Azure Speech
用于 OpenClaw 回复的 Azure AI Speech 文本转语音功能
Azure Speech 是内置的 Azure AI Speech 文本转语音提供商。OpenClaw
使用 SSML 直接调用 Azure Speech REST API，为标准回复合成 MP3，
为语音消息合成原生 Ogg/Opus，并为语音通话等电话渠道合成 8 kHz mulaw。
请求通过 X-Microsoft-OutputFormat 标头发送由提供商所有的输出格式。
| 详情 | 值 |
|---|---|
| 提供商 ID | azure-speech（别名：azure） |
| 网站 | Azure AI Speech |
| 文档 | Speech REST 文本转语音 |
| 身份验证 | AZURE_SPEECH_KEY 加 AZURE_SPEECH_REGION |
| 默认语音 | en-US-JennyNeural |
| 默认文件输出 | audio-24khz-48kbitrate-mono-mp3 |
| 默认语音消息文件 | ogg-24khz-16bit-mono-opus |
入门指南
创建 Azure Speech 资源
在 Azure 门户中创建 Speech 资源。从
Resource Management > Keys and Endpoint 复制 KEY 1，并复制资源位置，
例如 eastus。
AZURE_SPEECH_KEY=<speech-resource-key>
AZURE_SPEECH_REGION=eastus在 tts 中选择 Azure Speech
{
tts: {
auto: "always",
provider: "azure-speech",
providers: {
"azure-speech": {
voice: "en-US-JennyNeural",
lang: "en-US",
},
},
},
}发送消息
通过任意已连接的渠道发送回复。OpenClaw 使用 Azure Speech 合成音频， 为标准音频提供 MP3，或在渠道需要语音消息时提供 Ogg/Opus。
配置选项
所有选项均位于 tts.providers["azure-speech"] 下。
| 选项 | 说明 |
|---|---|
apiKey | Azure Speech 资源密钥。回退到 AZURE_SPEECH_KEY、AZURE_SPEECH_API_KEY 或 SPEECH_KEY。 |
region | Azure Speech 资源区域。回退到 AZURE_SPEECH_REGION 或 SPEECH_REGION。 |
endpoint | 可选的 Azure Speech 端点覆盖。回退到可信的 AZURE_SPEECH_ENDPOINT。 |
baseUrl | 可选的 Azure Speech 基础 URL 覆盖。 |
voice | Azure 语音 ShortName（默认值为 en-US-JennyNeural）。旧版别名：voiceId。 |
lang | SSML 语言代码（默认值为 en-US）。 |
outputFormat | 音频文件输出格式（默认值为 audio-24khz-48kbitrate-mono-mp3）。 |
voiceNoteOutputFormat | 语音消息输出格式（默认值为 ogg-24khz-16bit-mono-opus）。 |
timeoutMs | 请求超时覆盖值（毫秒）。回退到全局 tts.timeoutMs。 |
设置 apiKey，并设置 region、endpoint
或 baseUrl 中的任意一个后，该提供商即视为已配置。仅当配置键未设置时，
才会检查环境变量作为回退。工作区 .env 文件无法设置
AZURE_SPEECH_ENDPOINT；请使用进程环境、全局运行时 dotenv
或显式配置来进行端点路由。
注意事项
身份验证
Azure Speech 使用 Speech 资源密钥，而不是 Azure OpenAI 密钥。该密钥
作为 Ocp-Apim-Subscription-Key 发送；除非你提供
endpoint 或 baseUrl，否则 OpenClaw 会从
region 派生 https://<region>.tts.speech.microsoft.com。
语音名称
使用 Azure Speech 语音的 ShortName 值，例如
en-US-JennyNeural。内置提供商可通过同一 Speech 资源列出语音，
并过滤掉标记为已弃用、已停用或已禁用的语音。
音频输出
Azure 接受 audio-24khz-48kbitrate-mono-mp3、ogg-24khz-16bit-mono-opus
和 riff-24khz-16bit-mono-pcm 等输出格式。OpenClaw 为
voice-note 目标请求 Ogg/Opus，使渠道无需额外转换 MP3
即可发送原生语音气泡，并为电话目标强制使用
raw-8khz-8bit-mono-mulaw。
别名
为兼容现有配置，azure 可作为提供商别名使用，但新配置
应使用 azure-speech，以免与 Azure OpenAI 模型提供商混淆。