Providers

Azure Speech

Azure Speech เป็นผู้ให้บริการแปลงข้อความเป็นเสียงของ Azure AI Speech ใน OpenClaw ระบบจะใช้สังเคราะห์เสียงคำตอบขาออกเป็น MP3 โดยค่าเริ่มต้น, เป็น Ogg/Opus แบบดั้งเดิมสำหรับ voice notes และเป็นเสียง mulaw 8 kHz สำหรับช่องทางโทรศัพท์ เช่น Voice Call

OpenClaw ใช้ Azure Speech REST API โดยตรงร่วมกับ SSML และส่ง รูปแบบเอาต์พุตที่ผู้ให้บริการกำหนดผ่าน X-Microsoft-OutputFormat

Detail	Value
เว็บไซต์	Azure AI Speech
เอกสาร	Speech REST text-to-speech
การยืนยันตัวตน	`AZURE_SPEECH_KEY` plus `AZURE_SPEECH_REGION`
เสียงเริ่มต้น	`en-US-JennyNeural`
เอาต์พุตไฟล์เริ่มต้น	`audio-24khz-48kbitrate-mono-mp3`
ไฟล์ voice note เริ่มต้น	`ogg-24khz-16bit-mono-opus`

เริ่มต้นใช้งาน

สร้างทรัพยากร Azure Speech

ใน Azure portal ให้สร้างทรัพยากร Speech คัดลอก KEY 1 จาก Resource Management > Keys and Endpoint และคัดลอกตำแหน่งของทรัพยากร เช่น eastus

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

เลือก Azure Speech ใน messages.tts

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

ส่งข้อความ

ส่งคำตอบผ่านช่องทางที่เชื่อมต่อไว้ช่องทางใดก็ได้ OpenClaw จะสังเคราะห์เสียง ด้วย Azure Speech และส่งเป็น MP3 สำหรับเสียงมาตรฐาน หรือเป็น Ogg/Opus เมื่อ ช่องทางนั้นคาดหวัง voice note

ตัวเลือกการกำหนดค่า

Option	Path	Description
`apiKey`	`messages.tts.providers.azure-speech.apiKey`	คีย์ทรัพยากร Azure Speech หากไม่มีจะ fallback ไปใช้ `AZURE_SPEECH_KEY`, `AZURE_SPEECH_API_KEY` หรือ `SPEECH_KEY`
`region`	`messages.tts.providers.azure-speech.region`	region ของทรัพยากร Azure Speech หากไม่มีจะ fallback ไปใช้ `AZURE_SPEECH_REGION` หรือ `SPEECH_REGION`
`endpoint`	`messages.tts.providers.azure-speech.endpoint`	ตัวเลือก override สำหรับ endpoint/base URL ของ Azure Speech
`baseUrl`	`messages.tts.providers.azure-speech.baseUrl`	ตัวเลือก override สำหรับ base URL ของ Azure Speech
`voice`	`messages.tts.providers.azure-speech.voice`	Azure voice ShortName (ค่าเริ่มต้น `en-US-JennyNeural`)
`lang`	`messages.tts.providers.azure-speech.lang`	รหัสภาษา SSML (ค่าเริ่มต้น `en-US`)
`outputFormat`	`messages.tts.providers.azure-speech.outputFormat`	รูปแบบเอาต์พุตไฟล์เสียง (ค่าเริ่มต้น `audio-24khz-48kbitrate-mono-mp3`)
`voiceNoteOutputFormat`	`messages.tts.providers.azure-speech.voiceNoteOutputFormat`	รูปแบบเอาต์พุต voice note (ค่าเริ่มต้น `ogg-24khz-16bit-mono-opus`)

หมายเหตุ

การยืนยันตัวตน

Azure Speech ใช้คีย์ทรัพยากร Speech ไม่ใช่คีย์ Azure OpenAI โดยคีย์ จะถูกส่งเป็น Ocp-Apim-Subscription-Key; OpenClaw จะสร้าง https://<region>.tts.speech.microsoft.com จาก region เว้นแต่คุณ จะระบุ endpoint หรือ baseUrl

ชื่อเสียง

ใช้ค่า ShortName ของเสียง Azure Speech เช่น en-US-JennyNeural ผู้ให้บริการที่มาพร้อมกันสามารถแสดงรายการเสียงผ่าน ทรัพยากร Speech เดียวกัน และจะกรองเสียงที่ถูกทำเครื่องหมายว่า deprecated หรือ retired ออก

เอาต์พุตเสียง

Azure รองรับรูปแบบเอาต์พุต เช่น audio-24khz-48kbitrate-mono-mp3, ogg-24khz-16bit-mono-opus และ riff-24khz-16bit-mono-pcm OpenClaw จะขอ Ogg/Opus สำหรับเป้าหมาย voice-note เพื่อให้ช่องทางต่าง ๆ สามารถส่ง voice bubble แบบดั้งเดิมได้โดยไม่ต้องแปลงจาก MP3 เพิ่มเติม

Alias

azure ยอมรับเป็น alias ของผู้ให้บริการได้สำหรับ PR ที่มีอยู่และ config ของผู้ใช้ แต่ config ใหม่ควรใช้ azure-speech เพื่อหลีกเลี่ยงความสับสนกับ ผู้ให้บริการโมเดล Azure OpenAI