本页内容

本页内容

供应商

Deepgram

Deepgram 是语音转文本 API。 OpenClaw 将其用于通过 tools.media.audio 的入站 audio/voice-note 转录以及通过 plugins.entries.voice-call.config.streaming 的语音呼叫流 STT。

批量转录将完整的音频文件上传到Deepgram。 Flux 模型使用 Deepgram 的一次性 WebSocket 代替。两条路径都将转录本注入回复管道({{Transcript}} + [Audio] 块)。语音呼叫流通过 Deepgram 的 WebSocket listen 端点转发实时 G.711 u-law 帧,并在 Deepgram 返回时发出 partial/final 转录本。

详情 值
文档 developers.deepgram.com
认证 DEEPGRAM_API_KEY
默认模型 nova-3

入门

  • 设置您的 API 密钥

    bash
    export DEEPGRAM_API_KEY=dg_...
  • 启用音频提供程序

    json5
    {  tools: {    media: {      models: [{ provider: "deepgram", model: "nova-3", capabilities: ["audio"] }],      audio: {        enabled: true,      },    },  },}
  • 发送语音留言

    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 将额外的查询参数直接合并到 Deepgram /listen 请求中,因此任何 Deepgram- 支持的参数名称都可以工作(例如 detect_language、punctuate、smart_format):

    有语言提示

    json5
    {  tools: {    media: {      models: [        { provider: "deepgram", model: "nova-3", language: "en", capabilities: ["audio"] },      ],      audio: {        enabled: true,      },    },  },}

    带 Deepgram 选项

    json5
    {  tools: {    media: {      models: [{ provider: "deepgram", model: "nova-3", capabilities: ["audio"] }],      audio: {        enabled: true,        providerOptions: {          deepgram: {            detect_language: true,            punctuate: true,            smart_format: true,          },        },      },    },  },}

    Flux 模型

    使用 flux-general-en 或 flux-general-multi 作为 Deepgram 助焊剂。 OpenClaw 使用 ffmpeg 将语音注释转换为 16 kHz 单声道线性 16 音频,然后将其发送到 Deepgram 的 /v2/listen WebSocket 端点。在上面的入门配置中将 tools.media.models[].model 设置为任一 Flux 模型。

    语音笔记转换可处理完整的音频文件,包括长度超过 20 分钟的笔记。解码的音频使用私有临时文件,该文件在尝试转录后将被删除。配置的输入大小和请求超时限制仍然适用;转换或上传失败不会返回部分成绩单。

    Flux支持eager_eot_threshold、eot_threshold、eot_timeout_ms、keyterm、language_hint、mip_opt_out、numerals、profanity_filter、redact和tag 中的 providerOptions.deepgram。 OpenClaw 忽略 Flux 上的仅批处理选项,例如 detect_language、punctuate 和 smart_format。语言提示仅适用于 flux-general-multi:OpenClaw 将模型条目的 language 设置映射到 language_hint,显式提供程序选项优先。对于仅英语的 flux-general-en 模型,这两个设置都会被忽略。

    语音通话流 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
    json5
    {  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,包括任何基本路径,但不包括 /listen。实时端点接受 http://、https://、ws:// 和 wss://。 HTTP 映射到 WS,HTTPS 映射到 WSS,显式 WebSocket 方案保持不变。格式错误的 URL 和其他方案在会话设置期间会失败。

    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)。

    Flux 需要 ffmpeg

    在选择 Flux 模型之前,使用网关主机的包管理器安装 ffmpeg。

    相关内容

    本页有帮助吗?