xAI

ارائه‌دهنده‌ی جست‌وجوی وب همراه grok از XAI_API_KEY نیز استفاده می‌کند:

openclaw config set tools.web.search.provider grok

Plugin همراه xai تولید ویدیو را از طریق ابزار مشترک video_generate ثبت می‌کند.

• مدل ویدیوی پیش‌فرض: xai/grok-imagine-video
• حالت‌ها: متن به ویدیو، تصویر به ویدیو، تولید تصویر مرجع، ویرایش ویدیوی راه‌دور، و گسترش ویدیوی راه‌دور
• نسبت‌های تصویر: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3
• وضوح‌ها: 480P, 720P
• مدت: 1-15 ثانیه برای تولید/تصویر به ویدیو، 1-10 ثانیه هنگام استفاده از نقش‌های reference_image، 2-10 ثانیه برای گسترش
• تولید تصویر مرجع: برای هر تصویر ارائه‌شده imageRoles را روی reference_image تنظیم کنید؛ xAI تا 7 تصویر از این نوع را می‌پذیرد

برای استفاده از xAI به‌عنوان ارائه‌دهنده‌ی پیش‌فرض ویدیو:

{
  agents: {
    defaults: {
      videoGenerationModel: {
        primary: "xai/grok-imagine-video",
      },
    },
  },
}

Plugin همراه xai تولید تصویر را از طریق ابزار مشترک image_generate ثبت می‌کند.

• مدل تصویر پیش‌فرض: xai/grok-imagine-image
• مدل اضافی: xai/grok-imagine-image-pro
• حالت‌ها: متن به تصویر و ویرایش تصویر مرجع
• ورودی‌های مرجع: یک image یا تا پنج images
• نسبت‌های تصویر: 1:1, 16:9, 9:16, 4:3, 3:4, 2:3, 3:2
• وضوح‌ها: 1K, 2K
• تعداد: تا 4 تصویر

OpenClaw از xAI پاسخ‌های تصویر b64_json درخواست می‌کند تا رسانه‌ی تولیدشده بتواند از طریق مسیر عادی پیوست کانال ذخیره و تحویل شود. تصاویر مرجع محلی به URLهای داده تبدیل می‌شوند؛ ارجاع‌های راه‌دور http(s) بدون تغییر عبور داده می‌شوند.

برای استفاده از xAI به‌عنوان ارائه‌دهنده‌ی پیش‌فرض تصویر:

{
  agents: {
    defaults: {
      imageGenerationModel: {
        primary: "xai/grok-imagine-image",
      },
    },
  },
}

Plugin همراه xai تبدیل متن به گفتار را از طریق سطح مشترک ارائه‌دهنده‌ی tts ثبت می‌کند.

• صداها: eve, ara, rex, sal, leo, una
• صدای پیش‌فرض: eve
• قالب‌ها: mp3, wav, pcm, mulaw, alaw
• زبان: کد BCP-47 یا auto
• سرعت: بازنویسی سرعت بومی ارائه‌دهنده
• قالب بومی یادداشت صوتی Opus پشتیبانی نمی‌شود

برای استفاده از xAI به‌عنوان ارائه‌دهنده‌ی پیش‌فرض TTS:

{
  messages: {
    tts: {
      provider: "xai",
      providers: {
        xai: {
          voiceId: "eve",
        },
      },
    },
  },
}

Plugin همراه xai تبدیل گفتار به متن دسته‌ای را از طریق سطح رونویسی درک رسانه در OpenClaw ثبت می‌کند.

• مدل پیش‌فرض: grok-stt
• endpoint: xAI REST /v1/stt
• مسیر ورودی: بارگذاری فایل صوتی multipart
• در هر جایی از OpenClaw که رونویسی صوت ورودی از tools.media.audio استفاده کند پشتیبانی می‌شود، از جمله بخش‌های کانال صوتی Discord و پیوست‌های صوتی کانال

برای اجبار xAI برای رونویسی صوت ورودی:

{
  tools: {
    media: {
      audio: {
        models: [
          {
            type: "provider",
            provider: "xai",
            model: "grok-stt",
          },
        ],
      },
    },
  },
}

زبان می‌تواند از طریق پیکربندی مشترک رسانه‌ی صوتی یا درخواست رونویسی هر فراخوانی ارائه شود. راهنماهای prompt توسط سطح مشترک OpenClaw پذیرفته می‌شوند، اما ادغام STT مبتنی بر REST در xAI فقط فایل، مدل، و زبان را forward می‌کند، زیرا این موارد به‌صورت تمیز به endpoint عمومی فعلی xAI نگاشت می‌شوند.

Plugin همراه xai همچنین یک ارائه‌دهنده‌ی رونویسی بی‌درنگ برای صدای تماس صوتی زنده ثبت می‌کند.

• endpoint: xAI WebSocket wss://api.x.ai/v1/stt
• کدگذاری پیش‌فرض: mulaw
• نرخ نمونه‌برداری پیش‌فرض: 8000
• endpointing پیش‌فرض: 800ms
• رونویسی‌های موقت: به‌صورت پیش‌فرض فعال

جریان رسانه‌ای Twilio در Voice Call فریم‌های صوتی G.711 µ-law ارسال می‌کند، بنابراین ارائه‌دهنده‌ی xAI می‌تواند آن فریم‌ها را مستقیماً و بدون ترنسکد forward کند:

{
  plugins: {
    entries: {
      "voice-call": {
        config: {
          streaming: {
            enabled: true,
            provider: "xai",
            providers: {
              xai: {
                apiKey: "${XAI_API_KEY}",
                endpointingMs: 800,
                language: "en",
              },
            },
          },
        },
      },
    },
  },
}

پیکربندیِ متعلق به ارائه‌دهنده زیر plugins.entries.voice-call.config.streaming.providers.xai قرار می‌گیرد. کلیدهای پشتیبانی‌شده عبارت‌اند از apiKey، baseUrl، sampleRate، encoding (pcm، mulaw، یا alaw)، interimResults، endpointingMs، و language.

Plugin همراه xAI، x_search را به‌عنوان ابزار OpenClaw برای جست‌وجوی محتوای X (که پیش‌تر Twitter بود) از طریق Grok ارائه می‌کند.

مسیر پیکربندی: plugins.entries.xai.config.xSearch

{
  plugins: {
    entries: {
      xai: {
        config: {
          xSearch: {
            enabled: true,
            model: "grok-4-1-fast",
            baseUrl: "https://api.x.ai/v1",
            inlineCitations: true,
          },
        },
      },
    },
  },
}

Plugin همراه xAI، code_execution را به‌عنوان ابزار OpenClaw برای اجرای کد از راه دور در محیط sandbox مربوط به xAI ارائه می‌کند.

مسیر پیکربندی: plugins.entries.xai.config.codeExecution

{
  plugins: {
    entries: {
      xai: {
        config: {
          codeExecution: {
            enabled: true,
            model: "grok-4-1-fast",
          },
        },
      },
    },
  },
}

• احراز هویت امروز فقط با کلید API انجام می‌شود. هنوز جریان OAuth یا device-code برای xAI در OpenClaw وجود ندارد.
• grok-4.20-multi-agent-experimental-beta-0304 در مسیر عادی ارائه‌دهندهٔ xAI پشتیبانی نمی‌شود، چون به سطح API بالادستی متفاوتی نسبت به انتقال استاندارد OpenClaw xAI نیاز دارد.
• صدای xAI Realtime هنوز به‌عنوان ارائه‌دهندهٔ OpenClaw ثبت نشده است. این مورد به قرارداد نشست صوتی دوسویهٔ متفاوتی نسبت به STT دسته‌ای یا رونویسی استریمینگ نیاز دارد.
• quality تصویر xAI، mask تصویر، و نسبت‌های تصویر اضافیِ فقط بومی تا زمانی که ابزار مشترک image_generate کنترل‌های متناظر بین‌ارائه‌دهنده‌ای نداشته باشد ارائه نمی‌شوند.

• OpenClaw اصلاحات سازگاریِ طرح‌وارهٔ ابزار و فراخوانی ابزار مخصوص xAI را به‌صورت خودکار روی مسیر runner مشترک اعمال می‌کند.
• درخواست‌های بومی xAI به‌طور پیش‌فرض tool_stream: true دارند. برای غیرفعال‌کردن آن، agents.defaults.models["xai/<model>"].params.tool_stream را روی false تنظیم کنید.
• wrapper همراه xAI پیش از ارسال درخواست‌های بومی xAI، پرچم‌های strict tool-schema و کلیدهای payload reasoning پشتیبانی‌نشده را حذف می‌کند.
• web_search، x_search، و code_execution به‌عنوان ابزارهای OpenClaw ارائه می‌شوند. OpenClaw به‌جای پیوست‌کردن همهٔ ابزارهای بومی به هر نوبت chat، قابلیت داخلی مشخص xAI موردنیاز خود را داخل هر درخواست ابزار فعال می‌کند.
• web_search مربوط به Grok مقدار plugins.entries.xai.config.webSearch.baseUrl را می‌خواند. x_search مقدار plugins.entries.xai.config.xSearch.baseUrl را می‌خواند و سپس به URL پایهٔ web-search مربوط به Grok بازمی‌گردد.
• x_search و code_execution متعلق به Plugin همراه xAI هستند، نه اینکه در runtime مدلِ core به‌صورت hardcoded قرار گرفته باشند.
• code_execution اجرای sandbox از راه دور xAI است، نه exec محلی.