Deepgram

Deepgram は speech-to-text API です。OpenClaw では、 tools.media.audio を通じた受信音声/ボイスノートの文字起こし、および plugins.entries.voice-call.config.streaming を通じた Voice Call のストリーミング STT に使用されます。

バッチ文字起こしでは、OpenClaw は完全な音声ファイルを Deepgram にアップロードし、 文字起こし結果を返信パイプラインに注入します（{{Transcript}} + [Audio] block）。Voice Call のストリーミングでは、OpenClaw は live な G.711 u-law frame を Deepgram の WebSocket listen endpoint へ転送し、Deepgram が返す partial または final transcript を発行します。

# はじめに

DEEPGRAM_API_KEY=dg_...

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

# 設定オプション

{
  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" }],
      },
    },
  },
}

# Voice Call ストリーミング STT

バンドル済みの deepgram Plugin は、Voice Call Plugin 向けの realtime transcription provider も登録します。

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

# 注意

# 関連