文字轉語音 - OpenClaw

OpenClaw 會將外送回覆轉換為音訊，支援 14 個語音提供者：在 Feishu、Matrix、Telegram 和 WhatsApp 上傳送原生語音訊息；在其他所有平台上傳送音訊附件；並為電話與 Talk 提供 PCM/Ulaw 串流。

TTS 是 Talk 的 stt-tts 模式中負責語音輸出的部分（talk.speak 呼叫也使用相同的合成路徑）。提供者原生的 realtime Talk 工作階段會在即時提供者內合成語音；transcription 工作階段則絕不會合成助理的語音回覆。

快速開始

選擇提供者

OpenAI 和 ElevenLabs 是最可靠的託管選項。Microsoft 和本機命令列介面無須 API 金鑰即可運作。完整清單請參閱提供者矩陣。

設定 API 金鑰

匯出提供者的環境變數（例如 OPENAI_API_KEY、 ELEVENLABS_API_KEY）。Microsoft 和本機命令列介面不需要金鑰。

在設定中啟用

設定 tts.auto: "always" 和 tts.provider：

json5

{  tts: {    auto: "always",    provider: "elevenlabs",  },}

在聊天中試用

/tts status 會顯示目前狀態。/tts audio Hello from OpenClaw 會傳送一次性的音訊回覆。

支援的提供者

提供者	驗證	備註
Azure Speech	`AZURE_SPEECH_KEY` + `AZURE_SPEECH_REGION`（亦支援 `AZURE_SPEECH_API_KEY`、`SPEECH_KEY`、`SPEECH_REGION`）	原生 Ogg/Opus 語音留言輸出與電話語音。
DeepInfra	`DEEPINFRA_API_KEY`	與 OpenAI 相容的 TTS。預設為 `hexgrad/Kokoro-82M`。
ElevenLabs	`ELEVENLABS_API_KEY` 或 `XI_API_KEY`	語音複製、多語言，並可透過 `seed` 實現確定性；以串流方式供 Discord 語音播放。
Google Gemini	`GEMINI_API_KEY` 或 `GOOGLE_API_KEY`	Gemini API 批次 TTS；可透過 `promptTemplate: "audio-profile-v1"` 感知角色設定。
Gradium	`GRADIUM_API_KEY`	語音留言與電話語音輸出。
Inworld	`INWORLD_API_KEY`	串流 TTS API。原生 Opus 語音留言與 PCM 電話語音。
本機命令列介面	無	執行已設定的本機 TTS 命令。
Microsoft	無	透過 `node-edge-tts` 使用公開的 Edge 神經網路 TTS。僅盡力而為，不提供 SLA。
MiniMax	`MINIMAX_API_KEY`（或 Token Plan：`MINIMAX_OAUTH_TOKEN`、`MINIMAX_CODE_PLAN_KEY`、`MINIMAX_CODING_API_KEY`）	T2A v2 API。預設為 `speech-2.8-hd`。
OpenAI	`OPENAI_API_KEY`	也用於自動摘要；支援角色設定 `instructions`。
OpenRouter	`OPENROUTER_API_KEY`（可重複使用 `models.providers.openrouter.apiKey`）	預設模型為 `hexgrad/kokoro-82m`。
Volcengine	`VOLCENGINE_TTS_API_KEY` 或 `BYTEPLUS_SEED_SPEECH_API_KEY`（舊版 AppID／權杖：`VOLCENGINE_TTS_APPID`/`_TOKEN`）	BytePlus Seed Speech HTTP API。
Vydra	`VYDRA_API_KEY`	共用的圖片、影片與語音提供者。
xAI	`XAI_API_KEY`	xAI 批次 TTS。不支援原生 Opus 語音留言。
Xiaomi MiMo	`XIAOMI_API_KEY`	透過 Xiaomi 聊天補全使用 MiMo TTS。

如果設定了多個提供者，會先使用所選提供者，其他提供者則作為備援選項。自動摘要使用 summaryModel（或 agents.defaults.model.primary），因此若保持啟用摘要，該提供者也必須完成驗證。

設定

TTS 設定位於 ~/.openclaw/openclaw.json 的 tts 下。請選擇一個預設組合並調整提供者區塊。以下顯示的 speakerVoice/speakerVoiceId 欄位是標準欄位；每個提供者自身的 voice/voiceId/ voiceName 欄位名稱仍可作為舊版別名使用。

Azure Speech

json5

{tts: {auto: "always",provider: "azure-speech",providers: {  "azure-speech": {    apiKey: "${AZURE_SPEECH_KEY}",    region: "eastus",    speakerVoice: "en-US-JennyNeural",    lang: "en-US",    outputFormat: "audio-24khz-48kbitrate-mono-mp3",    voiceNoteOutputFormat: "ogg-24khz-16bit-mono-opus",  },},},}

ElevenLabs

json5

{tts: {auto: "always",provider: "elevenlabs",providers: {  elevenlabs: {    apiKey: "${ELEVENLABS_API_KEY}",    model: "eleven_multilingual_v2",    speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",  },},},}

Google Gemini

json5

{tts: {auto: "always",provider: "google",providers: {  google: {    apiKey: "${GEMINI_API_KEY}",    model: "gemini-3.1-flash-tts-preview",    speakerVoice: "Kore",    // 選用的自然語言風格提示：    // audioProfile: "以沉穩的 Podcast 主持人口吻說話。",    // speakerName: "Alex",  },},},}

Gradium

json5

{tts: {auto: "always",provider: "gradium",providers: {  gradium: {    apiKey: "${GRADIUM_API_KEY}",    speakerVoiceId: "YTpq7expH9539ERJ",  },},},}

Inworld

json5

{tts: {auto: "always",provider: "inworld",providers: {  inworld: {    apiKey: "${INWORLD_API_KEY}",    modelId: "inworld-tts-1.5-max",    speakerVoiceId: "Sarah",    temperature: 0.7,  },},},}

本機命令列介面

json5

{tts: {auto: "always",provider: "tts-local-cli",providers: {  "tts-local-cli": {    command: "say",    args: ["-o", "{{OutputPath}}", "{{Text}}"],    outputFormat: "wav",    timeoutMs: 120000,  },},},}

Microsoft（無需金鑰）

json5

{tts: {auto: "always",provider: "microsoft",providers: {  microsoft: {    enabled: true,    speakerVoice: "en-US-MichelleNeural",    lang: "en-US",    outputFormat: "audio-24khz-48kbitrate-mono-mp3",    rate: "+0%",    pitch: "+0%",  },},},}

MiniMax

json5

{tts: {auto: "always",provider: "minimax",providers: {  minimax: {    apiKey: "${MINIMAX_API_KEY}",    model: "speech-2.8-hd",    speakerVoiceId: "English_expressive_narrator",    speed: 1.0,    vol: 1.0,    pitch: 0,  },},},}

OpenAI + ElevenLabs

json5

{tts: {auto: "always",provider: "openai",summaryModel: "openai/gpt-4.1-mini",modelOverrides: { enabled: true },providers: {  openai: {    apiKey: "${OPENAI_API_KEY}",    model: "gpt-4o-mini-tts",    speakerVoice: "alloy",  },  elevenlabs: {    apiKey: "${ELEVENLABS_API_KEY}",    model: "eleven_multilingual_v2",    speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",    voiceSettings: { stability: 0.5, similarityBoost: 0.75, style: 0.0, useSpeakerBoost: true, speed: 1.0 },    applyTextNormalization: "auto",    languageCode: "en",  },},},}

OpenRouter

json5

{tts: {auto: "always",provider: "openrouter",providers: {  openrouter: {    apiKey: "${OPENROUTER_API_KEY}",    model: "hexgrad/kokoro-82m",    speakerVoice: "af_alloy",    responseFormat: "mp3",  },},},}

Volcengine

json5

{tts: {auto: "always",provider: "volcengine",providers: {  volcengine: {    apiKey: "${VOLCENGINE_TTS_API_KEY}",    resourceId: "seed-tts-1.0",    speakerVoice: "en_female_anna_mars_bigtts",  },},},}

xAI

json5

{tts: {auto: "always",provider: "xai",providers: {  xai: {    apiKey: "${XAI_API_KEY}",    speakerVoiceId: "eve",    language: "en",    responseFormat: "mp3",  },},},}

Xiaomi MiMo

json5

{tts: {auto: "always",provider: "xiaomi",providers: {  xiaomi: {    apiKey: "${XIAOMI_API_KEY}",    model: "mimo-v2.5-tts",    speakerVoice: "mimo_default",    format: "mp3",  },},},}

對於 Xiaomi mimo-v2.5-tts-voicedesign，請省略 speakerVoice，並將 style 設為語音設計提示。OpenClaw 會將該提示作為 TTS user 訊息傳送，且不會為 voicedesign 模型傳送 audio.voice。

每個代理程式的語音覆寫

當某個代理程式應使用不同的提供者、語音、模型、角色設定或自動 TTS 模式時，請使用 agents.entries.*.tts。代理程式區塊會深度合併並覆寫 tts，因此提供者認證資訊可保留在全域提供者設定中：

json5

{  tts: {    auto: "always",    provider: "elevenlabs",    providers: {      elevenlabs: { apiKey: "${ELEVENLABS_API_KEY}", model: "eleven_multilingual_v2" },    },  },  agents: {    list: [      {        id: "reader",        tts: {          providers: {            elevenlabs: { speakerVoiceId: "EXAVITQu4vr4xnSDxMaL" },          },        },      },    ],  },}

若要為個別代理固定角色，請將 agents.entries.*.tts.persona 與供應商設定一起配置——它只會針對該代理覆寫全域 tts.persona。

自動回覆、/tts audio、/tts status 與 tts 代理工具的優先順序：

tts
作用中的 agents.entries.*.tts
頻道覆寫（當頻道支援 channels.<channel>.tts 時）
帳號覆寫（當頻道傳入 channels.<channel>.accounts.<id>.tts 時）
此主機的本機 /tts 偏好設定
啟用模型驅動指令時的行內 [[tts:...]] 指令

頻道與帳號覆寫使用和 tts 相同的結構，並深度合併至先前的各層，因此共用的供應商認證資訊可保留在 tts 中，而頻道或機器人帳號只變更說話者語音、模型、角色或自動模式：

json5

{  tts: {    provider: "openai",    providers: {      openai: { apiKey: "${OPENAI_API_KEY}", model: "gpt-4o-mini-tts" },    },  },  channels: {    feishu: {      accounts: {        english: {          tts: {            providers: {              openai: { speakerVoice: "shimmer" },            },          },        },      },    },  },}

角色

角色是一種穩定的語音身分，可跨供應商以確定性方式套用。它可以偏好某個供應商、定義不依賴供應商的提示意圖，並攜帶語音、模型、提示範本、種子與語音設定等供應商專屬繫結。

最小角色

json5

{  tts: {    auto: "always",    persona: "narrator",    personas: {      narrator: {        label: "Narrator",        provider: "elevenlabs",        providers: {          elevenlabs: {            speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",            modelId: "eleven_multilingual_v2",          },        },      },    },  },}

完整角色（供應商專屬塑形）

json5

{  tts: {    auto: "always",    persona: "alfred",    personas: {      alfred: {        label: "Alfred",        description: "Dry, warm British butler narrator.",        provider: "google",        fallbackPolicy: "preserve-persona",        providers: {          google: {            model: "gemini-3.1-flash-tts-preview",            speakerVoice: "Algieba",            promptTemplate: "audio-profile-v1",          },          openai: { model: "gpt-4o-mini-tts", speakerVoice: "cedar" },          elevenlabs: {            speakerVoiceId: "voice_id",            modelId: "eleven_multilingual_v2",            seed: 42,            voiceSettings: {              stability: 0.65,              similarityBoost: 0.8,              style: 0.25,              useSpeakerBoost: true,              speed: 0.95,            },          },        },      },    },  },}

角色解析

作用中的角色會以確定性方式選取：

/tts persona <id> 本機偏好設定（若已設定）。
tts.persona（若已設定）。
不使用角色。

供應商選擇會優先採用明確設定：

直接覆寫（命令列介面、閘道、Talk、允許的 TTS 指令）。
/tts provider <id> 本機偏好設定。
作用中角色的 provider。
tts.provider。
登錄檔自動選取。

每次嘗試供應商時，OpenClaw 會依下列順序合併設定：

tts.providers.<id>
tts.personas.<persona>.providers.<id>
受信任的請求覆寫
允許由模型輸出的 TTS 指令覆寫

自訂角色塑形

不依賴供應商的 personas.<id>.prompt.* 設定已淘汰。Doctor 會移除這些欄位，並指向語音供應商接縫。請將內建供應商設定放在 personas.<id>.providers.<provider> 下（例如 Google 的 personaPrompt 或 OpenAI 的 instructions）。若要自訂塑形，請實作具有 prepareSynthesis(ctx) 的語音供應商外掛，並在 synthesize() 執行前傳回調整後的文字、供應商設定或覆寫。如此可將富表現力的提示建構保留在已知請求語意的供應商程式碼中。

後援政策

當角色對嘗試使用的供應商沒有繫結時，fallbackPolicy 會控制其行為：

政策	行為
`preserve-persona`	預設值。不依賴供應商的提示欄位仍可使用；供應商可使用或忽略這些欄位。
`provider-defaults`	該次嘗試的提示準備會省略角色；供應商使用其中性的預設值，同時繼續後援至其他供應商。
`fail`	使用 `reasonCode: "not_configured"` 與 `personaBinding: "missing"` 跳過該供應商嘗試。仍會嘗試後援供應商。

只有在嘗試的每個供應商都遭跳過或失敗時，整個 TTS 請求才會失敗。

Talk 工作階段的供應商選擇以工作階段為範圍。Talk 用戶端應從 talk.catalog 選擇供應商 ID、模型 ID、語音 ID 與地區設定，並透過 Talk 工作階段或移交請求傳入。開啟語音工作階段不應修改 tts 或全域 Talk 供應商預設值。

模型驅動指令

依預設，助理可以輸出 [[tts:...]] 指令，針對單一回覆覆寫語音、模型或速度，並可選擇加入 [[tts:text]]...[[/tts:text]] 區塊，放置只應出現在音訊中的表現提示：

text

給你。 [[tts:speakerVoiceId=pMsXgVXv3BLzUgSXRplE model=eleven_v3 speed=1.1]][[tts:text]]（笑）再讀一次這首歌。[[/tts:text]]

當 tts.auto 為 "tagged" 時，必須有指令才能觸發音訊。串流區塊傳遞會在頻道收到可見文字前移除指令，即使指令分散於相鄰區塊亦然。

除非 modelOverrides.allowProvider: true，否則會忽略 provider=...。當回覆宣告 provider=... 時，該指令中的其他鍵只會由該供應商解析；不支援的鍵會遭移除，並回報為 TTS 指令警告。

可用的指令鍵：

provider（已登錄的供應商 ID；需要 allowProvider: true）
speakerVoice / speakerVoiceId（舊版別名：voice、voiceName、voice_name、google_voice、voiceId）
model / google_model
stability、similarityBoost、style、speed、useSpeakerBoost
vol / volume（MiniMax 音量，(0, 10]）
pitch（MiniMax 整數音高，−12 至 12；小數值會遭截斷）
emotion（Volcengine 情緒標籤）
applyTextNormalization（auto|on|off）
languageCode（ISO 639-1）
seed

完全停用模型覆寫：

json5

{ messages: { tts: { modelOverrides: { enabled: false } } } }

允許切換供應商，同時讓其他調整項目保持可設定：

json5

{ messages: { tts: { modelOverrides: { enabled: true, allowProvider: true, allowSeed: false } } } }

斜線命令

單一命令 /tts。在 Discord 上，OpenClaw 也會登錄 /voice，因為 /tts 是 Discord 的內建命令——文字 /tts ... 仍然有效。

text

/tts off | on | status/tts chat on | off | default/tts latest/tts provider <id>/tts persona <id> | off/tts limit <chars>/tts summary off/tts audio <text>

行為注意事項：

/tts on 會將本機 TTS 偏好設定寫入 always；/tts off 則寫入 off。
/tts chat on|off|default 會為目前聊天寫入工作階段範圍的自動 TTS 覆寫。
/tts persona <id> 會寫入本機角色偏好設定；/tts persona off 則會清除該設定。
/tts latest 會從目前的工作階段逐字記錄讀取最新的助理回覆，並將其作為音訊傳送一次。它只會在工作階段項目上儲存該回覆的雜湊，以避免重複傳送語音。
/tts audio 會產生一次性的音訊回覆（不會開啟 TTS）。
/tts limit <chars> 接受 100–4096（4096 是 Telegram 說明文字／訊息的上限）；超出此範圍的值會遭拒絕。
limit 與 summary 會儲存在本機偏好設定，而非主要設定中。
/tts status 會包含最新嘗試的後援診斷資訊——Fallback: <primary> -> <used>、Attempts: ...，以及每次嘗試的詳細資料（provider:outcome(reasonCode) latency）。
啟用 TTS 時，/status 會顯示作用中的 TTS 模式，以及已設定的供應商、模型、語音與經過清理的自訂端點中繼資料。

每位使用者的偏好設定

斜線命令會將本機覆寫寫入 TTS 偏好設定路徑。預設值為 ~/.openclaw/settings/tts.json；可使用 OPENCLAW_TTS_PREFS 覆寫。Doctor 會將已淘汰的全域 tts.prefsPath 值移至共用機器狀態。進階多代理設定仍可設置 agents.entries.<id>.tts.prefsPath，以供代理刻意使用不同的偏好設定儲存區。

儲存欄位	效果
`auto`	本機自動 TTS 覆寫（`always`、`off`、…）
`provider`	本機主要供應商覆寫
`persona`	本機角色覆寫
`maxLength`	摘要／截斷閾值（預設 `1500` 個字元，`/tts limit` 範圍為 100–4096）
`summarize`	摘要切換（預設為 `true`）

這些設定會針對該主機覆寫由 tts 加上作用中 agents.entries.*.tts 區塊所產生的有效設定。

輸出格式

TTS 語音傳遞由頻道能力驅動。頻道外掛會宣告：語音樣式的 TTS 應要求供應商提供原生 voice-note 目標，還是維持一般的 audio-file 合成；以及頻道是否會在傳送前轉碼非原生輸出。

目標	格式
Feishu / Matrix / Telegram / WhatsApp	語音訊息回覆優先使用 Opus（ElevenLabs 使用 `opus_48000_64`，OpenAI 使用 `opus`）。48 kHz / 64 kbps 可兼顧清晰度與大小。
其他頻道	MP3（ElevenLabs 使用 `mp3_44100_128`，OpenAI 使用 `mp3`）。44.1 kHz / 128 kbps 是語音的預設平衡設定。
Talk / 電話語音	提供者原生 PCM（Inworld 22050 Hz、Google 24 kHz），或電話語音使用 Gradium 的 `ulaw_8000`。

各提供者注意事項：

**Feishu / WhatsApp 轉碼：**當語音訊息回覆以 MP3/WebM/WAV/M4A 或其他可能的音訊檔案送達時，頻道外掛會先使用 ffmpeg（libopus、64 kbps）將其轉碼為 48 kHz Ogg/Opus，再傳送原生語音訊息。WhatsApp 會透過 Baileys 的 audio 承載內容傳送結果，並使用 ptt: true 和 audio/ogg; codecs=opus。轉碼失敗時：Feishu 會捕捉錯誤，並改以一般附件傳送原始檔案；WhatsApp 沒有備援，因此傳送本身會失敗，而不會發布不相容的 PTT 承載內容。
**MiniMax：**一般音訊附件使用 MP3（speech-2.8-hd 模型、32 kHz 取樣率）；對於頻道宣告支援的語音訊息目標，則使用 ffmpeg 轉碼為 48 kHz Opus。
**Xiaomi MiMo：**預設使用 MP3，設定後也可使用 WAV；對於頻道宣告支援的語音訊息目標，則使用 ffmpeg 轉碼為 48 kHz Opus。
**本機命令列介面：**使用設定的 outputFormat。語音訊息目標會轉換為 Ogg/Opus，電話語音輸出則會使用 ffmpeg 轉換為原始 16 kHz 單聲道 PCM。
**Google Gemini：**傳回原始 24 kHz PCM。OpenClaw 會將其封裝為 WAV 以供音訊附件使用、針對語音訊息目標轉碼為 48 kHz Opus，並針對 Talk/電話語音直接傳回 PCM。
**Gradium：**音訊附件使用 WAV、語音訊息目標使用 Opus，電話語音則使用 8 kHz 的 ulaw_8000。
**Inworld：**一般音訊附件使用 MP3、語音訊息目標使用原生 OGG_OPUS，Talk/電話語音則使用 22050 Hz 的原始 PCM。
**xAI：**預設使用 MP3；音訊檔案合成可能對緩衝與串流輸出使用 mp3、wav、pcm、mulaw 或 alaw。語音訊息目標的串流與緩衝備援均使用 MP3，因為 xAI 的 pcm、mulaw 和 alaw 輸出是不含標頭的原始音訊。緩衝合成使用 xAI 的批次 REST /v1/tts 端點；textToSpeechStream 使用原生 wss://api.x.ai/v1/tts。這不是即時語音合約。不支援原生 Opus 語音訊息格式。
**Microsoft：**使用 microsoft.outputFormat（預設為 audio-24khz-48kbitrate-mono-mp3）。
- 隨附的傳輸層接受 outputFormat，但服務不一定提供所有格式。
- 輸出格式值遵循 Microsoft Speech 輸出格式（包括 Ogg/WebM Opus）。
- Telegram sendVoice 接受 OGG/MP3/M4A；若需要保證使用 Opus 語音訊息，請使用 OpenAI/ElevenLabs。
- 若設定的 Microsoft 輸出格式失敗，OpenClaw 會改用 MP3 重試。
- 若未設定明確的語音覆寫且使用預設英文語音，而回覆文字主要由 CJK 字元組成，OpenClaw 會自動切換至中文神經網路語音（zh-CN-XiaoxiaoNeural、zh-CN 語系）。

OpenAI 和 ElevenLabs 的輸出格式會依上述各頻道固定。

自動 TTS 行為

啟用 tts.auto 時，OpenClaw 會：

若回覆已包含結構化媒體，則略過 TTS。
略過非常短的回覆（少於 10 個字元）。
啟用摘要時，使用 summaryModel（或 agents.defaults.model.primary）摘要較長的回覆。
將產生的音訊附加至回覆。
在 mode: "final" 中，文字串流完成後，仍會針對串流的最終回覆傳送僅含音訊的 TTS；產生的媒體會經過與一般回覆附件相同的頻道媒體正規化處理。

若回覆超過 maxLength，OpenClaw 絕不會直接略過音訊：

開啟摘要（預設）且摘要模型可用：將文字摘要至約 maxLength 個字元，再合成摘要。
關閉摘要、摘要失敗，或摘要模型沒有可用的 API 金鑰：將文字截短至 maxLength 個字元，並合成截短後的文字。

text

回覆 -> 已啟用 TTS？  否  -> 傳送文字  是 -> 包含媒體 / 過短？          是 -> 傳送文字          否  -> 長度 > 上限？                   否  -> TTS -> 附加音訊                   是 -> 已啟用摘要且可用？                            否  -> 截短 -> TTS -> 附加音訊                            是 -> 摘要 -> TTS -> 附加音訊

欄位參考

提供者的 apiKey 欄位可為原始字串或 SecretRef。在閘道冷啟動期間，無法使用的 TTS SecretRef 會將內建 TTS 功能標示為已設定但無法使用，而不會停止閘道。之後，tts.speak 會傳回 UNAVAILABLE，理由為 SECRET_SURFACE_UNAVAILABLE，且不會傳送提供者要求。狀態和 doctor 會列出降級的 TTS 擁有者及其設定路徑。明確的參照會保留在執行階段快照中，因此環境或設定檔的認證資訊無法在未告知的情況下選取其他帳號。重新載入和設定寫入前置檢查會套用能辨識擁有者的降級原則：符合資格且未變更的 TTS 擁有者可繼續使用其最後已知正常的認證資訊作為過期資料，而新的或已變更的失敗則會進入冷狀態，且不會阻擋健康的擁有者。結構無效的參照和已解析的值仍會導致啟動失敗或更新遭拒。

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg 備援使用 ELEVENLABS_API_KEY 或 XI_API_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci 模型 ID。預設為 eleven_multilingual_v2。舊版 ID eleven_turbo_v2_5/eleven_turbo_v2 會正規化為對應的 flash 模型。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZUlkIiB0eXBlPSJzdHJpbmci ElevenLabs 語音 ID。預設為 pMsXgVXv3BLzUgSXRplE。舊版別名：voiceId。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg 依序回退至 GEMINI_API_KEY / GOOGLE_API_KEY。若省略，TTS 可在回退至環境變數前重複使用 models.providers.google.apiKey。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci Gemini TTS 模型。預設為 gemini-3.1-flash-tts-preview。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg Gemini 預建語音名稱。預設為 Kore。舊版別名：voiceName、voice。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI 僅接受 https://generativelanguage.googleapis.com。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFyZ3MiIHR5cGU9InN0cmluZ1tdIg 命令引數。支援 {{Text}}、{{OutputPath}}、{{OutputDir}}、{{OutputBase}} 預留位置。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im91dHB1dEZvcm1hdCIgdHlwZT0nIm1wMyIgfCAib3B1cyIgfCAid2F2Iic 預期的命令列介面輸出格式。音訊附件預設為 mp3。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InRpbWVvdXRNcyIgdHlwZT0ibnVtYmVyIg 命令逾時時間（毫秒）。預設為 120000。 OPENCLAW_DOCS_MARKER:paramClose:

命令標準輸出以及產生或轉換後的音訊上限為 50 MiB。診斷標準錯誤輸出的上限為 1 MiB。任一限制遭超過時，OpenClaw 會終止命令並使合成失敗。

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImVkZ2UuKiIgdHlwZT0ib2JqZWN0IiBkZXByZWNhdGVk 舊版別名。執行 openclaw doctor --fix，將持久化設定改寫為 providers.microsoft。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg 環境變數：OPENROUTER_API_KEY。可重複使用 models.providers.openrouter.apiKey。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI 預設為 https://openrouter.ai/api/v1。舊版 https://openrouter.ai/v1 會被正規化。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9Im1vZGVsIiB0eXBlPSJzdHJpbmci 預設為 hexgrad/kokoro-82m。別名：modelId。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg 預設為 af_alloy。舊版別名：voice、voiceId。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJlc3BvbnNlRm9ybWF0IiB0eXBlPScibXAzIiB8ICJwY20iJw 預設為 mp3。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwaUtleSIgdHlwZT0ic3RyaW5nIg 環境變數：VOLCENGINE_TTS_API_KEY 或 BYTEPLUS_SEED_SPEECH_API_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InJlc291cmNlSWQiIHR5cGU9InN0cmluZyI 預設為 seed-tts-1.0。環境變數：VOLCENGINE_TTS_RESOURCE_ID。當你的專案具有 TTS 2.0 權限時，請使用 seed-tts-2.0。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwcEtleSIgdHlwZT0ic3RyaW5nIg App 金鑰標頭。預設為 aGjiRDfUWi。環境變數：VOLCENGINE_TTS_APP_KEY。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImJhc2VVcmwiIHR5cGU9InN0cmluZyI 覆寫 Seed Speech TTS HTTP 端點。環境變數：VOLCENGINE_TTS_BASE_URL。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWFrZXJWb2ljZSIgdHlwZT0ic3RyaW5nIg 語音類型。預設為 en_female_anna_mars_bigtts。環境變數：VOLCENGINE_TTS_VOICE。舊版別名：voice。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9InNwZWVkUmF0aW8iIHR5cGU9Im51bWJlciI 供應商原生速度比率，0.2..3。 OPENCLAW_DOCS_MARKER:paramClose:

OPENCLAW_DOCS_MARKER:paramOpen:IHBhdGg9ImFwcElkIC8gdG9rZW4gLyBjbHVzdGVyIiB0eXBlPSJzdHJpbmciIGRlcHJlY2F0ZWQ 舊版 Volcengine Speech Console 欄位。環境變數：VOLCENGINE_TTS_APPID、VOLCENGINE_TTS_TOKEN、VOLCENGINE_TTS_CLUSTER（預設為 volcano_tts）。 OPENCLAW_DOCS_MARKER:paramClose:

Agent 工具

tts 工具會將文字轉換為語音，並傳回音訊附件以供傳送回覆。在 Feishu、Matrix、Telegram 與 WhatsApp 上，音訊會以語音訊息而非檔案附件的形式傳送。此路徑上若 ffmpeg 可用，Feishu 與 WhatsApp 可轉碼非 Opus TTS 輸出。

WhatsApp 透過 Baileys 將音訊當作 PTT 語音訊息傳送（audio 搭配 ptt: true），並將可見文字與 PTT 音訊分開傳送，因為用戶端無法一致地在語音訊息上呈現字幕。

此工具接受選用的 channel 與 timeoutMs 欄位；timeoutMs 是每次呼叫的供應商請求逾時時間（毫秒）。每次呼叫的值會覆寫 tts.timeoutMs；已設定的 TTS 逾時時間會覆寫任何由外掛編寫的供應商預設值。

方法	用途
`tts.status`	讀取目前的 TTS 狀態及上次嘗試。
`tts.enable`	將本機自動偏好設定為 `always`。
`tts.disable`	將本機自動偏好設定為 `off`。
`tts.convert`	單次將文字轉換為音訊。
`tts.setProvider`	設定本機供應商偏好。
`tts.personas`	列出已設定的角色及目前啟用的角色。
`tts.setPersona`	設定本機角色偏好。
`tts.providers`	列出已設定的供應商及其狀態。

快速開始

選擇提供者

設定 API 金鑰

在設定中啟用

在聊天中試用

支援的提供者

設定

Azure Speech

ElevenLabs

Google Gemini

Gradium

Inworld

本機命令列介面

Microsoft（無需金鑰）

MiniMax

OpenAI + ElevenLabs

OpenRouter

Volcengine

xAI

Xiaomi MiMo

每個代理程式的語音覆寫

角色

最小角色

完整角色（供應商專屬塑形）

角色解析

自訂角色塑形

後援政策

模型驅動指令

斜線命令

每位使用者的偏好設定

輸出格式

自動 TTS 行為

欄位參考

Inworld 主要設定

Agent 工具

閘道 RPC

服務連結

相關內容

On this page