首页 资讯 下载 教程 Skills 社群

OpenClaw 多 TTS Provider 配置:从 ElevenLabs 到火山引擎

概述

OpenClaw v2026.4.25 大幅扩展了 TTS(文本转语音)支持,新增 6 个 Provider:

  • Azure Speech:Microsoft 企业级
  • Xiaomi:小米中文优化
  • Volcengine:火山引擎,字节跳动
  • Inworld:角色化 AI 语音
  • Local CLI:完全本地
  • ElevenLabs v3:业界顶级

加上之前的 Gemini TTS、MiniMax TTS、OpenAI TTS、本地 MLX,OpenClaw 已成为 TTS Provider 最全的 Agent 框架。

Provider 对比

Provider 中文 英文 价格 延迟 隐私
Azure Speech 优 优 中 低 云端
Xiaomi 优秀 一般 低 低 国内
Volcengine 顶级 良好 低 极低 国内
Inworld 良 优 中 中 云端
Local CLI 一般 良好 免费 极低 本地
ElevenLabs v3 优秀 顶级 高 中 云端
Gemini TTS 良 优 中 低 云端
MiniMax TTS 优秀 一般 低 低 国内
OpenAI TTS 良 优 中 低 云端

Azure Speech

配置

providers:
  azure-speech:
    enabled: true
    apiKey: "$AZURE_SPEECH_KEY"
    region: "eastus"  # 或 westus、eastasia
    defaultVoice: "zh-CN-XiaoxiaoNeural"

适合场景

  • 企业用户:合规性强
  • 多语言场景:100+ 语言支持
  • 微软生态:与 Office 365 集成

中文声音

  • zh-CN-XiaoxiaoNeural(晓晓)
  • zh-CN-YunyangNeural(云阳)
  • zh-CN-XiaohanNeural(晓涵)
  • 更多在 Azure 文档查询

Xiaomi 小米语音

配置

providers:
  xiaomi-tts:
    enabled: true
    apiKey: "$XIAOMI_TTS_KEY"
    appId: "$XIAOMI_APP_ID"

适合场景

  • 中文为主
  • 国内用户:访问稳定快速
  • 价格敏感:相对便宜
  • 小米生态:智能家居集成

声音特点

  • 自然流畅的中文
  • 多种音色(少女、青年、中年、老年)
  • 多种情感(活泼、平静、严肃)

Volcengine 火山引擎

配置

providers:
  volcengine-tts:
    enabled: true
    accessKey: "$VOLCENGINE_AK"
    secretKey: "$VOLCENGINE_SK"
    appId: "$VOLCENGINE_APP_ID"

适合场景

  • 中文最佳
  • 抖音同款:流量场景验证
  • 极低延迟:实时交互
  • 大规模应用:性价比高

特色功能

  • 实时流式 TTS:边生成边播放
  • 声音克隆:基于样本克隆
  • 情感丰富:开心、悲伤、愤怒等
  • 多种风格:新闻、客服、广播

Inworld AI

配置

providers:
  inworld:
    enabled: true
    apiKey: "$INWORLD_KEY"
    workspace: "my-workspace"

适合场景

  • 角色驱动:游戏、虚拟人、NPC
  • 情感表达:丰富的情感声音
  • 互动场景:长期角色对话

特色

  • 角色一致性:声音 + 性格统一
  • 情感切换:根据对话情境
  • 语言混合:可在英文中夹中文

Local CLI

配置

providers:
  local-cli:
    enabled: true
    command: "say"  # macOS 内置
    voice: "Tingting"  # 中文

不同平台

macOS

providers:
  local-cli:
    command: "say"
    voice: "Tingting"  # 中文女声

可用声音:

say -v "?"  # 列出所有可用声音

Linux

providers:
  local-cli:
    command: "espeak"
    args: ["-v", "zh"]

或使用 festival:

providers:
  local-cli:
    command: "festival"
    args: ["--tts"]

Windows

providers:
  local-cli:
    command: "powershell"
    args: ["-Command", "Add-Type -AssemblyName System.Speech; ..."]

适合场景

  • 完全本地:数据不离开设备
  • 零成本:免费
  • 快速响应:无网络延迟
  • 无障碍场景:自带辅助技术

ElevenLabs v3

配置

providers:
  elevenlabs:
    enabled: true
    apiKey: "$ELEVENLABS_KEY"
    version: "v3"  # 新版本
    defaultVoice: "Rachel"  # 或自定义声音 ID

适合场景

  • 最高音质:业界顶级
  • 角色配音:影视、游戏
  • 声音克隆:5 分钟样本克隆
  • 多语言:30+ 语言

v3 改进

相比 v2:

  • 更自然的停顿
  • 更准确的情感
  • 多语言混合更流畅
  • 长文本生成稳定

智能 TTS 路由

可以根据场景自动选择 Provider:

voice:
  tts:
    routing:
      # 默认 Provider
      default: "volcengine-tts"
      
      rules:
        # 中文用火山引擎
        - condition: "language == 'zh'"
          provider: "volcengine-tts"
        
        # 英文用 ElevenLabs
        - condition: "language == 'en'"
          provider: "elevenlabs"
        
        # 角色对话用 Inworld
        - condition: "context == 'character'"
          provider: "inworld"
        
        # 敏感内容本地处理
        - condition: "sensitive == true"
          provider: "local-cli"

Personas 多人格

v2026.4.25 引入的 Personas:

agents:
  customer-service:
    persona:
      name: "小爱"
      voice:
        provider: "volcengine-tts"
        voiceId: "BV001_streaming"
        style: "friendly"
  
  technical-expert:
    persona:
      name: "Alex"
      voice:
        provider: "elevenlabs"
        voiceId: "professional-male"
        style: "calm"

每个 Agent 有独特"声音人格"。

/tts 命令

基础使用

/tts 你好,欢迎使用 OpenClaw

立即播放语音。

Chat-Scoped Auto TTS

会话级别自动 TTS:

/tts on    # 该会话所有 Agent 回复都自动 TTS
/tts off   # 关闭
/tts latest  # 仅最新一条

临时切换 Provider

/tts --provider elevenlabs 这是英文测试 hello world

实际场景

场景 1:双语客服

agents:
  bilingual-cs:
    voice:
      tts:
        # 自动检测语言并选择 Provider
        autoSelect: true
        chineseProvider: "volcengine-tts"
        englishProvider: "elevenlabs"

场景 2:游戏角色 AI

agents:
  npc-merchant:
    persona:
      voice:
        provider: "inworld"
        characterId: "wise-merchant"
        style: "warm"

场景 3:无障碍助手

agents:
  accessibility-helper:
    voice:
      tts:
        # 本地优先(离线可用)
        provider: "local-cli"
        # 云端备份
        fallback: "volcengine-tts"

成本对比

按 100,000 字/月估算:

Provider 月成本
Volcengine ~$5
Xiaomi ~$5
Local CLI $0
Azure Speech ~$15
Gemini TTS ~$10
OpenAI TTS ~$15
ElevenLabs ~$50
Inworld ~$30

成本悬殊,按场景选择。

注意事项

  • 多 TTS Provider 需要 OpenClaw v2026.4.25 或更高
  • 国内用户优先选择火山引擎、小米
  • 国际用户根据成本和音质选择
  • 敏感场景考虑本地 CLI
  • 角色场景考虑 Inworld
  • ElevenLabs 高成本但顶级音质
  • 建议配置多个 Provider 互为 fallback
  • 实测各 Provider 的音色,选最适合的