Skip to main content
OpenClaw は、イレブンラボ、OpenAI、または Edge TTS を使用して、アウトバウンド返信を音声に変換できます。 OpenClaw が音声を送信できる場所ならどこでも機能します。 Telegram には丸い音声メモのバブルが表示されます。

サポートされているサービス

  • イレブンラボ (プライマリまたはフォールバックプロバイダー)
  • OpenAI (プライマリまたはフォールバック プロバイダー。要約にも使用されます)
  • Edge TTS (プライマリまたはフォールバック プロバイダー、node-edge-tts を使用、API キーがない場合のデフォルト)

Edge TTS の注意事項

Edge TTS は、node-edge-tts 経由で Microsoft Edge のオンライン ニューラル TTS サービスを使用します。 図書館。これはホスト型サービス (ローカルではない) であり、Microsoft のエンドポイントを使用し、 API キーは必要ありません。 node-edge-tts は音声設定オプションを公開し、 ただし、すべてのオプションが Edge サービスでサポートされているわけではありません。 引用turn2search0 Edge TTS は公開された SLA やクォータのないパブリック Web サービスであるため、これを扱います。 ベストエフォートとして。保証された制限とサポートが必要な場合は、OpenAI または イレブンラボを使用してください。 Microsoft の Speech REST API では、リクエストあたり 10 分の音声制限が文書化されています。エッジTTS は制限を公開していないため、同様の制限またはそれより低い制限を想定しています。 引用turn0search3

オプションのキー

OpenAI または イレブンラボが必要な場合:
  • ELEVENLABS_API_KEY (または XI_API_KEY)
  • OPENAI_API_KEY
Edge TTS には API キーは必要ありません。 API キーが見つからない場合、OpenClaw はデフォルトで Edge TTS に送信します (messages.tts.edge.enabled=false によって無効にされていない限り)。複数のプロバイダーが構成されている場合、選択したプロバイダーが最初に使用され、他のプロバイダーはフォールバック オプションになります。 自動サマリーは、構成された summaryModel (または agents.defaults.model.primary) を使用します。 そのため、サマリーを有効にする場合はプロバイダーも認証される必要があります。

サービスリンク

デフォルトで有効になっていますか?

いいえ。Auto‑TTS はデフォルトで オフ です。設定で有効にします messages.tts.auto または /tts always (エイリアス: /tts on) とのセッションごと。 Edge TTS は、TTS がオンになると デフォルトで有効になり、自動的に使用されます OpenAI または Celebrities API キーが利用できない場合。

構成

TTS 構成は、openclaw.jsonmessages.tts の下に存在します。 完全なスキーマは ゲートウェイ構成 にあります。

最小限の構成 (有効化 + プロバイダー)

OpenAI プライマリと イレブンラボ フォールバック

Edge TTS プライマリ (API キーなし)

エッジ TTS を無効にする

カスタム制限 + 設定パス

受信音声メモの後にのみ音声で返信する

長い返信の自動要約を無効にする

/tts summary off
Here you go. [[tts:voiceId=pMsXgVXv3BLzUgSXRplE model=eleven_v3 speed=1.1]] [tts:text] Read the song once more.[[/tts:text]]
オプションの許可リスト (他のノブを構成可能なままにしてプロバイダーの切り替えを有効にする):

ユーザーごとの設定

スラッシュ コマンドは、ローカル オーバーライドを prefsPath に書き込みます (デフォルト: ~/.openclaw/settings/tts.jsonOPENCLAW_TTS_PREFS でオーバーライドするか、 messages.tts.prefsPath)。 保存されたフィールド:- enabled
  • provider
  • maxLength (概要しきい値、デフォルトは 1500 文字)
  • summarize (デフォルト true)
これらは、そのホストの messages.tts.* をオーバーライドします。

出力形式 (固定)

  • テレグラム: Opus 音声メモ (イレブンラボからの opus_48000_64、OpenAI からの opus)。
    • 48kHz / 64kbps は音声とノートの適切なトレードオフであり、丸いバブルに必要です。
  • その他のチャンネル: MP3 (イレブンラボの mp3_44100_128、OpenAI の mp3)。
    • 44.1kHz / 128kbps は、音声を明瞭にするためのデフォルトのバランスです。
  • エッジ TTS: edge.outputFormat (デフォルト audio-24khz-48kbitrate-mono-mp3) を使用します。
    • node-edge-ttsoutputFormat を受け入れますが、すべての形式が利用できるわけではありません エッジサービスから。 引用turn2search0
    • 出力形式の値は、Microsoft Speech 出力形式 (Ogg/WebM Opus を含む) に従います。 引用turn1search0
    • テレグラム sendVoice は OGG/MP3/M4A を受け入れます。必要に応じて OpenAI/イレブンラボを使用してください Opus の音声メモを保証します。 引用turn1search1
    • 設定された Edge 出力形式が失敗した場合、OpenClaw は MP3 で再試行します。
OpenAI/イレブンラボの形式は固定されています。 Telegram は Opus にボイスノート UX を期待しています。

自動 TTS 動作

有効にすると、OpenClaw は次のことを行います。- 応答にすでにメディアまたは MEDIA: ディレクティブが含まれている場合は、TTS をスキップします。
  • 非常に短い返信 (10 文字未満) をスキップします。
  • agents.defaults.model.primary (または summaryModel) を使用して有効にすると、長い返信を要約します。
  • 生成された音声を返信に添付します。
応答が maxLength を超え、要約がオフの場合 (または、 サマリーモデル)、オーディオ はスキップされ、通常のテキスト応答が送信されます。

フロー図

スラッシュコマンドの使用法

コマンドは /tts という 1 つだけです。 有効化の詳細については、スラッシュ コマンド を参照してください。 Discord に関する注意: /tts は組み込みの Discord コマンドであるため、OpenClaw は /voice をネイティブ コマンドとして使用します。テキスト /tts ... は引き続き機能します。
注:
  • コマンドには承認された送信者が必要です (許可リスト/所有者のルールが引き続き適用されます)。
  • commands.text またはネイティブ コマンドの登録が有効になっている必要があります。
  • off|always|inbound|tagged はセッションごとの切り替えです (/tts on/tts always のエイリアスです)。
  • limit および summary は、メイン設定ではなくローカル設定に保存されます。
  • /tts audio は 1 回限りの音声応答を生成します (TTS をオンに切り替えません)。

エージェントツール

tts ツールはテキストを音声に変換し、MEDIA: パスを返します。とき 結果は Telegram と互換性があり、ツールには [[audio_as_voice]] が含まれているため、 Telegram は音声バブルを送信します。

ゲートウェイ RPCゲートウェイ方式

  • tts.status
  • tts.enable
  • tts.disable
  • tts.convert
  • tts.setProvider
  • tts.providers