Providers

Azure Speech

Azure Speech è un provider di sintesi vocale Azure AI Speech. In OpenClaw sintetizza l'audio delle risposte in uscita come MP3 per impostazione predefinita, Ogg/Opus nativo per le note vocali e audio mulaw a 8 kHz per i canali di telefonia come Voice Call.

OpenClaw usa direttamente l'API REST di Azure Speech con SSML e invia il formato di output gestito dal provider tramite X-Microsoft-OutputFormat.

Dettaglio	Valore
Sito web	Azure AI Speech
Documentazione	Speech REST text-to-speech
Autenticazione	`AZURE_SPEECH_KEY` più `AZURE_SPEECH_REGION`
Voce predefinita	`en-US-JennyNeural`
Output file predefinito	`audio-24khz-48kbitrate-mono-mp3`
File nota vocale predefinito	`ogg-24khz-16bit-mono-opus`

Introduzione

Crea una risorsa Azure Speech

Nel portale Azure, crea una risorsa Speech. Copia KEY 1 da Resource Management > Keys and Endpoint e copia la posizione della risorsa, ad esempio eastus.

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

Seleziona Azure Speech in messages.tts

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

Invia un messaggio

Invia una risposta tramite qualsiasi canale connesso. OpenClaw sintetizza l'audio con Azure Speech e consegna MP3 per l'audio standard, oppure Ogg/Opus quando il canale si aspetta una nota vocale.

Opzioni di configurazione

Opzione	Percorso	Descrizione
`apiKey`	`messages.tts.providers.azure-speech.apiKey`	Chiave della risorsa Azure Speech. Usa come fallback `AZURE_SPEECH_KEY`, `AZURE_SPEECH_API_KEY` o `SPEECH_KEY`.
`region`	`messages.tts.providers.azure-speech.region`	Regione della risorsa Azure Speech. Usa come fallback `AZURE_SPEECH_REGION` o `SPEECH_REGION`.
`endpoint`	`messages.tts.providers.azure-speech.endpoint`	Override facoltativo dell'endpoint/base URL di Azure Speech.
`baseUrl`	`messages.tts.providers.azure-speech.baseUrl`	Override facoltativo della base URL di Azure Speech.
`voice`	`messages.tts.providers.azure-speech.voice`	`ShortName` della voce Azure (predefinito `en-US-JennyNeural`).
`lang`	`messages.tts.providers.azure-speech.lang`	Codice lingua SSML (predefinito `en-US`).
`outputFormat`	`messages.tts.providers.azure-speech.outputFormat`	Formato di output del file audio (predefinito `audio-24khz-48kbitrate-mono-mp3`).
`voiceNoteOutputFormat`	`messages.tts.providers.azure-speech.voiceNoteOutputFormat`	Formato di output della nota vocale (predefinito `ogg-24khz-16bit-mono-opus`).

Note

Autenticazione

Azure Speech usa una chiave della risorsa Speech, non una chiave Azure OpenAI. La chiave viene inviata come Ocp-Apim-Subscription-Key; OpenClaw deriva https://<region>.tts.speech.microsoft.com da region a meno che tu non fornisca endpoint o baseUrl.

Nomi delle voci

Usa il valore ShortName della voce Azure Speech, ad esempio en-US-JennyNeural. Il provider incluso può elencare le voci tramite la stessa risorsa Speech e filtra le voci contrassegnate come deprecated o retired.

Output audio

Azure accetta formati di output come audio-24khz-48kbitrate-mono-mp3, ogg-24khz-16bit-mono-opus e riff-24khz-16bit-mono-pcm. OpenClaw richiede Ogg/Opus per i target voice-note così i canali possono inviare bubble vocali native senza una conversione MP3 aggiuntiva.

Alias

azure è accettato come alias del provider per PR esistenti e configurazioni utente, ma la nuova configurazione dovrebbe usare azure-speech per evitare confusione con i provider di modelli Azure OpenAI.