Providers
Azure Speech
Azure Speech は Azure AI Speech の text-to-speech プロバイダです。OpenClaw では、アウトバウンド返信音声をデフォルトで MP3、ボイスノート向けにはネイティブな Ogg/Opus、Voice Call などの電話チャネル向けには 8 kHz mulaw 音声として合成します。
OpenClaw は Azure Speech REST API を SSML とともに直接使用し、プロバイダ所有の出力形式を X-Microsoft-OutputFormat で送信します。
| 詳細 | 値 |
|---|---|
| Web サイト | Azure AI Speech |
| ドキュメント | Speech REST text-to-speech |
| 認証 | AZURE_SPEECH_KEY と AZURE_SPEECH_REGION |
| デフォルト音声 | en-US-JennyNeural |
| デフォルトのファイル出力 | audio-24khz-48kbitrate-mono-mp3 |
| デフォルトのボイスノートファイル出力 | ogg-24khz-16bit-mono-opus |
はじめに
Azure Speech リソースを作成する
Azure ポータルで Speech リソースを作成します。Resource Management > Keys and Endpoint から KEY 1 をコピーし、eastus などのリソースのロケーションもコピーします。
AZURE_SPEECH_KEY=<speech-resource-key>
AZURE_SPEECH_REGION=eastus
messages.tts で Azure Speech を選択する
{
messages: {
tts: {
auto: "always",
provider: "azure-speech",
providers: {
"azure-speech": {
voice: "en-US-JennyNeural",
lang: "en-US",
},
},
},
},
}
メッセージを送信する
接続済みの任意のチャネルを通じて返信を送信します。OpenClaw は Azure Speech で音声を合成し、標準音声には MP3 を、チャネルがボイスノートを想定している場合は Ogg/Opus を配信します。
設定オプション
| オプション | パス | 説明 |
|---|---|---|
apiKey |
messages.tts.providers.azure-speech.apiKey |
Azure Speech リソースキー。AZURE_SPEECH_KEY、AZURE_SPEECH_API_KEY、または SPEECH_KEY にフォールバックします。 |
region |
messages.tts.providers.azure-speech.region |
Azure Speech リソースリージョン。AZURE_SPEECH_REGION または SPEECH_REGION にフォールバックします。 |
endpoint |
messages.tts.providers.azure-speech.endpoint |
任意の Azure Speech endpoint/base URL 上書き。 |
baseUrl |
messages.tts.providers.azure-speech.baseUrl |
任意の Azure Speech base URL 上書き。 |
voice |
messages.tts.providers.azure-speech.voice |
Azure 音声の ShortName（デフォルトは en-US-JennyNeural）。 |
lang |
messages.tts.providers.azure-speech.lang |
SSML 言語コード（デフォルトは en-US）。 |
outputFormat |
messages.tts.providers.azure-speech.outputFormat |
音声ファイルの出力形式（デフォルトは audio-24khz-48kbitrate-mono-mp3）。 |
voiceNoteOutputFormat |
messages.tts.providers.azure-speech.voiceNoteOutputFormat |
ボイスノートの出力形式（デフォルトは ogg-24khz-16bit-mono-opus）。 |
注記
認証
Azure Speech は Azure OpenAI キーではなく、Speech リソースキーを使用します。キーは Ocp-Apim-Subscription-Key として送信されます。OpenClaw は、endpoint または baseUrl を指定しない限り、region から
https://<region>.tts.speech.microsoft.com を導出します。
音声名
たとえば en-US-JennyNeural のように、Azure Speech 音声の ShortName 値を使用します。同梱プロバイダは同じ Speech リソースを通じて音声一覧を取得でき、deprecated または retired とマークされた音声を除外します。
音声出力
Azure は audio-24khz-48kbitrate-mono-mp3、
ogg-24khz-16bit-mono-opus、riff-24khz-16bit-mono-pcm などの出力形式を受け付けます。OpenClaw は voice-note ターゲットに対して Ogg/Opus を要求するため、チャネルは追加の MP3 変換なしでネイティブなボイスバブルを送信できます。
別名
azure は既存の PR とユーザー設定のためのプロバイダ別名として受け付けられますが、Azure OpenAI モデルプロバイダとの混同を避けるため、新しい設定では azure-speech を使用してください。