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。

    代码
    AZURE_SPEECH_KEY=<speech-resource-key>AZURE_SPEECH_REGION=eastus
  • Select Azure Speech in tts

    json5
    {  tts: {    auto: "always",    provider: "azure-speech",    providers: {      "azure-speech": {        voice: "en-US-JennyNeural",        lang: "en-US",      },    },  },}
  • 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。

    相关内容

    本页有帮助吗?