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
启用音频提供程序
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
带 Deepgram 选项
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 |
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。