ElevenLabs

OpenClaw utiliza ElevenLabs para conversión de texto a voz, conversión de voz a texto por lotes con Scribe v2 y STT en streaming con Scribe v2 Realtime.

Capacidad	Superficie de OpenClaw	Predeterminado
Conversión de texto a voz	`messages.tts` / `talk`	`eleven_multilingual_v2`
Conversión de voz a texto por lotes	`tools.media.audio`	`scribe_v2`
Conversión de voz a texto en transmisión	Streaming de Voice Call o Google Meet `realtime.transcriptionProvider`	`scribe_v2_realtime`

Autenticación

Establezca ELEVENLABS_API_KEY en el entorno. También se acepta XI_API_KEY para compatibilidad con las herramientas existentes de ElevenLabs.

export ELEVENLABS_API_KEY="..."

Conversión de texto a voz

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

Establezca modelId en eleven_v3 para usar ElevenLabs v3 TTS. OpenClaw mantiene eleven_multilingual_v2 como el valor predeterminado para las instalaciones existentes.

Los canales de voz de Discord utilizan el endpoint de TTS en streaming de ElevenLabs cuando ElevenLabs es el proveedor voice.tts/messages.tts seleccionado. La reproducción comienza desde el flujo de audio devuelto en lugar de esperar a que OpenClaw descargue y escriba el archivo de audio completo. latencyTier se asigna al parámetro de consulta optimize_streaming_latency de ElevenLabs para los modelos que lo aceptan; OpenClaw omite ese parámetro para eleven_v3, que lo rechaza.

Conversión de voz a texto

Use Scribe v2 para archivos de audio entrantes y segmentos cortos de voz grabados:

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

OpenClaw envía audio multiparte a ElevenLabs /v1/speech-to-text con model_id: "scribe_v2". Las sugerencias de idioma se asignan a language_code cuando están presentes.

STT en streaming

El plugin elevenlabs incluido registra Scribe v2 Realtime para la transcripción en streaming en modo agente para Voice Call y Google Meet.

Configuración	Ruta de configuración	Por defecto
Clave de API	`plugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKey`	Recurre a `ELEVENLABS_API_KEY` / `XI_API_KEY`
Modelo	`...elevenlabs.modelId`	`scribe_v2_realtime`
Formato de audio	`...elevenlabs.audioFormat`	`ulaw_8000`
Tasa de muestreo	`...elevenlabs.sampleRate`	`8000`
Estrategia de confirmación	`...elevenlabs.commitStrategy`	`vad`
Idioma	`...elevenlabs.languageCode`	(sin establecer)

{
  plugins: {
    entries: {
      "voice-call": {
        config: {
          streaming: {
            enabled: true,
            provider: "elevenlabs",
            providers: {
              elevenlabs: {
                apiKey: "${ELEVENLABS_API_KEY}",
                audioFormat: "ulaw_8000",
                commitStrategy: "vad",
                languageCode: "en",
              },
            },
          },
        },
      },
    },
  },
}

Para el modo agente de Google Meet, configure plugins.entries.google-meet.config.realtime.transcriptionProvider como "elevenlabs" y configure el mismo bloque de proveedor en plugins.entries.google-meet.config.realtime.providers.elevenlabs.