تحويل النص إلى كلام

يمكن لـ OpenClaw تحويل الردود الصادرة إلى صوت عبر 14 مزود كلام وتسليم رسائل صوتية أصلية على Feishu وMatrix وTelegram وWhatsApp، ومرفقات صوتية في كل مكان آخر، وتدفقات PCM/Ulaw للاتصالات الهاتفية وTalk.

TTS هو نصف إخراج الكلام في وضع stt-tts الخاص بـ Talk. جلسات Talk realtime الأصلية للمزود تولد الكلام داخل مزود الوقت الحقيقي بدلا من استدعاء مسار TTS هذا، بينما لا تولد جلسات transcription ردا صوتيا للمساعد.

# البدء السريع

{
  messages: {
    tts: {
      auto: "always",
      provider: "elevenlabs",
    },
  },
}

# المزودون المدعومون

إذا كان عدة مزودين مكوّنين، فسيُستخدم المزود المحدد أولا وتكون المزودات الأخرى خيارات احتياطية. يستخدم التلخيص التلقائي summaryModel (أو agents.defaults.model.primary)، لذلك يجب أيضا مصادقة ذلك المزود إذا أبقيت الملخصات مفعّلة.

# التكوين

يوجد تكوين TTS ضمن messages.tts في ~/.openclaw/openclaw.json. اختر إعدادا مسبقا وعدّل كتلة المزود:

{
messages: {
tts: {
  auto: "always",
  provider: "azure-speech",
  providers: {
    "azure-speech": {
      apiKey: "${AZURE_SPEECH_KEY}",
      region: "eastus",
      voice: "en-US-JennyNeural",
      lang: "en-US",
      outputFormat: "audio-24khz-48kbitrate-mono-mp3",
      voiceNoteOutputFormat: "ogg-24khz-16bit-mono-opus",
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "elevenlabs",
  providers: {
    elevenlabs: {
      apiKey: "${ELEVENLABS_API_KEY}",
      model: "eleven_multilingual_v2",
      voiceId: "EXAVITQu4vr4xnSDxMaL",
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "google",
  providers: {
    google: {
      apiKey: "${GEMINI_API_KEY}",
      model: "gemini-3.1-flash-tts-preview",
      voiceName: "Kore",
      // Optional natural-language style prompts:
      // audioProfile: "Speak in a calm, podcast-host tone.",
      // speakerName: "Alex",
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "gradium",
  providers: {
    gradium: {
      apiKey: "${GRADIUM_API_KEY}",
      voiceId: "YTpq7expH9539ERJ",
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "inworld",
  providers: {
    inworld: {
      apiKey: "${INWORLD_API_KEY}",
      modelId: "inworld-tts-1.5-max",
      voiceId: "Sarah",
      temperature: 0.7,
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "tts-local-cli",
  providers: {
    "tts-local-cli": {
      command: "say",
      args: ["-o", "{{OutputPath}}", "{{Text}}"],
      outputFormat: "wav",
      timeoutMs: 120000,
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "microsoft",
  providers: {
    microsoft: {
      enabled: true,
      voice: "en-US-MichelleNeural",
      lang: "en-US",
      outputFormat: "audio-24khz-48kbitrate-mono-mp3",
      rate: "+0%",
      pitch: "+0%",
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "minimax",
  providers: {
    minimax: {
      apiKey: "${MINIMAX_API_KEY}",
      model: "speech-2.8-hd",
      voiceId: "English_expressive_narrator",
      speed: 1.0,
      vol: 1.0,
      pitch: 0,
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "openai",
  summaryModel: "openai/gpt-4.1-mini",
  modelOverrides: { enabled: true },
  providers: {
    openai: {
      apiKey: "${OPENAI_API_KEY}",
      model: "gpt-4o-mini-tts",
      voice: "alloy",
    },
    elevenlabs: {
      apiKey: "${ELEVENLABS_API_KEY}",
      model: "eleven_multilingual_v2",
      voiceId: "EXAVITQu4vr4xnSDxMaL",
      voiceSettings: { stability: 0.5, similarityBoost: 0.75, style: 0.0, useSpeakerBoost: true, speed: 1.0 },
      applyTextNormalization: "auto",
      languageCode: "en",
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "openrouter",
  providers: {
    openrouter: {
      apiKey: "${OPENROUTER_API_KEY}",
      model: "hexgrad/kokoro-82m",
      voice: "af_alloy",
      responseFormat: "mp3",
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "volcengine",
  providers: {
    volcengine: {
      apiKey: "${VOLCENGINE_TTS_API_KEY}",
      resourceId: "seed-tts-1.0",
      voice: "en_female_anna_mars_bigtts",
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "xai",
  providers: {
    xai: {
      apiKey: "${XAI_API_KEY}",
      voiceId: "eve",
      language: "en",
      responseFormat: "mp3",
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "xiaomi",
  providers: {
    xiaomi: {
      apiKey: "${XIAOMI_API_KEY}",
      model: "mimo-v2.5-tts",
      voice: "mimo_default",
      format: "mp3",
    },
  },
},
},
}

# تجاوزات الصوت لكل وكيل

استخدم agents.list[].tts عندما ينبغي لوكيل واحد أن يتحدث بمزود أو صوت أو نموذج أو شخصية أو وضع Auto-TTS مختلف. تدمج كتلة الوكيل بعمق فوق messages.tts، لذلك يمكن أن تبقى بيانات اعتماد المزود في تكوين المزود العام:

{
  messages: {
    tts: {
      auto: "always",
      provider: "elevenlabs",
      providers: {
        elevenlabs: { apiKey: "${ELEVENLABS_API_KEY}", model: "eleven_multilingual_v2" },
      },
    },
  },
  agents: {
    list: [
      {
        id: "reader",
        tts: {
          providers: {
            elevenlabs: { voiceId: "EXAVITQu4vr4xnSDxMaL" },
          },
        },
      },
    ],
  },
}

لتثبيت شخصية لكل وكيل، عيّن agents.list[].tts.persona إلى جانب تكوين المزود — فهو يتجاوز messages.tts.persona العام لذلك الوكيل فقط.

ترتيب الأولوية للردود التلقائية، و/tts audio، و/tts status، وأداة الوكيل tts:

1. messages.tts
2. agents.list[].tts النشط
3. تجاوز القناة، عندما تدعم القناة channels.<channel>.tts
4. تجاوز الحساب، عندما تمرر القناة channels.<channel>.accounts.<id>.tts
5. تفضيلات /tts المحلية لهذا المضيف
6. توجيهات [[tts:...]] المضمنة عندما تكون تجاوزات النموذج مفعلة

تستخدم تجاوزات القنوات والحسابات الشكل نفسه مثل messages.tts ويتم دمجها بعمق فوق الطبقات السابقة، لذلك يمكن أن تبقى بيانات اعتماد المزوّد المشتركة في messages.tts بينما تغيّر قناة أو حساب بوت الصوت أو النموذج أو الشخصية أو الوضع التلقائي فقط:

{
  messages: {
    tts: {
      provider: "openai",
      providers: {
        openai: { apiKey: "${OPENAI_API_KEY}", model: "gpt-4o-mini-tts" },
      },
    },
  },
  channels: {
    feishu: {
      accounts: {
        english: {
          tts: {
            providers: {
              openai: { voice: "shimmer" },
            },
          },
        },
      },
    },
  },
}

# الشخصيات

الشخصية هي هوية نطق ثابتة يمكن تطبيقها بشكل حتمي عبر المزوّدين. يمكنها تفضيل مزوّد واحد، وتعريف نية مطالبة محايدة بين المزوّدين، وحمل ارتباطات خاصة بالمزوّد للأصوات والنماذج وقوالب المطالبات والبذور وإعدادات الصوت.

# شخصية بسيطة

{
  messages: {
    tts: {
      auto: "always",
      persona: "narrator",
      personas: {
        narrator: {
          label: "Narrator",
          provider: "elevenlabs",
          providers: {
            elevenlabs: { voiceId: "EXAVITQu4vr4xnSDxMaL", modelId: "eleven_multilingual_v2" },
          },
        },
      },
    },
  },
}

# شخصية كاملة (مطالبة محايدة بين المزوّدين)

{
  messages: {
    tts: {
      auto: "always",
      persona: "alfred",
      personas: {
        alfred: {
          label: "Alfred",
          description: "Dry, warm British butler narrator.",
          provider: "google",
          fallbackPolicy: "preserve-persona",
          prompt: {
            profile: "A brilliant British butler. Dry, witty, warm, charming, emotionally expressive, never generic.",
            scene: "A quiet late-night study. Close-mic narration for a trusted operator.",
            sampleContext: "The speaker is answering a private technical request with concise confidence and dry warmth.",
            style: "Refined, understated, lightly amused.",
            accent: "British English.",
            pacing: "Measured, with short dramatic pauses.",
            constraints: ["Do not read configuration values aloud.", "Do not explain the persona."],
          },
          providers: {
            google: {
              model: "gemini-3.1-flash-tts-preview",
              voiceName: "Algieba",
              promptTemplate: "audio-profile-v1",
            },
            openai: { model: "gpt-4o-mini-tts", voice: "cedar" },
            elevenlabs: {
              voiceId: "voice_id",
              modelId: "eleven_multilingual_v2",
              seed: 42,
              voiceSettings: {
                stability: 0.65,
                similarityBoost: 0.8,
                style: 0.25,
                useSpeakerBoost: true,
                speed: 0.95,
              },
            },
          },
        },
      },
    },
  },
}

# حلّ الشخصية

يتم اختيار الشخصية النشطة بشكل حتمي:

1. تفضيل /tts persona <id> المحلي، إذا كان مضبوطًا.
2. messages.tts.persona، إذا كان مضبوطًا.
3. لا توجد شخصية.

يعمل اختيار المزوّد وفق نهج الصريح أولًا:

1. التجاوزات المباشرة (CLI، وGateway، وTalk، وتوجيهات TTS المسموح بها).
2. تفضيل /tts provider <id> المحلي.
3. provider الخاص بالشخصية النشطة.
4. messages.tts.provider.
5. الاختيار التلقائي من السجل.

لكل محاولة مزوّد، يدمج OpenClaw الإعدادات بهذا الترتيب:

1. messages.tts.providers.<id>
2. messages.tts.personas.<persona>.providers.<id>
3. تجاوزات الطلب الموثوقة
4. تجاوزات توجيهات TTS الصادرة من النموذج والمسموح بها

# كيف تستخدم المزوّدات مطالبات الشخصية

حقول مطالبة الشخصية (profile، وscene، وsampleContext، وstyle، وaccent، وpacing، وconstraints) محايدة بين المزوّدين. يقرر كل مزوّد كيف يستخدمها:

# سياسة الرجوع الاحتياطي

يتحكم fallbackPolicy في السلوك عندما لا يكون لدى الشخصية أي ارتباط للمزوّد الذي تجري محاولته:

يفشل طلب TTS بالكامل فقط عندما يتم تخطي كل المزوّدين الذين جرت محاولتهم أو يفشلون.

اختيار مزوّد جلسة Talk محدود بنطاق الجلسة. يجب أن يختار عميل Talk معرفات المزوّدين، ومعرفات النماذج، ومعرفات الأصوات، واللغات المحلية من talk.catalog ويمررها عبر جلسة Talk أو طلب التسليم. يجب ألا يؤدي فتح جلسة صوت إلى تعديل messages.tts أو افتراضات مزوّد Talk العامة.

# التوجيهات المدفوعة بالنموذج

افتراضيًا، يمكن للمساعد إصدار توجيهات [[tts:...]] لتجاوز الصوت أو النموذج أو السرعة لرد واحد، بالإضافة إلى كتلة اختيارية [[tts:text]]...[[/tts:text]] للإشارات التعبيرية التي ينبغي أن تظهر في الصوت فقط:

Here you go.

[[tts:voiceId=pMsXgVXv3BLzUgSXRplE model=eleven_v3 speed=1.1]]
[[tts:text]](laughs) Read the song once more.[[/tts:text]]

عندما تكون messages.tts.auto هي "tagged"، تكون التوجيهات مطلوبة لتشغيل الصوت. يزيل تسليم كتل البث التوجيهات من النص المرئي قبل أن تراها القناة، حتى عندما تكون مقسمة عبر كتل متجاورة.

يتم تجاهل provider=... ما لم تكن modelOverrides.allowProvider: true. عندما يعلن رد عن provider=...، يتم تحليل المفاتيح الأخرى في ذلك التوجيه فقط بواسطة ذلك المزوّد؛ تتم إزالة المفاتيح غير المدعومة والإبلاغ عنها كتحذيرات توجيه TTS.

مفاتيح التوجيه المتاحة:

• provider (معرف مزوّد مسجل؛ يتطلب allowProvider: true)
• voice / voiceName / voice_name / google_voice / voiceId
• model / google_model
• stability, similarityBoost, style, speed, useSpeakerBoost
• vol / volume (حجم MiniMax، 0–10)
• pitch (طبقة صوت MiniMax بعدد صحيح، −12 إلى 12؛ تُقتطع القيم الكسرية)
• emotion (وسم عاطفة Volcengine)
• applyTextNormalization (auto|on|off)
• languageCode (ISO 639-1)
• seed

تعطيل تجاوزات النموذج بالكامل:

{ messages: { tts: { modelOverrides: { enabled: false } } } }

السماح بتبديل المزوّد مع إبقاء أدوات الضبط الأخرى قابلة للتكوين:

{ messages: { tts: { modelOverrides: { enabled: true, allowProvider: true, allowSeed: false } } } }

# أوامر الشرطة المائلة

الأمر الواحد /tts. على Discord، يسجل OpenClaw أيضًا /voice لأن /tts أمر مدمج في Discord — لا يزال النص /tts ... يعمل.

/tts off | on | status
/tts chat on | off | default
/tts latest
/tts provider <id>
/tts persona <id> | off
/tts limit <chars>
/tts summary off
/tts audio <text>

ملاحظات السلوك:

• يكتب /tts on تفضيل TTS المحلي إلى always؛ ويكتبه /tts off إلى off.
• يكتب /tts chat on|off|default تجاوز TTS تلقائيًا محدودًا بنطاق الجلسة للدردشة الحالية.
• يكتب /tts persona <id> تفضيل الشخصية المحلي؛ ويمسحه /tts persona off.
• يقرأ /tts latest أحدث رد للمساعد من نص الجلسة الحالية ويرسله كصوت مرة واحدة. يخزن فقط تجزئة ذلك الرد في إدخال الجلسة لمنع الإرسال الصوتي المكرر.
• ينشئ /tts audio ردًا صوتيًا لمرة واحدة (لا يبدّل TTS إلى وضع التشغيل).
• يتم تخزين limit وsummary في التفضيلات المحلية، وليس في التكوين الرئيسي.
• يتضمن /tts status تشخيصات الرجوع الاحتياطي لأحدث محاولة — Fallback: <primary> -> <used>، وAttempts: ...، وتفاصيل كل محاولة (provider:outcome(reasonCode) latency).
• يعرض /status وضع TTS النشط بالإضافة إلى المزوّد والنموذج والصوت المكوّنة وبيانات تعريف نقطة النهاية المخصصة المنقّاة عندما يكون TTS مفعّلًا.

# تفضيلات لكل مستخدم

تكتب أوامر الشرطة المائلة التجاوزات المحلية إلى prefsPath. الافتراضي هو ~/.openclaw/settings/tts.json؛ تجاوزه باستخدام متغير البيئة OPENCLAW_TTS_PREFS أو messages.tts.prefsPath.

تتجاوز هذه القيم التكوين الفعلي من messages.tts بالإضافة إلى كتلة agents.list[].tts النشطة لذلك المضيف.

# تنسيقات الإخراج (ثابتة)

يُدار تسليم صوت TTS وفق قدرات القناة. تعلن Plugins القنوات ما إذا كان TTS بنمط الصوت يجب أن يطلب من المزوّدين هدفًا أصليًا voice-note أو يبقي تركيب audio-file العادي ويضع فقط علامة على الإخراج المتوافق لتسليم الصوت.

• القنوات القادرة على الملاحظات الصوتية: تفضّل ردود الملاحظات الصوتية Opus (opus_48000_64 من ElevenLabs، وopus من OpenAI).
  • 48kHz / 64kbps هو توازن جيد للرسائل الصوتية.
• Feishu / WhatsApp: عندما يُنتج رد الملاحظة الصوتية كملف MP3/WebM/WAV/M4A أو ملف صوتي آخر محتمل، يحوّله Plugin القناة إلى Ogg/Opus بتردد 48kHz باستخدام ffmpeg قبل إرسال الرسالة الصوتية الأصلية. يرسل WhatsApp النتيجة عبر حمولة Baileys audio مع ptt: true و audio/ogg; codecs=opus. إذا فشل التحويل، يتلقى Feishu الملف الأصلي كمرفق؛ ويفشل إرسال WhatsApp بدلًا من نشر حمولة PTT غير متوافقة.
• BlueBubbles: يُبقي توليف المزوّد على مسار ملف الصوت العادي؛ وتُعلَّم مخرجات MP3 وCAF للتسليم كمذكرة صوتية عبر iMessage.
• القنوات الأخرى: MP3 (mp3_44100_128 من ElevenLabs، وmp3 من OpenAI).
  • 44.1kHz / 128kbps هو التوازن الافتراضي لوضوح الكلام.
• MiniMax: MP3 (نموذج speech-2.8-hd، ومعدل عينة 32kHz) لمرفقات الصوت العادية. بالنسبة لأهداف الملاحظات الصوتية التي تعلنها القناة، يحوّل OpenClaw ملف MiniMax MP3 إلى Opus بتردد 48kHz باستخدام ffmpeg قبل التسليم عندما تعلن القناة دعم التحويل.
• Xiaomi MiMo: MP3 افتراضيًا، أو WAV عند تكوينه. بالنسبة لأهداف الملاحظات الصوتية التي تعلنها القناة، يحوّل OpenClaw مخرجات Xiaomi إلى Opus بتردد 48kHz باستخدام ffmpeg قبل التسليم عندما تعلن القناة دعم التحويل.
• CLI المحلي: يستخدم outputFormat المُكوَّن. تُحوَّل أهداف الملاحظات الصوتية إلى Ogg/Opus، وتُحوَّل مخرجات الاتصالات الهاتفية إلى PCM خام أحادي القناة بتردد 16 kHz باستخدام ffmpeg.
• Google Gemini: يعيد TTS في Gemini API ملف PCM خام بتردد 24kHz. يغلّفه OpenClaw كملف WAV لمرفقات الصوت، ويحوّله إلى Opus بتردد 48kHz لأهداف الملاحظات الصوتية، ويعيد PCM مباشرةً لـ Talk/الاتصالات الهاتفية.
• Gradium: WAV لمرفقات الصوت، وOpus لأهداف الملاحظات الصوتية، وulaw_8000 بتردد 8 kHz للاتصالات الهاتفية.
• Inworld: MP3 لمرفقات الصوت العادية، وOGG_OPUS أصلي لأهداف الملاحظات الصوتية، وPCM خام بتردد 22050 Hz لـ Talk/الاتصالات الهاتفية.
• xAI: MP3 افتراضيًا؛ يمكن أن يكون responseFormat هو mp3 أو wav أو pcm أو mulaw أو alaw. يستخدم OpenClaw نقطة نهاية xAI لتوليف الكلام TTS عبر REST الدفعي ويعيد مرفقًا صوتيًا كاملًا؛ ولا يستخدم مسار هذا المزوّد WebSocket الخاص بتدفق TTS من xAI. لا يدعم هذا المسار تنسيق Opus الأصلي للملاحظات الصوتية.
• Microsoft: يستخدم microsoft.outputFormat (الافتراضي audio-24khz-48kbitrate-mono-mp3).
  • يقبل النقل المضمّن outputFormat، لكن ليست كل التنسيقات متاحة من الخدمة.
  • تتبع قيم تنسيق الإخراج تنسيقات إخراج Microsoft Speech (بما في ذلك Ogg/WebM Opus).
  • يقبل Telegram sendVoice صيغ OGG/MP3/M4A؛ استخدم OpenAI/ElevenLabs إذا كنت تحتاج إلى رسائل صوتية Opus مضمونة.
  • إذا فشل تنسيق إخراج Microsoft المُكوَّن، يعيد OpenClaw المحاولة باستخدام MP3.

تنسيقات إخراج OpenAI/ElevenLabs ثابتة لكل قناة (انظر أعلاه).

# سلوك TTS التلقائي

عند تمكين messages.tts.auto، يقوم OpenClaw بما يلي:

• يتخطى TTS إذا كان الرد يحتوي بالفعل على وسائط أو توجيه MEDIA:.
• يتخطى الردود القصيرة جدًا (أقل من 10 أحرف).
• يلخّص الردود الطويلة عند تمكين الملخصات، باستخدام summaryModel (أو agents.defaults.model.primary).
• يرفق الصوت المُنشأ بالرد.
• في mode: "final"، يظل يرسل TTS صوتيًا فقط للردود النهائية المتدفقة بعد اكتمال تدفق النص؛ تمر الوسائط المُنشأة عبر تطبيع وسائط القناة نفسه مثل مرفقات الرد العادية.

إذا تجاوز الرد maxLength وكان التلخيص متوقفًا (أو لا يوجد مفتاح API لنموذج التلخيص)، يتم تخطي الصوت وإرسال الرد النصي العادي.

Reply -> TTS enabled?
  no  -> send text
  yes -> has media / MEDIA: / short?
          yes -> send text
          no  -> length > limit?
                   no  -> TTS -> attach audio
                   yes -> summary enabled?
                            no  -> send text
                            yes -> summarize -> TTS -> attach audio

# تنسيقات الإخراج حسب القناة

ملاحظات حسب المزوّد:

• تحويل ترميز Feishu / WhatsApp: عندما يصل رد ملاحظة صوتية بصيغة MP3/WebM/WAV/M4A، يحوّل Plugin القناة الترميز إلى 48 kHz Ogg/Opus باستخدام ffmpeg. يرسل WhatsApp عبر Baileys مع ptt: true وaudio/ogg; codecs=opus. إذا فشل التحويل: يعود Feishu إلى إرفاق الملف الأصلي؛ ويفشل إرسال WhatsApp بدلا من نشر حمولة PTT غير متوافقة.
• MiniMax / Xiaomi MiMo: MP3 افتراضي (32 kHz لـ MiniMax speech-2.8-hd)؛ يجري تحويله إلى 48 kHz Opus لأهداف الملاحظات الصوتية عبر ffmpeg.
• CLI المحلي: يستخدم outputFormat المضبوط. تحوّل أهداف الملاحظات الصوتية إلى Ogg/Opus ومخرجات الاتصال الهاتفي إلى PCM أحادي خام بتردد 16 kHz.
• Google Gemini: يرجع PCM خاما بتردد 24 kHz. يغلّفه OpenClaw كـ WAV للمرفقات، ويحوّله إلى 48 kHz Opus لأهداف الملاحظات الصوتية، ويرجع PCM مباشرة للتحدث/الاتصال الهاتفي.
• Inworld: مرفقات MP3، وملاحظات صوتية أصلية OGG_OPUS، وPCM خام بتردد 22050 Hz للتحدث/الاتصال الهاتفي.
• xAI: MP3 افتراضيا؛ يمكن أن يكون responseFormat هو mp3|wav|pcm|mulaw|alaw. يستخدم نقطة نهاية REST الدفعية في xAI — لا يُستخدم TTS عبر WebSocket المتدفق. صيغة الملاحظات الصوتية الأصلية Opus غير مدعومة.
• Microsoft: يستخدم microsoft.outputFormat (الافتراضي audio-24khz-48kbitrate-mono-mp3). يقبل sendVoice في Telegram صيغ OGG/MP3/M4A؛ استخدم OpenAI/ElevenLabs إذا كنت تحتاج إلى رسائل صوتية Opus مضمونة. إذا فشلت صيغة Microsoft المضبوطة، يعيد OpenClaw المحاولة باستخدام MP3.

صيغ مخرجات OpenAI وElevenLabs ثابتة لكل قناة كما هو مذكور أعلاه.

# مرجع الحقول

# أداة الوكيل

تحوّل أداة tts النص إلى كلام وتعيد مرفقا صوتيا لتسليم الرد. في Feishu وMatrix وTelegram وWhatsApp، يُسلَّم الصوت كرسالة صوتية بدلا من مرفق ملف. يمكن لـ Feishu وWhatsApp تحويل ترميز خرج تحويل النص إلى كلام غير Opus في هذا المسار عندما يكون ffmpeg متاحا.

يرسل WhatsApp الصوت عبر Baileys كملاحظة صوتية PTT (audio مع ptt: true) ويرسل النص المرئي بشكل منفصل عن صوت PTT لأن العملاء لا يعرضون التسميات التوضيحية على الملاحظات الصوتية بشكل متسق.

تقبل الأداة حقلي channel وtimeoutMs الاختياريين؛ وtimeoutMs هو مهلة طلب مزوّد لكل استدعاء بالمللي ثانية.

# Gateway RPC

# روابط الخدمة

• دليل OpenAI لتحويل النص إلى كلام
• مرجع واجهة برمجة تطبيقات الصوت في OpenAI
• تحويل النص إلى كلام عبر REST في Azure Speech
• مزوّد Azure Speech
• تحويل النص إلى كلام في ElevenLabs
• مصادقة ElevenLabs
• Gradium
• واجهة برمجة تطبيقات Inworld TTS
• واجهة برمجة تطبيقات MiniMax T2A v2
• واجهة برمجة تطبيقات HTTP لتحويل النص إلى كلام في Volcengine
• توليف الكلام في Xiaomi MiMo
• node-edge-tts
• تنسيقات خرج Microsoft Speech
• تحويل النص إلى كلام في xAI

# ذو صلة

• نظرة عامة على الوسائط
• توليد الموسيقى
• توليد الفيديو
• أوامر Slash
• Plugin المكالمات الصوتية