中,创建一个 Speech 资源。从 Resource Management > Keys and Endpoint 中复制 KEY 1,并复制资源位置
例如 eastus。
Select Azure Speech in tts
发送消息
通过任意已连接的通道发送回复。OpenClaw 使用 Azure Speech 合成音频, 标准音频发送 MP3,而当通道期望语音笔记时则发送 Ogg/Opus。
配置选项
All options live under tts.providers["azure-speech"].
| Option | Description |
|---|---|
apiKey |
Azure Speech resource key. Falls back to AZURE_SPEECH_KEY, AZURE_SPEECH_API_KEY, or SPEECH_KEY. |
region |
Azure Speech resource region. Falls back to AZURE_SPEECH_REGION or SPEECH_REGION. |
endpoint |
Optional Azure Speech endpoint override. Falls back to trusted AZURE_SPEECH_ENDPOINT. |
baseUrl |
Optional Azure Speech base URL override. |
voice |
Azure voice ShortName (default en-US-JennyNeural). Legacy alias: voiceId. |
lang |
SSML language code (default en-US). |
outputFormat |
Audio-file output format (default audio-24khz-48kbitrate-mono-mp3). |
voiceNoteOutputFormat |
Voice-note output format (default ogg-24khz-16bit-mono-opus). |
timeoutMs |
Request timeout override in milliseconds. Falls back to the global tts.timeoutMs. |
在设置了 apiKey 以及 region、endpoint 或 baseUrl 其中之一后,即视为该提供者已配置。仅当配置键未设置时,才会将环境变量作为回退项进行检查。工作区的 .env 文件不能设置 AZURE_SPEECH_ENDPOINT;请使用进程环境、全局运行时 dotenv,或显式配置来进行端点路由。
说明
身份验证
Azure Speech 使用 Speech 资源密钥,而不是 Azure OpenAI 密钥。该密钥
会作为 Ocp-Apim-Subscription-Key 发送;OpenClaw 会根据 region
推导出 https://<region>.tts.speech.microsoft.com,除非你
提供 endpoint 或 baseUrl。
语音名称
使用 Azure Speech 语音的 ShortName 值,例如
en-US-JennyNeural。内置提供程序可以通过同一个 Speech 资源列出语音,
并会过滤掉标记为已弃用、已退役或已禁用的语音。
音频输出
Azure 接受诸如 audio-24khz-48kbitrate-mono-mp3、
ogg-24khz-16bit-mono-opus 和 riff-24khz-16bit-mono-pcm 等输出格式。OpenClaw
会为 voice-note 目标请求 Ogg/Opus,以便通道可以发送原生语音气泡而无需额外的 MP3 转换,
并且会为电话目标强制使用 raw-8khz-8bit-mono-mulaw。
别名
azure 可作为现有配置的提供程序别名被接受,但新配置应使用 azure-speech,
以避免与 Azure OpenAI 模型提供程序混淆。