Deepgram

Deepgram یک API تبدیل گفتار به متن است. در OpenClaw از آن برای رونویسی صوت/یادداشت صوتی ورودی از طریق tools.media.audio و برای STT پخش جریانی تماس صوتی از طریق plugins.entries.voice-call.config.streaming استفاده می‌شود.

برای رونویسی دسته‌ای، OpenClaw فایل صوتی کامل را در Deepgram بارگذاری می‌کند و متن رونویسی‌شده را به خط لوله پاسخ تزریق می‌کند (بلوک {{Transcript}} + [Audio]). برای پخش جریانی تماس صوتی، OpenClaw فریم‌های زنده G.711 u-law را از طریق نقطه پایانی WebSocket listen در Deepgram ارسال می‌کند و هم‌زمان با بازگشت آن‌ها از Deepgram، رونویسی‌های جزئی یا نهایی را منتشر می‌کند.

# شروع به کار

DEEPGRAM_API_KEY=dg_...

{
  tools: {
    media: {
      audio: {
        enabled: true,
        models: [{ provider: "deepgram", model: "nova-3" }],
      },
    },
  },
}

# گزینه‌های پیکربندی

{
  tools: {
    media: {
      audio: {
        enabled: true,
        models: [{ provider: "deepgram", model: "nova-3", language: "en" }],
      },
    },
  },
}

{
  tools: {
    media: {
      audio: {
        enabled: true,
        providerOptions: {
          deepgram: {
            detect_language: true,
            punctuate: true,
            smart_format: true,
          },
        },
        models: [{ provider: "deepgram", model: "nova-3" }],
      },
    },
  },
}

# STT پخش جریانی تماس صوتی

Plugin همراه deepgram همچنین یک ارائه‌دهنده رونویسی بلادرنگ برای Plugin تماس صوتی ثبت می‌کند.

{
  plugins: {
    entries: {
      "voice-call": {
        config: {
          streaming: {
            enabled: true,
            provider: "deepgram",
            providers: {
              deepgram: {
                apiKey: "${DEEPGRAM_API_KEY}",
                model: "nova-3",
                endpointingMs: 800,
                language: "en-US",
              },
            },
          },
        },
      },
    },
  },
}

# نکات

# مرتبط