Deepgram

Deepgram 是一个语音转文本 API。OpenClaw 使用它通过 tools.media.audio 进行入站音频/语音笔记转录，并通过 plugins.entries.voice-call.config.streaming 进行 Voice Call 流式 STT。批量转录会将完整的音频文件上传到 Deepgram，并将转录文本注入到回复流程中（{{Transcript}} + [Audio] 块）。 Voice Call 流式转录会通过 Deepgram 的 WebSocket listen 端点转发实时 G.711 u-law 帧，并在 Deepgram 返回部分/最终转录时发出它们。

详情	值
Docs	developers.deepgram.com
Auth	`DEEPGRAM_API_KEY`
Default model	`nova-3`

入门

设置你的 API 密钥

DEEPGRAM_API_KEY=dg_...

启用音频提供方

{
  tools: {
    media: {
      models: [{ provider: "deepgram", model: "nova-3", capabilities: ["audio"] }],
      audio: {
        enabled: true,
      },
    },
  },
}

发送语音笔记

通过任意已连接的渠道发送音频消息。OpenClaw 会通过 Deepgram 转录它，并将转录文本注入回复流水线。

配置选项

选项	路径	描述
`model`	`tools.media.models[].model`	Deepgram 模型 ID（默认：`nova-3`）
`language`	`tools.media.models[].language`	语言提示（可选）

providerOptions.deepgram 会将额外的查询参数直接合并到 Deepgram /listen 请求中，因此可以使用 Deepgram 支持的任何参数名称（例如 detect_language、punctuate、smart_format）：

使用语言提示
使用 Deepgram 选项

{
  tools: {
    media: {
      models: [
        { provider: "deepgram", model: "nova-3", language: "en", capabilities: ["audio"] },
      ],
      audio: {
        enabled: true,
      },
    },
  },
}

{
  tools: {
    media: {
      models: [{ provider: "deepgram", model: "nova-3", capabilities: ["audio"] }],
      audio: {
        enabled: true,
        providerOptions: {
          deepgram: {
            detect_language: true,
            punctuate: true,
            smart_format: true,
          },
        },
      },
    },
  },
}

Voice Call 流式 STT

内置的 deepgram 插件还会为 Voice Call 插件注册一个实时转录提供方。

设置	配置路径	默认值
API 密钥	`plugins.entries.voice-call.config.streaming.providers.deepgram.apiKey`	回退到 `DEEPGRAM_API_KEY`
基础 URL	`...deepgram.baseUrl`	`DEEPGRAM_BASE_URL` 或 Deepgram 的公共 API
模型	`...deepgram.model`	`nova-3`
语言	`...deepgram.language`	（未设置）
编码	`...deepgram.encoding`	`mulaw`
采样率	`...deepgram.sampleRate`	`8000`
端点检测	`...deepgram.endpointingMs`	`800`
中间结果	`...deepgram.interimResults`	`true`

{
  plugins: {
    entries: {
      "voice-call": {
        config: {
          streaming: {
            enabled: true,
            provider: "deepgram",
            providers: {
              deepgram: {
                apiKey: "${DEEPGRAM_API_KEY}",
                model: "nova-3",
                endpointingMs: 800,
                language: "en-US",
              },
            },
          },
        },
      },
    },
  },
}

对于 Deepgram 自定义端点，将 baseUrl 设置为端点根地址，包括任何基础路径，但不包括 /listen。实时端点接受 http://、https://、ws:// 和 wss://。HTTP 会映射为 WS，HTTPS 会映射为 WSS，而显式的 WebSocket 协议保持不变。格式错误的 URL 和其他协议会在会话设置期间失败。

Voice Call 接收的是 8 kHz G.711 u-law 电话音频。Deepgram 流式提供方默认使用 encoding: "mulaw" 和 sampleRate: 8000，因此 Twilio 媒体帧可以直接转发。

说明

认证

认证遵循标准的提供方认证顺序。DEEPGRAM_API_KEY 是最简单的方式。

代理和自定义端点

使用代理时，覆盖 Deepgram tools.media.models[] 条目中的端点或请求头。

输出行为

输出遵循与其他提供方相同的音频规则（大小限制、超时、转录注入）。

媒体工具

音频、图像和视频处理流水线概览。

配置

包括媒体工具设置在内的完整配置参考。

故障排查

常见问题和调试步骤。

常见问题

关于 OpenClaw 设置的常见问题。

概览

概念与配置

提供商

入门

配置选项

Voice Call 流式 STT

说明

相关内容

媒体工具

配置

故障排查

常见问题

​入门

​配置选项

​Voice Call 流式 STT

​说明

​相关内容

媒体工具

配置

故障排查

常见问题

入门

配置选项

Voice Call 流式 STT

说明

相关内容