Azure Speech

Azure Speech es un proveedor de conversión de texto a voz de Azure AI Speech. En OpenClaw sintetiza el audio de respuesta de salida como MP3 de forma predeterminada, Ogg/Opus nativo para notas de voz y audio mulaw de 8 kHz para canales de telefonía como Llamada de voz.

OpenClaw utiliza la API REST de Azure Speech directamente con SSML y envía el formato de salida propiedad del proveedor a través de X-Microsoft-OutputFormat.

Detalle	Valor
Sitio web	Azure AI Speech
Documentación	Conversión de texto a voz de REST Speech
Autenticación	`AZURE_SPEECH_KEY` más `AZURE_SPEECH_REGION`
Voz predeterminada	`en-US-JennyNeural`
Salida de archivo predeterminada	`audio-24khz-48kbitrate-mono-mp3`
Archivo de nota de voz predeterminado	`ogg-24khz-16bit-mono-opus`

Introducción

Crear un recurso de Azure Speech
En el portal de Azure, cree un recurso de Speech. Copie CLAVE 1 de Administración de recursos > Claves y punto de conexión, y copie la ubicación del recurso como eastus.
```
AZURE_SPEECH_KEY=
```
AZURE_SPEECH_REGION=eastus

Seleccionar Azure Speech en messages.tts

{
  messages: {
    tts: {
      auto: "always",
      provider: "azure-speech",
      providers: {
        "azure-speech": {
          voice: "en-US-JennyNeural",
          lang: "en-US",
        },
      },
    },
  },
}

Enviar un mensaje
Envíe una respuesta a través de cualquier canal conectado. OpenClaw sintetiza el audio con Azure Speech y entrega MP3 para audio estándar, u Ogg/Opus cuando el canal espera una nota de voz.

Opciones de configuración

Opción	Ruta	Descripción
`apiKey`	`messages.tts.providers.azure-speech.apiKey`	Clave del recurso de Azure Speech. Se remite a `AZURE_SPEECH_KEY`, `AZURE_SPEECH_API_KEY` o `SPEECH_KEY`.
`region`	`messages.tts.providers.azure-speech.region`	Región del recurso de Azure Speech. Se remite a `AZURE_SPEECH_REGION` o `SPEECH_REGION`.
`endpoint`	`messages.tts.providers.azure-speech.endpoint`	Invalidación opcional del punto de conexión o la URL base de Azure Speech.
`baseUrl`	`messages.tts.providers.azure-speech.baseUrl`	Anulación opcional de la URL base de Azure Speech.
`voice`	`messages.tts.providers.azure-speech.voice`	Nombre corto (ShortName) de la voz de Azure (por defecto `en-US-JennyNeural`).
`lang`	`messages.tts.providers.azure-speech.lang`	Código de idioma SSML (por defecto `en-US`).
`outputFormat`	`messages.tts.providers.azure-speech.outputFormat`	Formato de salida de archivo de audio (por defecto `audio-24khz-48kbitrate-mono-mp3`).
`voiceNoteOutputFormat`	`messages.tts.providers.azure-speech.voiceNoteOutputFormat`	Formato de salida de nota de voz (por defecto `ogg-24khz-16bit-mono-opus`).

Notas

Autenticación

Azure Speech usa una clave de recurso de Speech, no una clave de Azure OpenAI. La clave se envía como Ocp-Apim-Subscription-Key; OpenClaw deriva `https://

.tts.speech.microsoft.comderegiona menos que proporcione endpointobaseUrl`.

Nombres de voz

Use el valor ShortName de la voz de Azure Speech, por ejemplo en-US-JennyNeural. El proveedor incluido puede listar las voces a través del mismo recurso de Speech y filtra las voces marcadas como obsoletas o retiradas.

Salidas de audio

Azure acepta formatos de salida como audio-24khz-48kbitrate-mono-mp3, ogg-24khz-16bit-mono-opus y riff-24khz-16bit-mono-pcm. OpenClaw solicita Ogg/Opus para los objetivos voice-note para que los canales puedan enviar burbujas de voz nativas sin una conversión adicional a MP3.

Alias

Se acepta azure como alias de proveedor para PRs y configuraciones de usuario existentes, pero las nuevas configuraciones deben usar azure-speech para evitar confusiones con los proveedores de modelos de Azure OpenAI.

Relacionado

Texto a voz

Resumen de TTS, proveedores y configuración de messages.tts.

Configuración

Referencia completa de la configuración, incluida la configuración de messages.tts.

Proveedores

Todos los proveedores incluidos en OpenClaw.

Solución de problemas

Problemas comunes y pasos de depuración.