Deepgram
使用 Deepgram 转录传入的语音留言
Deepgram 是一个语音转文本 API。OpenClaw 通过 tools.media.audio 使用它转录入站音频/语音消息，并通过 plugins.entries.voice-call.config.streaming 将其用于语音通话流式 STT。
批量转录会将完整音频文件上传到 Deepgram，并将转录文本注入回复流水线（{{Transcript}} + [Audio] 块）。
语音通话流式传输通过 Deepgram 的 WebSocket listen 端点转发实时 G.711 u-law 帧，并在 Deepgram 返回部分/最终转录文本时将其发出。
| 详情 | 值 |
|---|---|
| 网站 | deepgram.com |
| 文档 | developers.deepgram.com |
| 身份验证 | DEEPGRAM_API_KEY |
| 默认模型 | nova-3 |
入门指南
设置 API key
DEEPGRAM_API_KEY=dg_...启用音频提供商
{
tools: {
media: {
audio: {
enabled: true,
models: [{ provider: "deepgram", model: "nova-3" }],
},
},
},
}发送语音消息
通过任意已连接的渠道发送一条音频消息。OpenClaw 会通过 Deepgram 转录该消息， 并将转录文本注入回复流水线。
配置选项
| 选项 | 路径 | 说明 |
|---|---|---|
model | tools.media.models[].model | Deepgram 模型 ID（默认值：nova-3） |
language | tools.media.models[].language | 语言提示（可选） |
providerOptions.deepgram 会将额外查询参数直接合并到
Deepgram /listen 请求中，因此可以使用 Deepgram 支持的任意参数名称
（例如 detect_language、punctuate、smart_format）：
包含语言提示
{
tools: {
media: {
audio: {
enabled: true,
models: [{ provider: "deepgram", model: "nova-3", language: "en" }],
},
},
},
}包含 Deepgram 选项
{
tools: {
media: {
audio: {
enabled: true,
providerOptions: {
deepgram: {
detect_language: true,
punctuate: true,
smart_format: true,
},
},
models: [{ provider: "deepgram", model: "nova-3" }],
},
},
},
}语音通话流式 STT
内置的 deepgram 插件还会为语音通话插件注册实时转录提供商。
| 设置 | 配置路径 | 默认值 |
|---|---|---|
| API key | plugins.entries.voice-call.config.streaming.providers.deepgram.apiKey | 回退到 DEEPGRAM_API_KEY |
| 基础 URL | ...deepgram.baseUrl | DEEPGRAM_BASE_URL 或 Deepgram 的公共 API |
| 模型 | ...deepgram.model | nova-3 |
| 语言 | ...deepgram.language | （未设置） |
| 编码 | ...deepgram.encoding | mulaw |
| 采样率 | ...deepgram.sampleRate | 8000 |
| 端点检测 | ...deepgram.endpointingMs | 800 |
| 中间结果 | ...deepgram.interimResults | true |
{
plugins: {
entries: {
"voice-call": {
config: {
streaming: {
enabled: true,
provider: "deepgram",
providers: {
deepgram: {
apiKey: "${DEEPGRAM_API_KEY}",
model: "nova-3",
endpointingMs: 800,
language: "en-US",
},
},
},
},
},
},
},
}对于 Deepgram 自定义端点，
将 baseUrl 设置为端点根地址，包括任何基础路径，但不包括 /listen。
实时端点接受 http://、https://、ws:// 和 wss://。HTTP
映射到 WS，HTTPS 映射到 WSS，而显式 WebSocket 协议保持不变。
格式错误的 URL 和其他协议会导致会话设置失败。
语音通话接收 8 kHz G.711 u-law 格式的电话音频。Deepgram
流式传输提供商默认使用 encoding: "mulaw" 和 sampleRate: 8000，因此
可以直接转发 Twilio 媒体帧。
注意事项
身份验证
身份验证遵循标准的提供商身份验证顺序。DEEPGRAM_API_KEY 是
最简单的方式。
代理和自定义端点
使用代理时，请在 Deepgram tools.media.models[] 条目中覆盖端点或标头。
输出行为
输出遵循与其他提供商相同的音频规则（大小上限、超时、 转录文本注入）。