学了个寂寞

Appearance

文字转语音（TTS） ​

OpenClaw 可以使用 ElevenLabs、Microsoft 或 OpenAI 将出站回复转换为音频，在任何 OpenClaw 能发送音频的地方都能工作。

支持的服务 ​

  • ElevenLabs（主提供商或备用提供商）
  • Microsoft（主提供商或备用提供商；当前捆绑实现使用 node-edge-tts）
  • OpenAI（主提供商或备用提供商；也用于摘要）

Microsoft 语音说明 ​

捆绑的 Microsoft 语音提供商目前通过 node-edge-tts 库使用 Microsoft Edge 的在线神经 TTS 服务。这是一个托管服务（非本地），使用 Microsoft 端点，不需要 API Key。node-edge-tts 提供语音配置选项和输出格式，但并非所有选项都受服务支持。使用 edge 的旧版配置和指令输入仍然有效，并被规范化为 microsoft。

由于此路径是没有公开 SLA 或配额的公共 Web 服务，请将其视为尽力而为。若需要有保证的限制和支持，请使用 OpenAI 或 ElevenLabs。

可选密钥 ​

若要使用 OpenAI 或 ElevenLabs：

  • ELEVENLABS_API_KEY（或 XI_API_KEY）
  • OPENAI_API_KEY

Microsoft 语音不需要 API Key。

若配置了多个提供商，优先使用所选提供商，其他作为备用。自动摘要使用已配置的 summaryModel（或 agents.defaults.model.primary），因此若启用摘要，该提供商也必须已认证。

服务链接 ​

默认是否启用？ ​

不启用。Auto-TTS 默认关闭。通过配置中的 messages.tts.auto 启用，或通过会话命令 /tts always（别名：/tts on）启用。

若未设置 messages.tts.provider，OpenClaw 按注册表自动选择顺序选取第一个已配置的语音提供商。

配置 ​

TTS 配置位于 openclaw.json 的 messages.tts 下。完整 schema 见网关配置。

最小配置（启用 + 提供商） ​

json5
{
  messages: {
    tts: {
      auto: "always",
      provider: "elevenlabs",
    },
  },
}

OpenAI 主提供商 + ElevenLabs 备用 ​

json5
{
  messages: {
    tts: {
      auto: "always",
      provider: "openai",
      summaryModel: "openai/gpt-4.1-mini",
      modelOverrides: {
        enabled: true,
      },
      providers: {
        openai: {
          apiKey: "openai_api_key",
          baseUrl: "https://api.openai.com/v1",
          model: "gpt-4o-mini-tts",
          voice: "alloy",
        },
        elevenlabs: {
          apiKey: "elevenlabs_api_key",
          baseUrl: "https://api.elevenlabs.io",
          voiceId: "voice_id",
          modelId: "eleven_multilingual_v2",
          seed: 42,
          applyTextNormalization: "auto",
          languageCode: "en",
          voiceSettings: {
            stability: 0.5,
            similarityBoost: 0.75,
            style: 0.0,
            useSpeakerBoost: true,
            speed: 1.0,
          },
        },
      },
    },
  },
}

Microsoft 主提供商（无 API Key） ​

json5
{
  messages: {
    tts: {
      auto: "always",
      provider: "microsoft",
      providers: {
        microsoft: {
          enabled: true,
          voice: "en-US-MichelleNeural",
          lang: "en-US",
          outputFormat: "audio-24khz-48kbitrate-mono-mp3",
          rate: "+10%",
          pitch: "-5%",
        },
      },
    },
  },
}

禁用 Microsoft 语音 ​

json5
{
  messages: {
    tts: {
      providers: {
        microsoft: {
          enabled: false,
        },
      },
    },
  },
}

自定义限制 + 偏好路径 ​

json5
{
  messages: {
    tts: {
      auto: "always",
      maxTextLength: 4000,
      timeoutMs: 30000,
      prefsPath: "~/.openclaw/settings/tts.json",
    },
  },
}

仅在收到语音消息后回复音频 ​

json5
{
  messages: {
    tts: {
      auto: "inbound",
    },
  },
}

禁用长回复的自动摘要 ​

json5
{
  messages: {
    tts: {
      auto: "always",
    },
  },
}

然后运行：

/tts summary off

字段说明 ​

  • auto：Auto-TTS 模式（off、always、inbound、tagged）。
    • inbound 仅在收到入站语音消息后发送音频。
    • tagged 仅在回复包含 [[tts]] 标签时发送音频。
  • enabled：旧版开关（doctor 会将其迁移到 auto）。
  • mode："final"（默认）或 "all"（包含工具/块回复）。
  • provider：语音提供商 ID，如 "elevenlabs"、"microsoft" 或 "openai"（备用自动）。
  • 若 provider 未设置，OpenClaw 按注册表自动选择顺序使用第一个已配置的语音提供商。
  • 旧版 provider: "edge" 仍有效，规范化为 microsoft。
  • summaryModel：Auto-摘要的可选低廉模型；默认为 agents.defaults.model.primary。接受 provider/model 或已配置的模型别名。
  • modelOverrides：允许模型发出 TTS 指令（默认开启）。allowProvider 默认为 false（提供商切换为可选项）。
  • providers.<id>：按语音提供商 ID 键控的提供商自有设置。
  • maxTextLength：TTS 输入的硬性字符上限。/tts audio 超出时失败。
  • timeoutMs：请求超时（毫秒）。
  • prefsPath：覆盖本地偏好 JSON 路径（提供商/限制/摘要）。
  • apiKey 值回退到环境变量（ELEVENLABS_API_KEY/XI_API_KEY、OPENAI_API_KEY）。
  • providers.elevenlabs.baseUrl：覆盖 ElevenLabs API 基础 URL。
  • providers.openai.baseUrl：覆盖 OpenAI TTS 端点。解析顺序：messages.tts.providers.openai.baseUrl → OPENAI_TTS_BASE_URL → https://api.openai.com/v1。非默认值视为 OpenAI 兼容 TTS 端点，接受自定义模型和语音名称。
  • providers.elevenlabs.voiceSettings：stability、similarityBoost、style：0..1；useSpeakerBoost：true|false；speed：0.5..2.0（1.0 = 正常）。
  • providers.elevenlabs.applyTextNormalization：auto|on|off。
  • providers.elevenlabs.languageCode：2 字母 ISO 639-1（如 en、de）。
  • providers.elevenlabs.seed：整数 0..4294967295（尽力确定性）。
  • providers.microsoft.enabled：允许使用 Microsoft 语音（默认 true；无 API Key）。
  • providers.microsoft.voice：Microsoft 神经语音名称（如 en-US-MichelleNeural）。
  • providers.microsoft.lang：语言代码（如 en-US）。
  • providers.microsoft.outputFormat：Microsoft 输出格式（如 audio-24khz-48kbitrate-mono-mp3）。
  • providers.microsoft.rate / providers.microsoft.pitch / providers.microsoft.volume：百分比字符串（如 +10%、-5%）。
  • providers.microsoft.saveSubtitles：在音频文件旁写入 JSON 字幕。
  • providers.microsoft.proxy：Microsoft 语音请求的代理 URL。
  • providers.microsoft.timeoutMs：请求超时覆盖（毫秒）。
  • edge.*：相同 Microsoft 设置的旧版别名。

模型驱动覆盖（默认开启） ​

默认情况下，模型可以针对单次回复发出 TTS 指令。当 messages.tts.auto 为 tagged 时，这些指令是触发音频所必需的。

启用时，模型可以发出 [[tts:...]] 指令覆盖单次回复的语音，以及可选的 [[tts:text]]...[[/tts:text]] 块提供仅出现在音频中的表达性标签（笑声、演唱提示等）。

除非 modelOverrides.allowProvider: true，否则 provider=... 指令会被忽略。

示例回复载荷：

Here you go.

[[tts:voiceId=pMsXgVXv3BLzUgSXRplE model=eleven_v3 speed=1.1]]
[[tts:text]](laughs) Read the song once more.[[/tts:text]]

启用时的可用指令键：

  • provider（注册的语音提供商 ID，如 openai、elevenlabs 或 microsoft；需要 allowProvider: true）
  • voice（OpenAI 语音）或 voiceId（ElevenLabs）
  • model（OpenAI TTS 模型或 ElevenLabs 模型 ID）
  • stability、similarityBoost、style、speed、useSpeakerBoost
  • applyTextNormalization（auto|on|off）
  • languageCode（ISO 639-1）
  • seed

禁用所有模型覆盖：

json5
{
  messages: {
    tts: {
      modelOverrides: {
        enabled: false,
      },
    },
  },
}

可选白名单（启用提供商切换同时保持其他旋钮可配置）：

json5
{
  messages: {
    tts: {
      modelOverrides: {
        enabled: true,
        allowProvider: true,
        allowSeed: false,
      },
    },
  },
}

每用户偏好 ​

Slash 命令将本地覆盖写入 prefsPath（默认：~/.openclaw/settings/tts.json，通过 OPENCLAW_TTS_PREFS 或 messages.tts.prefsPath 覆盖）。

存储字段：

  • enabled
  • provider
  • maxLength（摘要阈值；默认 1500 字符）
  • summarize（默认 true）

这些设置覆盖该主机的 messages.tts.*。

输出格式（固定） ​

  • Feishu / Matrix / Telegram / WhatsApp：Opus 语音消息（ElevenLabs 的 opus_48000_64，OpenAI 的 opus）。48kHz / 64kbps 是语音消息的良好权衡。
  • 其他频道：MP3（ElevenLabs 的 mp3_44100_128，OpenAI 的 mp3）。44.1kHz / 128kbps 是语音清晰度的默认平衡。
  • Microsoft：使用 microsoft.outputFormat（默认 audio-24khz-48kbitrate-mono-mp3）。捆绑传输接受 outputFormat，但并非所有格式都可从服务获取。若配置的 Microsoft 输出格式失败，OpenClaw 以 MP3 重试。

Auto-TTS 行为 ​

启用时，OpenClaw：

  • 若回复已包含媒体或 MEDIA: 指令，跳过 TTS。
  • 跳过非常短的回复（< 10 字符）。
  • 启用时使用 agents.defaults.model.primary（或 summaryModel）对长回复进行摘要。
  • 将生成的音频附加到回复中。

若回复超过 maxLength 且摘要关闭（或摘要模型无 API Key），则跳过音频，发送普通文本回复。

流程图 ​

回复 -> TTS 已启用？
  否  -> 发送文本
  是  -> 包含媒体 / MEDIA: / 太短？
          是 -> 发送文本
          否  -> 长度 > 限制？
                   否  -> TTS -> 附加音频
                   是  -> 摘要已启用？
                            否  -> 发送文本
                            是  -> 摘要（summaryModel 或 agents.defaults.model.primary）
                                      -> TTS -> 附加音频

Slash 命令用法 ​

单一命令：/tts。启用细节见Slash 命令。

Discord 注意：/tts 是 Discord 内置命令，因此 OpenClaw 在那里注册 /voice 作为原生命令。文本 /tts ... 仍有效。

/tts off
/tts always
/tts inbound
/tts tagged
/tts status
/tts provider openai
/tts limit 2000
/tts summary off
/tts audio Hello from OpenClaw

注意：

  • 命令需要已授权的发件人（白名单/所有者规则仍适用）。
  • 必须启用 commands.text 或原生命令注册。
  • off|always|inbound|tagged 是每会话开关（/tts on 是 /tts always 的别名）。
  • limit 和 summary 存储在本地偏好中，而非主配置。
  • /tts audio 生成一次性音频回复（不切换 TTS 开启状态）。

代理工具 ​

tts 工具将文本转换为语音，并返回用于回复投递的音频附件。当频道为 Feishu、Matrix、Telegram 或 WhatsApp 时，音频以语音消息而非文件附件的形式投递。

网关 RPC ​

网关方法：

  • tts.status
  • tts.enable
  • tts.disable
  • tts.convert
  • tts.setProvider
  • tts.providers

友情链接： 能跑吗 · 打工算 · 车主算 · 开发工具 · 人工不智能

Copyright © 2026 地豆 蜀ICP备2021007188号 | 关于本站 | 隐私政策