Skip to main content

Documentation Index

Fetch the complete documentation index at: https://openclaw.zhcndoc.com/llms.txt

Use this file to discover all available pages before exploring further.

OpenClaw 使用 ElevenLabs 提供文本转语音、使用 Scribe v2 提供批量语音转文本，以及使用 Scribe v2 Realtime 为 Voice Call 提供流式 STT。
能力OpenClaw 表面默认值
文本转语音messages.tts / talkeleven_multilingual_v2
批量语音转文本tools.media.audioscribe_v2
流式语音转文本Voice Call streaming.provider: "elevenlabs"scribe_v2_realtime

​
身份验证

在环境中设置 ELEVENLABS_API_KEY。为兼容现有 ElevenLabs 工具，也接受 XI_API_KEY。 
export ELEVENLABS_API_KEY="..."

​
文本转语音

{
  messages: {
    tts: {
      providers: {
        elevenlabs: {
          apiKey: "${ELEVENLABS_API_KEY}",
          voiceId: "pMsXgVXv3BLzUgSXRplE",
          modelId: "eleven_multilingual_v2",
        },
      },
    },
  },
}
将 modelId 设置为 eleven_v3 以使用 ElevenLabs v3 TTS。OpenClaw 会将 eleven_multilingual_v2 保持为现有安装的默认值。

​
语音转文本

对传入的音频附件和短录制语音片段使用 Scribe v2： 
{
  tools: {
    media: {
      audio: {
        enabled: true,
        models: [{ provider: "elevenlabs", model: "scribe_v2" }],
      },
    },
  },
}
OpenClaw 会向 ElevenLabs /v1/speech-to-text 发送 multipart 音频，并使用 model_id: "scribe_v2"。语言提示在存在时会映射到 language_code。

​
Voice Call 流式 STT

内置的 elevenlabs 插件会为 Voice Call 注册 Scribe v2 Realtime 流式转录。
设置配置路径默认值
API keyplugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKey回退到 ELEVENLABS_API_KEY / XI_API_KEY
Model...elevenlabs.modelIdscribe_v2_realtime
Audio format...elevenlabs.audioFormatulaw_8000
Sample rate...elevenlabs.sampleRate8000
Commit strategy...elevenlabs.commitStrategyvad
Language...elevenlabs.languageCode（未设置）
{
  plugins: {
    entries: {
      "voice-call": {
        config: {
          streaming: {
            enabled: true,
            provider: "elevenlabs",
            providers: {
              elevenlabs: {
                apiKey: "${ELEVENLABS_API_KEY}",
                audioFormat: "ulaw_8000",
                commitStrategy: "vad",
                languageCode: "en",
              },
            },
          },
        },
      },
    },
  },
}
Voice Call 接收来自 Twilio 的媒体格式为 8 kHz G.711 μ-law。ElevenLabs realtime provider 默认使用 ulaw_8000，因此电话帧可以在无需转码的情况下直接转发。

​
相关内容