Providers

Azure Speech

Azure Speech — это встроенный провайдер преобразования текста в речь Azure AI Speech. OpenClaw напрямую вызывает REST API Azure Speech с использованием SSML, синтезируя MP3 для стандартных ответов, нативный Ogg/Opus для голосовых сообщений и mulaw 8 кГц для телефонных каналов, таких как Voice Call. В запросе принадлежащий провайдеру формат вывода передаётся через заголовок X-Microsoft-OutputFormat.

Сведения	Значение
Идентификатор провайдера	`azure-speech` (псевдоним: `azure`)
Веб-сайт	Azure AI Speech
Документация	Преобразование текста в речь через Speech REST
Аутентификация	`AZURE_SPEECH_KEY` и `AZURE_SPEECH_REGION`
Голос по умолчанию	`en-US-JennyNeural`
Файл по умолчанию	`audio-24khz-48kbitrate-mono-mp3`
Файл голосового сообщения по умолчанию	`ogg-24khz-16bit-mono-opus`

Начало работы

Создание ресурса Azure Speech

На портале Azure создайте ресурс Speech. Скопируйте KEY 1 из раздела Resource Management > Keys and Endpoint, а также расположение ресурса, например eastus.

Code

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

Выбор Azure Speech в messages.tts

json5

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

Отправка сообщения

Отправьте ответ через любой подключённый канал. OpenClaw синтезирует аудио с помощью Azure Speech и передаст MP3 для стандартного аудио или Ogg/Opus, если канал ожидает голосовое сообщение.

Параметры конфигурации

Все параметры находятся в messages.tts.providers["azure-speech"].

Параметр	Описание
`apiKey`	Ключ ресурса Azure Speech. Если не задан, используются `AZURE_SPEECH_KEY`, `AZURE_SPEECH_API_KEY` или `SPEECH_KEY`.
`region`	Регион ресурса Azure Speech. Если не задан, используются `AZURE_SPEECH_REGION` или `SPEECH_REGION`.
`endpoint`	Необязательное переопределение конечной точки Azure Speech. Если не задано, используется доверенный `AZURE_SPEECH_ENDPOINT`.
`baseUrl`	Необязательное переопределение базового URL Azure Speech.
`voice`	ShortName голоса Azure (по умолчанию `en-US-JennyNeural`). Устаревший псевдоним: `voiceId`.
`lang`	Код языка SSML (по умолчанию `en-US`).
`outputFormat`	Формат выходного аудиофайла (по умолчанию `audio-24khz-48kbitrate-mono-mp3`).
`voiceNoteOutputFormat`	Формат вывода голосового сообщения (по умолчанию `ogg-24khz-16bit-mono-opus`).
`timeoutMs`	Переопределение времени ожидания запроса в миллисекундах. Если не задано, используется глобальное значение `messages.tts.timeoutMs`.

Провайдер считается настроенным, если задан apiKey и один из region, endpoint или baseUrl. Переменные окружения проверяются только как резервный вариант для незаданных ключей конфигурации. Файлы рабочей области .env не могут задавать AZURE_SPEECH_ENDPOINT; для маршрутизации конечных точек используйте окружение процесса, глобальный dotenv среды выполнения или явную конфигурацию.

Примечания

Аутентификация

Azure Speech использует ключ ресурса Speech, а не ключ Azure OpenAI. Ключ передаётся как Ocp-Apim-Subscription-Key; OpenClaw формирует https://<region>.tts.speech.microsoft.com на основе region, если не указан endpoint или baseUrl.

Названия голосов

Используйте значение ShortName голоса Azure Speech, например en-US-JennyNeural. Встроенный провайдер может получать список голосов через тот же ресурс Speech и исключает голоса, помеченные как устаревшие, выведенные из эксплуатации или отключённые.

Форматы аудио

Azure принимает такие форматы вывода, как audio-24khz-48kbitrate-mono-mp3, ogg-24khz-16bit-mono-opus и riff-24khz-16bit-mono-pcm. OpenClaw запрашивает Ogg/Opus для целей voice-note, чтобы каналы могли отправлять нативные голосовые сообщения без дополнительного преобразования MP3, и принудительно использует raw-8khz-8bit-mono-mulaw для телефонных целей.

Псевдоним

azure принимается как псевдоним провайдера для существующей конфигурации, но в новой конфигурации следует использовать azure-speech, чтобы избежать путаницы с провайдерами моделей Azure OpenAI.