Providers
Azure Speech
Azure Speech 是 Azure AI Speech 文字轉語音提供者。在 OpenClaw 中，它預設會將傳出回覆音訊合成為 MP3，為語音訊息合成原生 Ogg/Opus，並為 Voice Call 等電話語音頻道合成 8 kHz mulaw 音訊。
OpenClaw 會直接搭配 SSML 使用 Azure Speech REST API，並透過 X-Microsoft-OutputFormat 傳送由提供者擁有的輸出格式。
| 詳細資料 | 值 |
|---|---|
| 網站 | Azure AI Speech |
| 文件 | Speech REST 文字轉語音 |
| 驗證 | AZURE_SPEECH_KEY 加上 AZURE_SPEECH_REGION |
| 預設語音 | en-US-JennyNeural |
| 預設檔案輸出 | audio-24khz-48kbitrate-mono-mp3 |
| 預設語音訊息檔案 | ogg-24khz-16bit-mono-opus |
開始使用
建立 Azure Speech 資源
在 Azure 入口網站中建立 Speech 資源。從
Resource Management > Keys and Endpoint 複製 KEY 1，並複製資源位置，
例如 eastus。
AZURE_SPEECH_KEY=<speech-resource-key>
AZURE_SPEECH_REGION=eastus
在 messages.tts 中選取 Azure Speech
{
messages: {
tts: {
auto: "always",
provider: "azure-speech",
providers: {
"azure-speech": {
voice: "en-US-JennyNeural",
lang: "en-US",
},
},
},
},
}
傳送訊息
透過任何已連線的頻道傳送回覆。OpenClaw 會使用 Azure Speech 合成音訊， 並為標準音訊傳送 MP3，或在頻道預期語音訊息時傳送 Ogg/Opus。
設定選項
| 選項 | 路徑 | 說明 |
|---|---|---|
apiKey |
messages.tts.providers.azure-speech.apiKey |
Azure Speech 資源金鑰。會退回使用 AZURE_SPEECH_KEY、AZURE_SPEECH_API_KEY 或 SPEECH_KEY。 |
region |
messages.tts.providers.azure-speech.region |
Azure Speech 資源區域。會退回使用 AZURE_SPEECH_REGION 或 SPEECH_REGION。 |
endpoint |
messages.tts.providers.azure-speech.endpoint |
可選的 Azure Speech 端點/基底 URL 覆寫。 |
baseUrl |
messages.tts.providers.azure-speech.baseUrl |
可選的 Azure Speech 基底 URL 覆寫。 |
voice |
messages.tts.providers.azure-speech.voice |
Azure 語音 ShortName（預設 en-US-JennyNeural）。 |
lang |
messages.tts.providers.azure-speech.lang |
SSML 語言代碼（預設 en-US）。 |
outputFormat |
messages.tts.providers.azure-speech.outputFormat |
音訊檔案輸出格式（預設 audio-24khz-48kbitrate-mono-mp3）。 |
voiceNoteOutputFormat |
messages.tts.providers.azure-speech.voiceNoteOutputFormat |
語音訊息輸出格式（預設 ogg-24khz-16bit-mono-opus）。 |
備註
驗證
Azure Speech 使用 Speech 資源金鑰，而不是 Azure OpenAI 金鑰。此金鑰會以
Ocp-Apim-Subscription-Key 傳送；除非你提供 endpoint 或 baseUrl，
否則 OpenClaw 會從 region 衍生
https://<region>.tts.speech.microsoft.com。
語音名稱
使用 Azure Speech 語音的 ShortName 值，例如
en-US-JennyNeural。內建提供者可以透過相同的 Speech 資源列出語音，
並篩除標示為已淘汰或已停用的語音。
音訊輸出
Azure 接受 audio-24khz-48kbitrate-mono-mp3、
ogg-24khz-16bit-mono-opus 和 riff-24khz-16bit-mono-pcm 等輸出格式。
OpenClaw 會為 voice-note 目標要求 Ogg/Opus，讓頻道能傳送原生語音泡泡，
而不需要額外的 MP3 轉換。
別名
azure 會被接受為現有 PR 和使用者設定的提供者別名，
但新設定應使用 azure-speech，以避免與 Azure OpenAI 模型提供者混淆。