Azure Speech

Azure Speech 是一个 Azure AI 语音转文字提供商。在 OpenClaw 中，它默认将出站回复音频合成为 MP3，为语音笔记合成为原生 Ogg/Opus，并为语音通话等电话渠道合成 8 kHz mulaw 音频。

OpenClaw 直接使用 Azure Speech REST API，并通过 SSML 发送提供商拥有的输出格式，通过 X-Microsoft-OutputFormat。

详细信息	值
网站	Azure AI 语音
文档	语音 REST 文字转语音
身份验证	`AZURE_SPEECH_KEY` 加上 `AZURE_SPEECH_REGION`
默认语音	`en-US-JennyNeural`
默认文件输出	`audio-24khz-48kbitrate-mono-mp3`
默认语音备注文件	`ogg-24khz-16bit-mono-opus`

入门指南

创建 Azure Speech 资源
在 Azure 门户中，创建一个 Speech 资源。从 Resource Management > Keys and Endpoint 复制 KEY 1，并复制资源位置例如 eastus。
```
AZURE_SPEECH_KEY=
```
AZURE_SPEECH_REGION=eastus

在 messages.tts 中选择 Azure Speech

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

发送消息
通过任何连接的渠道发送回复。OpenClaw 使用 Azure Speech 合成音频并为标准音频交付 MP3，或者当渠道期望语音备注时交付 Ogg/Opus。

配置选项

选项	路径	描述
`apiKey`	`messages.tts.providers.azure-speech.apiKey`	Azure Speech 资源密钥。回退到 `AZURE_SPEECH_KEY`、`AZURE_SPEECH_API_KEY` 或 `SPEECH_KEY`。
`region`	`messages.tts.providers.azure-speech.region`	Azure Speech 资源区域。回退到 `AZURE_SPEECH_REGION` 或 `SPEECH_REGION`。
`endpoint`	`messages.tts.providers.azure-speech.endpoint`	可选的 Azure Speech 终结点/基本 URL 覆盖。
`baseUrl`	`messages.tts.providers.azure-speech.baseUrl`	可选的 Azure Speech 基础 URL 覆盖。
`voice`	`messages.tts.providers.azure-speech.voice`	Azure 语音 ShortName（默认 `en-US-JennyNeural`）。
`lang`	`messages.tts.providers.azure-speech.lang`	SSML 语言代码（默认 `en-US`）。
`outputFormat`	`messages.tts.providers.azure-speech.outputFormat`	音频文件输出格式（默认 `audio-24khz-48kbitrate-mono-mp3`）。
`voiceNoteOutputFormat`	`messages.tts.providers.azure-speech.voiceNoteOutputFormat`	语音笔记输出格式（默认 `ogg-24khz-16bit-mono-opus`）。

备注

Authentication

Azure Speech 使用语音资源密钥，而不是 Azure OpenAI 密钥。该密钥作为 Ocp-Apim-Subscription-Key 发送；OpenClaw 会从 region 推导 `https://

.tts.speech.microsoft.com，除非您提供 endpoint或baseUrl`。

Voice names

使用 Azure Speech 语音的 ShortName 值，例如 en-US-JennyNeural。捆绑的提供商可以通过同一语音资源列出语音，并过滤掉标记为已弃用或已停用的语音。

Audio outputs

Azure 接受 audio-24khz-48kbitrate-mono-mp3、 ogg-24khz-16bit-mono-opus 和 riff-24khz-16bit-mono-pcm 等输出格式。OpenClaw 请求 voice-note 目标使用 Ogg/Opus，以便频道可以发送原生语音气泡而无需额外的 MP3 转换。

Alias

azure 被接受为现有 PR 和用户配置的提供商别名，但新配置应使用 azure-speech 以避免与 Azure OpenAI 模型提供商混淆。

Azure Speech

入门指南

配置选项

备注

相关