ElevenLabs

OpenClaw 使用 ElevenLabs 进行文本转语音、使用 Scribe v2 进行批量语音转文本，并使用 Scribe v2 Realtime 进行流式 STT。

能力	OpenClaw 接口	默认值
文本转语音	messages.tts / talk	eleven_multilingual_v2
批量语音转文本	tools.media.audio	scribe_v2
流式语音转文本	语音通话流式传输或 Google Meet realtime.transcriptionProvider	scribe_v2_realtime

# 认证

在环境中设置 ELEVENLABS_API_KEY。为兼容现有的 ElevenLabs 工具，也接受 XI_API_KEY。

export ELEVENLABS_API_KEY="..."

# 文本转语音

{
  messages: {
    tts: {
      providers: {
        elevenlabs: {
          apiKey: "${ELEVENLABS_API_KEY}",
          voiceId: "pMsXgVXv3BLzUgSXRplE",
          modelId: "eleven_multilingual_v2",
        },
      },
    },
  },
}

将 modelId 设置为 eleven_v3 可使用 ElevenLabs v3 TTS。OpenClaw 会继续将 eleven_multilingual_v2 作为现有安装的默认值。

当 ElevenLabs 是所选 voice.tts/messages.tts 提供商时，Discord 语音频道会使用 ElevenLabs 的流式 TTS 端点。播放会从返回的音频流开始，而不是等待 OpenClaw 先下载并写入整个音频文件。对于接受该参数的模型，latencyTier 会映射到 ElevenLabs 的 optimize_streaming_latency 查询参数；OpenClaw 会为 eleven_v3 省略该参数，因为它会拒绝该参数。

# 语音转文本

对传入的音频附件和短录音语音片段使用 Scribe v2：

{
  tools: {
    media: {
      audio: {
        enabled: true,
        models: [{ provider: "elevenlabs", model: "scribe_v2" }],
      },
    },
  },
}

OpenClaw 会将 multipart 音频发送到 ElevenLabs /v1/speech-to-text，并带上 model_id: "scribe_v2"。存在语言提示时，会映射到 language_code。

# 流式 STT

内置的 elevenlabs 插件会为语音通话和 Google Meet 智能体模式流式转录注册 Scribe v2 Realtime。

设置	配置路径	默认值
API key	plugins.entries.voice-call.config.streaming.providers.elevenlabs.apiKey	回退到 ELEVENLABS_API_KEY / XI_API_KEY
模型	...elevenlabs.modelId	scribe_v2_realtime
音频格式	...elevenlabs.audioFormat	ulaw_8000
采样率	...elevenlabs.sampleRate	8000
提交策略	...elevenlabs.commitStrategy	vad
语言	...elevenlabs.languageCode	（未设置）

{
  plugins: {
    entries: {
      "voice-call": {
        config: {
          streaming: {
            enabled: true,
            provider: "elevenlabs",
            providers: {
              elevenlabs: {
                apiKey: "${ELEVENLABS_API_KEY}",
                audioFormat: "ulaw_8000",
                commitStrategy: "vad",
                languageCode: "en",
              },
            },
          },
        },
      },
    },
  },
}

对于 Google Meet 智能体模式，将 plugins.entries.google-meet.config.realtime.transcriptionProvider 设置为 "elevenlabs"，并在 plugins.entries.google-meet.config.realtime.providers.elevenlabs 下配置相同的提供商块。

# 相关内容

• 文本转语音
• Google Meet
• 模型选择