Providers

Azure Speech

Azure Speech est un fournisseur de synthèse vocale Azure AI Speech. Dans OpenClaw, il synthétise par défaut l’audio des réponses sortantes en MP3, utilise le format Ogg/Opus natif pour les notes vocales, et un audio mulaw à 8 kHz pour les canaux de téléphonie tels que Voice Call.

OpenClaw utilise directement l’API REST Azure Speech avec SSML et envoie le format de sortie propriétaire du fournisseur via X-Microsoft-OutputFormat.

Détail	Valeur
Site web	Azure AI Speech
Documentation	Synthèse vocale REST Speech
Authentification	`AZURE_SPEECH_KEY` plus `AZURE_SPEECH_REGION`
Voix par défaut	`en-US-JennyNeural`
Sortie de fichier par défaut	`audio-24khz-48kbitrate-mono-mp3`
Fichier de note vocale par défaut	`ogg-24khz-16bit-mono-opus`

Prise en main

Créer une ressource Azure Speech

Dans le portail Azure, créez une ressource Speech. Copiez KEY 1 depuis Resource Management > Keys and Endpoint, puis copiez l’emplacement de la ressource tel que eastus.

AZURE_SPEECH_KEY=<speech-resource-key>
AZURE_SPEECH_REGION=eastus

Sélectionner Azure Speech dans messages.tts

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

Envoyer un message

Envoyez une réponse via n’importe quel canal connecté. OpenClaw synthétise l’audio avec Azure Speech et livre du MP3 pour l’audio standard, ou du Ogg/Opus lorsque le canal attend une note vocale.

Options de configuration

Option	Chemin	Description
`apiKey`	`messages.tts.providers.azure-speech.apiKey`	Clé de ressource Azure Speech. Utilise en repli `AZURE_SPEECH_KEY`, `AZURE_SPEECH_API_KEY` ou `SPEECH_KEY`.
`region`	`messages.tts.providers.azure-speech.region`	Région de la ressource Azure Speech. Utilise en repli `AZURE_SPEECH_REGION` ou `SPEECH_REGION`.
`endpoint`	`messages.tts.providers.azure-speech.endpoint`	Remplacement facultatif de l’endpoint/de l’URL de base Azure Speech.
`baseUrl`	`messages.tts.providers.azure-speech.baseUrl`	Remplacement facultatif de l’URL de base Azure Speech.
`voice`	`messages.tts.providers.azure-speech.voice`	ShortName de la voix Azure (par défaut `en-US-JennyNeural`).
`lang`	`messages.tts.providers.azure-speech.lang`	Code de langue SSML (par défaut `en-US`).
`outputFormat`	`messages.tts.providers.azure-speech.outputFormat`	Format de sortie du fichier audio (par défaut `audio-24khz-48kbitrate-mono-mp3`).
`voiceNoteOutputFormat`	`messages.tts.providers.azure-speech.voiceNoteOutputFormat`	Format de sortie des notes vocales (par défaut `ogg-24khz-16bit-mono-opus`).

Remarques

Authentification

Azure Speech utilise une clé de ressource Speech, et non une clé Azure OpenAI. La clé est envoyée comme Ocp-Apim-Subscription-Key ; OpenClaw dérive https://<region>.tts.speech.microsoft.com à partir de region, sauf si vous fournissez endpoint ou baseUrl.

Noms des voix

Utilisez la valeur ShortName de la voix Azure Speech, par exemple en-US-JennyNeural. Le fournisseur intégré peut lister les voix via la même ressource Speech et filtre les voix marquées comme obsolètes ou retirées.

Sorties audio

Azure accepte des formats de sortie tels que audio-24khz-48kbitrate-mono-mp3, ogg-24khz-16bit-mono-opus et riff-24khz-16bit-mono-pcm. OpenClaw demande Ogg/Opus pour les cibles voice-note afin que les canaux puissent envoyer des bulles vocales natives sans conversion supplémentaire en MP3.

Alias

azure est accepté comme alias de fournisseur pour les PR existantes et la configuration utilisateur, mais les nouvelles configurations doivent utiliser azure-speech pour éviter toute confusion avec les fournisseurs de modèles Azure OpenAI.