ElevenLabs

OpenClaw sử dụng ElevenLabs để chuyển văn bản thành giọng nói, chuyển giọng nói thành văn bản theo lô bằng Scribe v2 và STT phát trực tuyến bằng Scribe v2 Realtime. Plugin này được đóng gói kèm và bật theo mặc định; không cần thực hiện bước plugins install.

Khả năng	Bề mặt OpenClaw	Mặc định
Chuyển văn bản thành giọng nói	messages.tts / talk	eleven_multilingual_v2
Chuyển giọng nói thành văn bản theo lô	tools.media.audio	scribe_v2
Chuyển giọng nói thành văn bản phát trực tuyến	Phát trực tuyến Voice Call hoặc realtime.transcriptionProvider của Google Meet	scribe_v2_realtime

​

Xác thực

Đặt ELEVENLABS_API_KEY trong môi trường. XI_API_KEY cũng được chấp nhận để tương thích với công cụ ElevenLabs hiện có.

export ELEVENLABS_API_KEY="..."

​

Chuyển văn bản thành giọng nói

{
  messages: {
    tts: {
      providers: {
        elevenlabs: {
          apiKey: "${ELEVENLABS_API_KEY}",
          voiceId: "pMsXgVXv3BLzUgSXRplE",
          modelId: "eleven_multilingual_v2",
        },
      },
    },
  },
}

Đặt modelId thành eleven_v3 để sử dụng TTS v3 của ElevenLabs. OpenClaw giữ eleven_multilingual_v2 làm mặc định cho các bản cài đặt hiện có.

Các kênh thoại Discord sử dụng điểm cuối TTS phát trực tuyến của ElevenLabs khi ElevenLabs là nhà cung cấp voice.tts/messages.tts được chọn: quá trình phát bắt đầu từ luồng âm thanh được trả về thay vì chờ OpenClaw tải xuống toàn bộ tệp âm thanh trước. latencyTier ánh xạ tới tham số truy vấn optimize_streaming_latency của ElevenLabs đối với các mô hình chấp nhận tham số này; OpenClaw bỏ qua tham số đó đối với eleven_v3, vì mô hình này từ chối tham số đó.

​

Chuyển giọng nói thành văn bản

Sử dụng Scribe v2 cho các tệp âm thanh đính kèm đến và các đoạn thoại ngắn đã ghi:

{
  tools: {
    media: {
      audio: {
        enabled: true,
        models: [{ provider: "elevenlabs", model: "scribe_v2" }],
      },
    },
  },
}

OpenClaw gửi âm thanh nhiều phần tới /v1/speech-to-text của ElevenLabs với model_id: "scribe_v2". Gợi ý ngôn ngữ ánh xạ tới language_code khi có.

​

STT phát trực tuyến

Plugin elevenlabs được đóng gói kèm đăng ký Scribe v2 Realtime cho Voice Call và tính năng phiên âm phát trực tuyến ở chế độ tác nhân của Google Meet.

Cài đặt	Đường dẫn cấu hình	Mặc định
Khóa API	plugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKey	Dùng ELEVENLABS_API_KEY / XI_API_KEY làm phương án dự phòng
Mô hình	...elevenlabs.modelId	scribe_v2_realtime
Định dạng âm thanh	...elevenlabs.audioFormat	ulaw_8000
Tần số lấy mẫu	...elevenlabs.sampleRate	8000
Chiến lược xác nhận	...elevenlabs.commitStrategy	vad
Ngôn ngữ	...elevenlabs.languageCode	(chưa đặt)

{
  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 nhận dữ liệu phương tiện Twilio dưới dạng G.711 u-law 8 kHz. Nhà cung cấp thời gian thực ElevenLabs mặc định sử dụng ulaw_8000, vì vậy các khung dữ liệu điện thoại có thể được chuyển tiếp mà không cần chuyển mã.

Đối với chế độ tác nhân của Google Meet, đặt plugins.entries.google-meet.config.realtime.transcriptionProvider thành "elevenlabs" và cấu hình cùng khối nhà cung cấp trong plugins.entries.google-meet.config.realtime.providers.elevenlabs.

​

Liên quan

• Chuyển văn bản thành giọng nói
• Google Meet
• Lựa chọn mô hình