快速开始
Azure Speech
Azure Speech 是一个 Azure AI Speech 文本转语音提供商。在 OpenClaw 中，它默认将外发回复音频合成为 MP3，为语音消息使用原生 Ogg/Opus，并为诸如 Voice Call 之类的电话渠道生成 8 kHz mulaw 音频。
OpenClaw 直接使用带有 SSML 的 Azure Speech REST API，并通过 X-Microsoft-OutputFormat 发送由提供商控制的输出格式。
| 详细信息 | 值 |
|---|---|
| 网站 | Azure AI Speech |
| 文档 | Speech REST 文本转语音 |
| 认证 | AZURE_SPEECH_KEY 加 AZURE_SPEECH_REGION |
| 默认语音 | en-US-JennyNeural |
| 默认文件输出 | audio-24khz-48kbitrate-mono-mp3 |
| 默认语音消息文件 | ogg-24khz-16bit-mono-opus |
入门指南
创建 Azure Speech 资源
在 Azure 门户中，创建一个 Speech 资源。复制“KEY 1”（位于“Resource Management > Keys and Endpoint”），并复制资源位置，例如 eastus。
AZURE_SPEECH_KEY=<speech-resource-key>
AZURE_SPEECH_REGION=eastus
在 messages.tts 中选择 Azure Speech
{
messages: {
tts: {
auto: "always",
provider: "azure-speech",
providers: {
"azure-speech": {
voice: "en-US-JennyNeural",
lang: "en-US",
},
},
},
},
}
发送消息
通过任意已连接的渠道发送回复。OpenClaw 会使用 Azure Speech 合成音频，并为标准音频传送 MP3，或者当渠道需要语音消息时传送 Ogg/Opus。
配置选项
| 选项 | 路径 | 说明 |
|---|---|---|
apiKey |
messages.tts.providers.azure-speech.apiKey |
Azure Speech 资源密钥。回退到 AZURE_SPEECH_KEY、AZURE_SPEECH_API_KEY 或 SPEECH_KEY。 |
region |
messages.tts.providers.azure-speech.region |
Azure Speech 资源区域。回退到 AZURE_SPEECH_REGION 或 SPEECH_REGION。 |
endpoint |
messages.tts.providers.azure-speech.endpoint |
可选的 Azure Speech endpoint / 基础 URL 覆盖。 |
baseUrl |
messages.tts.providers.azure-speech.baseUrl |
可选的 Azure Speech 基础 URL 覆盖。 |
voice |
messages.tts.providers.azure-speech.voice |
Azure 语音 ShortName（默认 en-US-JennyNeural）。 |
lang |
messages.tts.providers.azure-speech.lang |
SSML 语言代码（默认 en-US）。 |
outputFormat |
messages.tts.providers.azure-speech.outputFormat |
音频文件输出格式（默认 audio-24khz-48kbitrate-mono-mp3）。 |
voiceNoteOutputFormat |
messages.tts.providers.azure-speech.voiceNoteOutputFormat |
语音消息输出格式（默认 ogg-24khz-16bit-mono-opus）。 |
说明
身份验证
Azure Speech 使用的是 Speech 资源密钥，而不是 Azure OpenAI 密钥。该密钥通过 Ocp-Apim-Subscription-Key 发送；除非你提供 endpoint 或 baseUrl，否则 OpenClaw 会根据 region 推导出 https://<region>.tts.speech.microsoft.com。
语音名称
请使用 Azure Speech 语音的 ShortName 值，例如 en-US-JennyNeural。内置提供商可以通过同一个 Speech 资源列出语音，并过滤掉标记为 deprecated 或 retired 的语音。
音频输出
Azure 接受诸如 audio-24khz-48kbitrate-mono-mp3、ogg-24khz-16bit-mono-opus 和 riff-24khz-16bit-mono-pcm 之类的输出格式。OpenClaw 会为 voice-note 目标请求 Ogg/Opus，这样渠道就能发送原生语音气泡，而无需额外进行 MP3 转换。
别名
为兼容现有 PR 和用户配置，azure 可作为提供商别名使用，但新配置应使用 azure-speech，以避免与 Azure OpenAI 模型提供商混淆。