Deepgram 是语音转文字（STT）API，在 OpenClaw 中用于：
- 批量转录：通过
tools.media.audio 处理音频附件
- Voice Call 实时流式 STT：通过 WebSocket
listen 端点转发 G.711 u-law 帧
| 属性 | 值 |
|---|
| 认证 | DEEPGRAM_API_KEY |
| 默认模型 | nova-3 |
| 官网 | deepgram.com |
快速开始
export DEEPGRAM_API_KEY=dg_...
{
tools: {
media: {
audio: {
enabled: true,
models: [{ provider: "deepgram", model: "nova-3" }],
},
},
},
}
配置选项
| 选项 | 路径 | 说明 |
|---|
model | tools.media.audio.models[].model | 模型 ID，默认 nova-3 |
language | tools.media.audio.models[].language | 语言提示（可选） |
detect_language | tools.media.audio.providerOptions.deepgram.detect_language | 自动检测语言 |
punctuate | ...deepgram.punctuate | 启用标点 |
smart_format | ...deepgram.smart_format | 智能格式化 |
Voice Call 流式 STT
| 参数 | 默认值 |
|---|
| 模型 | nova-3 |
| 编码 | mulaw |
| 采样率 | 8000 |
| 端点检测 | 800ms |
| 中间结果 | 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",
},
},
},
},
},
},
},
}
Twilio 电话音频为 8 kHz G.711 u-law，Deepgram 默认 encoding: "mulaw" + sampleRate: 8000 可直接转发。
相关链接