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，以及使用 Scribe v2 Realtime 进行流式 STT。该插件已捆绑并默认启用；无需执行 plugins install 步骤。

身份验证¶

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

export ELEVENLABS_API_KEY="..."

文本转语音¶

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

将 modelId 设置为 eleven_v3 以使用 ElevenLabs v3 TTS。OpenClaw 对现有安装保留 eleven_multilingual_v2 作为默认值。

当 ElevenLabs 是所选的 voice.tts/tts 提供商时，Discord 语音频道会使用 ElevenLabs 的流式 TTS 端点：播放将从返回的音频流开始，而不是等待 OpenClaw 先下载整个音频文件。对于接受该参数的模型，latencyTier 会映射到 ElevenLabs 的 optimize_streaming_latency 查询参数；对于拒绝该参数的 eleven_v3，OpenClaw 会省略该参数。

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

OpenClaw 会将 multipart 音频发送到 ElevenLabs /v1/speech-to-text，并附带 model_id: "scribe_v2"。如果存在语言提示，则映射到 language_code。

流式 STT¶

捆绑的 elevenlabs 插件会为 Voice Call 和 Google Meet 代理模式注册 Scribe v2 Realtime 流式转录。

{
  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 代理模式，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¶

• 文本转语音
• Google Meet
• 模型选择