OpenClaw 使用 Azure Speech REST API 直接合成回复音频，默认输出 24kHz 48kbps MP3，语音消息则用原生 Ogg/Opus，电话通道使用 8kHz mulaw。配置时需要提供 AZURE_SPEECH_KEY 和 AZURE_SPEECH_REGION 环境变量，或在 messages.tts.providers.azure-speech 中指定语音、语言和输出格式；密钥通过 Ocp-Apim-Subscription-Key 头部发送，OpenClaw 自动从 region 拼接端点。

OpenClaw Azure Speech TTS 配置：认证、格式与默认语音

Azure Speech 是 Azure AI 语音服务的文本转语音（TTS）提供方。在 OpenClaw 中，它负责将智能体的回复音频合成为 MP3（默认），为语音消息生成原生的 Ogg/Opus 格式，为电话通道（如语音呼叫）输出 8 kHz mulaw 音频。

OpenClaw 直接通过 Azure Speech REST API 发送 SSML，并使用 X-Microsoft-OutputFormat 指定提供方支持的输出格式。

属性	值
官网	Azure AI Speech
文档	Speech REST text-to-speech
认证	`AZURE_SPEECH_KEY` + `AZURE_SPEECH_REGION`
默认语音	`en-US-JennyNeural`
默认文件输出	`audio-24khz-48kbitrate-mono-mp3`
默认语音消息输出	`ogg-24khz-16bit-mono-opus`

快速开始

创建 Azure Speech 资源

在 Azure 门户中创建 Speech 资源，从“资源管理” > “密钥和终结点”复制 **KEY 1**，并记录资源位置（如 `eastus`）。

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

在 messages.tts 中选取 Azure Speech

```json5
{
  messages: {
    tts: {
      auto: "always",
      provider: "azure-speech",
      providers: {
        "azure-speech": {
          voice: "en-US-JennyNeural",
          lang: "en-US",
        },
      },
    },
  },
}
```

发送一条消息

通过任意已连接的渠道发送回复，OpenClaw 会使用 Azure Speech 合成音频，标准音频返回 MP3，渠道期望语音消息时返回 Ogg/Opus。

配置选项

选项	路径	说明
`apiKey`	`messages.tts.providers.azure-speech.apiKey`	Azure Speech 资源密钥。回退顺序：`AZURE_SPEECH_KEY`、`AZURE_SPEECH_API_KEY`、`SPEECH_KEY`。
`region`	`messages.tts.providers.azure-speech.region`	Azure Speech 资源区域。回退顺序：`AZURE_SPEECH_REGION`、`SPEECH_REGION`。
`endpoint`	`messages.tts.providers.azure-speech.endpoint`	可选的 Azure Speech 终结点/基础 URL 覆盖。
`baseUrl`	`messages.tts.providers.azure-speech.baseUrl`	可选的 Azure Speech 基础 URL 覆盖。
`voice`	`messages.tts.providers.azure-speech.voice`	Azure 语音 ShortName（默认 `en-US-JennyNeural`）。
`lang`	`messages.tts.providers.azure-speech.lang`	SSML 语言代码（默认 `en-US`）。
`outputFormat`	`messages.tts.providers.azure-speech.outputFormat`	音频文件输出格式（默认 `audio-24khz-48kbitrate-mono-mp3`）。
`voiceNoteOutputFormat`	`messages.tts.providers.azure-speech.voiceNoteOutputFormat`	语音消息输出格式（默认 `ogg-24khz-16bit-mono-opus`）。

注意事项

认证

Azure Speech 使用 Speech 资源密钥，不是 Azure OpenAI 密钥。密钥通过 `Ocp-Apim-Subscription-Key` 头发送；OpenClaw 默认从 `region` 拼接出 `https://&lt;region&gt;.tts.speech.microsoft.com`，除非你提供了 `endpoint` 或 `baseUrl`。

语音名称

使用 Azure Speech 语音的 `ShortName` 值，例如 `en-US-JennyNeural`。当前内置提供方可以通过同一 Speech 资源列出可用语音，并会过滤标记为已弃用或已退役的语音。

音频输出格式

Azure 支持的输出格式包括 `audio-24khz-48kbitrate-mono-mp3`、`ogg-24khz-16bit-mono-opus`、`riff-24khz-16bit-mono-pcm` 等。OpenClaw 针对 `voice-note` 目标请求 Ogg/Opus，这样渠道可以发送原生语音气泡，无需二次转换 MP3。

别名

`azure` 可作为提供方别名用于已有的 PR 和用户配置，但新配置应使用 `azure-speech`，避免与 Azure OpenAI 模型提供方混淆。

常见问题

如何获取 Azure Speech 的 API 密钥？

在 Azure 门户中创建一个 Speech 资源，进入“资源管理” > “密钥和终结点”复制 KEY 1。将密钥设置为环境变量 AZURE_SPEECH_KEY，区域设置为 AZURE_SPEECH_REGION（如 eastus），或在配置文件中直接填写 apiKey 和 region。

默认语音能换成中文吗？

可以。在 messages.tts.providers.azure-speech 中设置 voice 为中文语音的 ShortName（如 zh-CN-XiaoxiaoNeural），lang 设为 zh-CN。注意语音 ShortName 需在 Azure Speech 文档中查找。

为什么回复音频是 MP3，但我想要 Ogg/Opus？

OpenClaw 会自动针对语音消息（voice-note）渠道使用 Ogg/Opus，标准回复默认为 MP3。如果你想全局修改输出格式，可以设置 outputFormat 为你需要的值（如 ogg-24khz-16bit-mono-opus），但注意某些渠道可能不兼容。

OpenClaw Azure Speech TTS 配置：认证、格式与默认语音 ​

快速开始 ​

配置选项 ​

注意事项 ​

相关链接 ​

常见问题 ​

如何获取 Azure Speech 的 API 密钥？ ​

默认语音能换成中文吗？ ​

为什么回复音频是 MP3，但我想要 Ogg/Opus？ ​