chore(i18n): refresh zh-CN translations

2026-04-26 03:33:46 +00:00 · 2026-04-26 03:33:46 +00:00 · 3d59718185
commit 3d59718185
parent 9830439835
1 changed files with 174 additions and 134 deletions
--- a/docs/zh-CN/tools/tts.md
+++ b/docs/zh-CN/tools/tts.md
@ -3,63 +3,71 @@ read_when:
    - 为回复启用文本转语音
    - 配置 TTS 提供商或限制
    - 使用 `/tts` 命令
-summary: 用于出站回复的文本转语音（TTS）
+summary: 用于外发回复的文本转语音（TTS）
 title: 文本转语音
 x-i18n:
-    generated_at: "2026-04-26T03:26:32Z"
+    generated_at: "2026-04-26T03:31:33Z"
    model: gpt-5.4
    provider: openai
-    source_hash: 56df1e6193e07224fca9252f5f21d6feaee016b26216be63c27b35defba84444
+    source_hash: ee32af79e2b6c7f5104b6583c3b1ceca23284611572bbb0bbca6e95ce333f488
    source_path: tools/tts.md
    workflow: 15
 ---

-OpenClaw 可以使用 Azure Speech、ElevenLabs、Google Gemini、Gradium、Inworld、Local CLI、Microsoft、MiniMax、OpenAI、Volcengine、Vydra、xAI 或 Xiaomi MiMo 将出站回复转换为音频。  
-它适用于 OpenClaw 可以发送音频的任何地方。
+OpenClaw 可以使用 Azure Speech、ElevenLabs、Google Gemini、Gradium、Inworld、Local CLI、Microsoft、MiniMax、OpenAI、Volcengine、Vydra、xAI 或 Xiaomi MiMo，将外发回复转换为音频。
+它适用于 OpenClaw 能够发送音频的任何地方。

 ## 支持的服务

- **Azure Speech**（主提供商或回退提供商；使用 Azure AI Speech REST API）
- **ElevenLabs**（主提供商或回退提供商）
- **Google Gemini**（主提供商或回退提供商；使用 Gemini API TTS）
- **Gradium**（主提供商或回退提供商；支持语音便笺和电话输出）
- **Inworld**（主提供商或回退提供商；使用 Inworld 流式 TTS API）
- **Local CLI**（主提供商或回退提供商；运行已配置的本地 TTS 命令）
- **Microsoft**（主提供商或回退提供商；当前内置实现使用 `node-edge-tts`）
- **MiniMax**（主提供商或回退提供商；使用 T2A v2 API）
- **OpenAI**（主提供商或回退提供商；也用于摘要）
- **Volcengine**（主提供商或回退提供商；使用 BytePlus Seed Speech HTTP API）
- **Vydra**（主提供商或回退提供商；共享图像、视频和语音提供商）
- **xAI**（主提供商或回退提供商；使用 xAI TTS API）
- **Xiaomi MiMo**（主提供商或回退提供商；通过 Xiaomi chat completions 使用 MiMo TTS）
+- **Azure Speech**（主要或回退提供商；使用 Azure AI Speech REST API）
+- **ElevenLabs**（主要或回退提供商）
+- **Google Gemini**（主要或回退提供商；使用 Gemini API TTS）
+- **Gradium**（主要或回退提供商；支持语音便笺和电话语音输出）
+- **Inworld**（主要或回退提供商；使用 Inworld 流式 TTS API）
+- **Local CLI**（主要或回退提供商；运行已配置的本地 TTS 命令）
+- **Microsoft**（主要或回退提供商；当前内置实现使用 `node-edge-tts`）
+- **MiniMax**（主要或回退提供商；使用 T2A v2 API）
+- **OpenAI**（主要或回退提供商；也用于摘要）
+- **Volcengine**（主要或回退提供商；使用 BytePlus Seed Speech HTTP API）
+- **Vydra**（主要或回退提供商；共享的图像、视频和语音提供商）
+- **xAI**（主要或回退提供商；使用 xAI TTS API）
+- **Xiaomi MiMo**（主要或回退提供商；通过 Xiaomi chat completions 使用 MiMo TTS）

 ### Microsoft 语音说明

-当前内置的 Microsoft 语音提供商通过 `node-edge-tts` 库使用 Microsoft Edge 的在线神经 TTS 服务。它是托管服务（不是本地服务），使用 Microsoft 端点，并且不需要 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该服务支持。使用 `edge` 的旧版配置和指令输入仍然可用，并会被标准化为 `microsoft`。
+内置的 Microsoft 语音提供商当前通过 `node-edge-tts` 库，使用 Microsoft Edge 的在线神经网络 TTS 服务。
+这是一个托管服务（不是本地服务），使用 Microsoft 的端点，并且不需要 API key。
+`node-edge-tts` 提供了语音配置选项和输出格式，但并非所有选项都受到该服务支持。使用 `edge` 的旧版配置和指令输入仍然可用，并会被规范化为 `microsoft`。

-由于这一路径是没有公开 SLA 或配额说明的公共网络服务，请将其视为尽力而为的服务。如果你需要有保障的限制和支持，请使用 OpenAI 或 ElevenLabs。
+由于这一路径是一个未公布 SLA 或配额的公共 Web 服务，请将其视为尽力而为。
+如果你需要有保障的限额和支持，请使用 OpenAI 或 ElevenLabs。

 ## 可选键

 如果你想使用 Azure Speech、ElevenLabs、Google Gemini、Gradium、Inworld、MiniMax、OpenAI、Volcengine、Vydra、xAI 或 Xiaomi MiMo：

- `AZURE_SPEECH_KEY` 加上 `AZURE_SPEECH_REGION`（也接受 `AZURE_SPEECH_API_KEY`、`SPEECH_KEY` 和 `SPEECH_REGION`）
+- `AZURE_SPEECH_KEY` 加 `AZURE_SPEECH_REGION`（也接受
+  `AZURE_SPEECH_API_KEY`、`SPEECH_KEY` 和 `SPEECH_REGION`）
 - `ELEVENLABS_API_KEY`（或 `XI_API_KEY`）
 - `GEMINI_API_KEY`（或 `GOOGLE_API_KEY`）
 - `GRADIUM_API_KEY`
 - `INWORLD_API_KEY`
- `MINIMAX_API_KEY`；MiniMax TTS 也接受通过 `MINIMAX_OAUTH_TOKEN`、`MINIMAX_CODE_PLAN_KEY` 或 `MINIMAX_CODING_API_KEY` 提供的 Token Plan 认证
+- `MINIMAX_API_KEY`；MiniMax TTS 也接受通过以下方式进行的 Token Plan 身份验证：
+  `MINIMAX_OAUTH_TOKEN`、`MINIMAX_CODE_PLAN_KEY` 或
+  `MINIMAX_CODING_API_KEY`
 - `OPENAI_API_KEY`
- `VOLCENGINE_TTS_API_KEY`（或 `BYTEPLUS_SEED_SPEECH_API_KEY`）；旧版 AppID/token 认证也接受 `VOLCENGINE_TTS_APPID` 和 `VOLCENGINE_TTS_TOKEN`
+- `VOLCENGINE_TTS_API_KEY`（或 `BYTEPLUS_SEED_SPEECH_API_KEY`）；
+  旧版 AppID/token 身份验证也接受 `VOLCENGINE_TTS_APPID` 和
+  `VOLCENGINE_TTS_TOKEN`
 - `VYDRA_API_KEY`
 - `XAI_API_KEY`
 - `XIAOMI_API_KEY`

-Local CLI 和 Microsoft 语音 **不** 需要 API key。
+Local CLI 和 Microsoft 语音**不**需要 API key。

-如果配置了多个提供商，会先使用所选提供商，其他提供商则作为回退选项。  
-自动摘要使用已配置的 `summaryModel`（或 `agents.defaults.model.primary`），因此如果你启用了摘要，对应提供商也必须完成认证。
+如果配置了多个提供商，将优先使用所选提供商，其他提供商作为回退选项。
+自动摘要使用已配置的 `summaryModel`（或 `agents.defaults.model.primary`），
+因此如果你启用了摘要，也必须为该提供商完成身份验证。

 ## 服务链接

@ -68,7 +76,7 @@ Local CLI 和 Microsoft 语音 **不** 需要 API key。
 - [Azure Speech REST 文本转语音](https://learn.microsoft.com/azure/ai-services/speech-service/rest-text-to-speech)
 - [Azure Speech provider](/zh-CN/providers/azure-speech)
 - [ElevenLabs 文本转语音](https://elevenlabs.io/docs/api-reference/text-to-speech)
- [ElevenLabs 认证](https://elevenlabs.io/docs/api-reference/authentication)
+- [ElevenLabs 身份验证](https://elevenlabs.io/docs/api-reference/authentication)
 - [Gradium](/zh-CN/providers/gradium)
 - [Inworld TTS API](https://docs.inworld.ai/tts/tts)
 - [MiniMax T2A v2 API](https://platform.minimaxi.com/document/T2A%20V2)
@ -80,14 +88,15 @@ Local CLI 和 Microsoft 语音 **不** 需要 API key。

 ## 默认启用吗？

-不是。自动 TTS 默认 **关闭**。请在配置中使用 `messages.tts.auto` 启用，或在本地使用 `/tts on` 启用。
+不会。自动 TTS 默认是**关闭**的。可在配置中使用
+`messages.tts.auto` 启用，或在本地使用 `/tts on` 启用。

 当未设置 `messages.tts.provider` 时，OpenClaw 会按注册表自动选择顺序挑选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 [Gateway 网关配置](/zh-CN/gateway/configuration)。
+TTS 配置位于 `openclaw.json` 的 `messages.tts` 下。
+完整 schema 请见 [Gateway 网关配置](/zh-CN/gateway/configuration)。

 ### 最小配置（启用 + 提供商）

@ -104,7 +113,8 @@ TTS 配置位于 `openclaw.json` 的 `messages.tts` 下。

 ### 按智能体覆盖语音设置

-当某个智能体需要使用不同的提供商、语音、模型、风格或自动 TTS 模式时，请使用 `agents.list[].tts`。智能体配置块会在 `messages.tts` 之上执行深度合并，因此提供商凭证可以保留在全局提供商配置中。
+当某个智能体需要使用不同的提供商、语音、模型、风格或自动 TTS 模式时，请使用 `agents.list[].tts`。
+智能体块会在 `messages.tts` 之上进行深度合并，因此提供商凭证可以保留在全局提供商配置中。

 ```json5
 {
@ -137,14 +147,15 @@ TTS 配置位于 `openclaw.json` 的 `messages.tts` 下。
 }
 ```

-自动回复、`/tts audio`、`/tts status` 以及 `tts` 智能体工具的优先级顺序为：
+自动回复、`/tts audio`、`/tts status` 以及智能体 `tts`
+工具的优先级如下：

 1. `messages.tts`
 2. 当前激活的 `agents.list[].tts`
-3. 当前主机的本地 `/tts` 偏好设置
+3. 此主机上的本地 `/tts` 偏好设置
 4. 启用模型覆盖时的内联 `[[tts:...]]` 指令

-### OpenAI 主提供商 + ElevenLabs 回退
+### OpenAI 作为主提供商，ElevenLabs 作为回退

 ```json5
 {
@ -185,7 +196,7 @@ TTS 配置位于 `openclaw.json` 的 `messages.tts` 下。
 }
 ```

-### Azure Speech 主提供商
+### Azure Speech 作为主提供商

 ```json5
 {
@ -195,8 +206,8 @@ TTS 配置位于 `openclaw.json` 的 `messages.tts` 下。
      provider: "azure-speech",
      providers: {
        "azure-speech": {
-          // apiKey falls back to AZURE_SPEECH_KEY.
-          // region falls back to AZURE_SPEECH_REGION.
+          // apiKey 默认回退到 AZURE_SPEECH_KEY。
+          // region 默认回退到 AZURE_SPEECH_REGION。
          voice: "en-US-JennyNeural",
          lang: "en-US",
          outputFormat: "audio-24khz-48kbitrate-mono-mp3",
@ -208,9 +219,13 @@ TTS 配置位于 `openclaw.json` 的 `messages.tts` 下。
 }
 ```

-Azure Speech 使用的是 Speech 资源 key，而不是 Azure OpenAI key。解析顺序为 `messages.tts.providers.azure-speech.apiKey` -> `AZURE_SPEECH_KEY` -> `AZURE_SPEECH_API_KEY` -> `SPEECH_KEY`，区域则是 `messages.tts.providers.azure-speech.region` -> `AZURE_SPEECH_REGION` -> `SPEECH_REGION`。新配置应使用 `azure-speech`；`azure` 可作为提供商别名接受。
+Azure Speech 使用的是 Speech 资源 key，而不是 Azure OpenAI key。解析顺序为 `messages.tts.providers.azure-speech.apiKey` ->
+`AZURE_SPEECH_KEY` -> `AZURE_SPEECH_API_KEY` -> `SPEECH_KEY`，区域则是
+`messages.tts.providers.azure-speech.region` -> `AZURE_SPEECH_REGION` ->
+`SPEECH_REGION`。新配置应使用 `azure-speech`；`azure`
+可作为提供商别名接受。

-### Microsoft 主提供商（无需 API key）
+### Microsoft 作为主提供商（无 API key）

 ```json5
 {
@ -233,7 +248,7 @@ Azure Speech 使用的是 Speech 资源 key，而不是 Azure OpenAI key。解
 }
 ```

-### MiniMax 主提供商
+### MiniMax 作为主提供商

 ```json5
 {
@ -257,9 +272,13 @@ Azure Speech 使用的是 Speech 资源 key，而不是 Azure OpenAI key。解
 }
 ```

-MiniMax TTS 的认证解析顺序为 `messages.tts.providers.minimax.apiKey`，然后是已存储的 `minimax-portal` OAuth/token 配置文件，再然后是 Token Plan 环境变量键（`MINIMAX_OAUTH_TOKEN`、`MINIMAX_CODE_PLAN_KEY`、`MINIMAX_CODING_API_KEY`），最后是 `MINIMAX_API_KEY`。如果没有显式设置 TTS `baseUrl`，OpenClaw 可以复用已配置的 `minimax-portal` OAuth 主机用于 Token Plan 语音。
+MiniMax TTS 的身份验证解析顺序为 `messages.tts.providers.minimax.apiKey`，然后是已存储的 `minimax-portal` OAuth/token 配置文件，再然后是 Token Plan 环境变量键
+（`MINIMAX_OAUTH_TOKEN`、`MINIMAX_CODE_PLAN_KEY`、
+`MINIMAX_CODING_API_KEY`），最后是 `MINIMAX_API_KEY`。当未显式设置 TTS
+`baseUrl` 时，OpenClaw 可以复用已配置的 `minimax-portal` OAuth
+主机用于 Token Plan 语音。

-### Google Gemini 主提供商
+### Google Gemini 作为主提供商

 ```json5
 {
@ -279,9 +298,11 @@ MiniMax TTS 的认证解析顺序为 `messages.tts.providers.minimax.apiKey`，
 }
 ```

-Google Gemini TTS 使用 Gemini API key 路径。限制为 Gemini API 的 Google Cloud Console API key 在这里可用，并且它与内置的 Google 图像生成提供商使用的是同一类 key。解析顺序为 `messages.tts.providers.google.apiKey` -> `models.providers.google.apiKey` -> `GEMINI_API_KEY` -> `GOOGLE_API_KEY`。
+Google Gemini TTS 使用 Gemini API key 路径。这里可以使用限制为 Gemini API 的 Google Cloud Console API key，它与内置 Google 图像生成提供商使用的是同类 key。解析顺序为
+`messages.tts.providers.google.apiKey` -> `models.providers.google.apiKey` ->
+`GEMINI_API_KEY` -> `GOOGLE_API_KEY`。

-### Inworld 主提供商
+### Inworld 作为主提供商

 ```json5
 {
@ -303,9 +324,11 @@ Google Gemini TTS 使用 Gemini API key 路径。限制为 Gemini API 的 Google
 }
 ```

-`apiKey` 的值必须是从 Inworld 控制台原样复制的 Base64 编码凭证字符串（Workspace > API Keys）。提供商会将其作为 `Authorization: Basic <apiKey>` 发送，不会做任何额外编码，因此不要传入原始 bearer token，也不要自行再次进行 Base64 编码。该 key 会回退到 `INWORLD_API_KEY` 环境变量。完整设置请参见 [Inworld provider](/zh-CN/providers/inworld)。
+`apiKey` 的值必须是从 Inworld 控制台逐字复制的 Base64 编码凭证字符串
+（Workspace > API Keys）。提供商会直接将其作为 `Authorization: Basic <apiKey>` 发送，不会做任何额外编码，因此不要传入原始 bearer token，也不要自行再次进行 Base64 编码。该 key 会默认回退到 `INWORLD_API_KEY` 环境变量。完整设置请参见
+[Inworld provider](/zh-CN/providers/inworld)。

-### Volcengine 主提供商
+### Volcengine 作为主提供商

 ```json5
 {
@ -326,9 +349,12 @@ Google Gemini TTS 使用 Gemini API key 路径。限制为 Gemini API 的 Google
 }
 ```

-Volcengine TTS 使用的是来自 Speech Console 的 BytePlus Seed Speech API key，而不是 Doubao 模型提供商所用的 OpenAI 兼容 `VOLCANO_ENGINE_API_KEY`。解析顺序为 `messages.tts.providers.volcengine.apiKey` -> `VOLCENGINE_TTS_API_KEY` -> `BYTEPLUS_SEED_SPEECH_API_KEY`。旧版 AppID/token 认证仍可通过 `messages.tts.providers.volcengine.appId` / `token` 或 `VOLCENGINE_TTS_APPID` / `VOLCENGINE_TTS_TOKEN` 使用。语音便笺目标会请求提供商原生的 `ogg_opus`；普通音频文件目标会请求 `mp3`。
+Volcengine TTS 使用的是来自 Speech Console 的 BytePlus Seed Speech API key，而不是 Doubao 模型提供商使用的 OpenAI 兼容 `VOLCANO_ENGINE_API_KEY`。解析顺序为 `messages.tts.providers.volcengine.apiKey` ->
+`VOLCENGINE_TTS_API_KEY` -> `BYTEPLUS_SEED_SPEECH_API_KEY`。旧版 AppID/token
+身份验证仍然可通过 `messages.tts.providers.volcengine.appId` / `token` 或
+`VOLCENGINE_TTS_APPID` / `VOLCENGINE_TTS_TOKEN` 使用。语音便笺目标会请求提供商原生的 `ogg_opus`；普通音频文件目标会请求 `mp3`。

-### xAI 主提供商
+### xAI 作为主提供商

 ```json5
 {
@ -350,9 +376,11 @@ Volcengine TTS 使用的是来自 Speech Console 的 BytePlus Seed Speech API ke
 }
 ```

-xAI TTS 与内置的 Grok 模型提供商共用同一条 `XAI_API_KEY` 路径。解析顺序为 `messages.tts.providers.xai.apiKey` -> `XAI_API_KEY`。当前可用的语音包括 `ara`、`eve`、`leo`、`rex`、`sal` 和 `una`；默认值为 `eve`。`language` 接受 BCP-47 标签或 `auto`。
+xAI TTS 与内置 Grok 模型提供商使用相同的 `XAI_API_KEY` 路径。
+解析顺序为 `messages.tts.providers.xai.apiKey` -> `XAI_API_KEY`。
+当前可用的在线语音有 `ara`、`eve`、`leo`、`rex`、`sal` 和 `una`；默认值为 `eve`。`language` 接受 BCP-47 标签或 `auto`。

-### Xiaomi MiMo 主提供商
+### Xiaomi MiMo 作为主提供商

 ```json5
 {
@ -375,9 +403,9 @@ xAI TTS 与内置的 Grok 模型提供商共用同一条 `XAI_API_KEY` 路径。
 }
 ```

-Xiaomi MiMo TTS 与内置的 Xiaomi 模型提供商共用同一条 `XIAOMI_API_KEY` 路径。语音提供商 id 是 `xiaomi`；`mimo` 也可作为别名使用。目标文本会作为 assistant 消息发送，以匹配 Xiaomi 的 TTS 契约。可选的 `style` 会作为用户指令发送，不会被朗读出来。
+Xiaomi MiMo TTS 与内置 Xiaomi 模型提供商使用相同的 `XIAOMI_API_KEY` 路径。语音提供商 id 是 `xiaomi`；`mimo` 也可作为别名使用。目标文本会作为 assistant 消息发送，以符合 Xiaomi 的 TTS 协议。可选的 `style` 会作为 user 指令发送，不会被朗读出来。

-### OpenRouter 主提供商
+### OpenRouter 作为主提供商

 ```json5
 {
@ -398,9 +426,11 @@ Xiaomi MiMo TTS 与内置的 Xiaomi 模型提供商共用同一条 `XIAOMI_API_K
 }
 ```

-OpenRouter TTS 与内置的 OpenRouter 模型提供商共用同一条 `OPENROUTER_API_KEY` 路径。解析顺序为 `messages.tts.providers.openrouter.apiKey` -> `models.providers.openrouter.apiKey` -> `OPENROUTER_API_KEY`。
+OpenRouter TTS 与内置 OpenRouter 模型提供商使用相同的 `OPENROUTER_API_KEY` 路径。解析顺序为
+`messages.tts.providers.openrouter.apiKey` ->
+`models.providers.openrouter.apiKey` -> `OPENROUTER_API_KEY`。

-### Local CLI 主提供商
+### Local CLI 作为主提供商

 ```json5
 {
@ -421,9 +451,10 @@ OpenRouter TTS 与内置的 OpenRouter 模型提供商共用同一条 `OPENROUTE
 }
 ```

-Local CLI TTS 会在 Gateway 网关主机上运行已配置的命令。`{{Text}}`、`{{OutputPath}}`、`{{OutputDir}}` 和 `{{OutputBase}}` 占位符会在 `args` 中展开；如果不存在 `{{Text}}` 占位符，OpenClaw 会将要朗读的文本写入 stdin。`outputFormat` 接受 `mp3`、`opus` 或 `wav`。语音便笺目标会被转码为 Ogg/Opus，电话输出会使用 `ffmpeg` 转码为原始的 16 kHz 单声道 PCM。旧版提供商别名 `cli` 仍然可用，但新配置应使用 `tts-local-cli`。
+Local CLI TTS 会在 Gateway 网关主机上运行已配置的命令。`{{Text}}`、
+`{{OutputPath}}`、`{{OutputDir}}` 和 `{{OutputBase}}` 占位符会在 `args` 中展开；如果不存在 `{{Text}}` 占位符，OpenClaw 会将要朗读的文本写入 stdin。`outputFormat` 接受 `mp3`、`opus` 或 `wav`。语音便笺目标会被转码为 Ogg/Opus，电话语音输出会使用 `ffmpeg` 转码为原始 16 kHz 单声道 PCM。旧版提供商别名 `cli` 仍然可用，但新配置应使用 `tts-local-cli`。

-### Gradium 主提供商
+### Gradium 作为主提供商

 ```json5
 {
@ -459,7 +490,7 @@ Local CLI TTS 会在 Gateway 网关主机上运行已配置的命令。`{{Text}}
 }
 ```

-### 自定义限制 + 偏好路径
+### 自定义限制 + 偏好设置路径

 ```json5
 {
@ -474,7 +505,7 @@ Local CLI TTS 会在 Gateway 网关主机上运行已配置的命令。`{{Text}}
 }
 ```

-### 仅在收到入站语音消息后用音频回复
+### 仅在收到语音消息后以音频形式回复

 ```json5
 {
@ -486,7 +517,7 @@ Local CLI TTS 会在 Gateway 网关主机上运行已配置的命令。`{{Text}}
 }
 ```

-### 为长回复禁用自动摘要
+### 为较长回复禁用自动摘要

 ```json5
 {
@ -508,8 +539,8 @@ Local CLI TTS 会在 Gateway 网关主机上运行已配置的命令。`{{Text}}

 - `auto`：自动 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:key=value]]` 指令或 `[[tts:text]]...[[/tts:text]]` 块时发送音频。
- `enabled`：旧版开关（`doctor` 会将其迁移到 `auto`）。
+  - `tagged` 仅当回复包含 `[[tts:key=value]]` 指令或 `[[tts:text]]...[[/tts:text]]` 块时发送音频。
+- `enabled`：旧版开关（`doctor` 会将其迁移为 `auto`）。
 - `mode`：`"final"`（默认）或 `"all"`（包含工具/分块回复）。
 - `provider`：语音提供商 id，例如 `"elevenlabs"`、`"google"`、`"gradium"`、`"inworld"`、`"microsoft"`、`"minimax"`、`"openai"`、`"volcengine"`、`"vydra"`、`"xai"` 或 `"xiaomi"`（回退会自动处理）。
 - 如果 `provider` **未设置**，OpenClaw 会按注册表自动选择顺序使用第一个已配置的语音提供商。
@ -518,20 +549,22 @@ Local CLI TTS 会在 Gateway 网关主机上运行已配置的命令。`{{Text}}
  - 接受 `provider/model` 或已配置的模型别名。
 - `modelOverrides`：允许模型输出 TTS 指令（默认开启）。
  - `allowProvider` 默认为 `false`（切换提供商需要显式启用）。
- `providers.<id>`：由提供商自行拥有的设置，以语音提供商 id 为键。
- 旧版直接提供商块（`messages.tts.openai`、`messages.tts.elevenlabs`、`messages.tts.microsoft`、`messages.tts.edge`）可由 `openclaw doctor --fix` 修复；提交到仓库的配置应使用 `messages.tts.providers.<id>`。
- 旧版 `messages.tts.providers.edge` 也可由 `openclaw doctor --fix` 修复；提交到仓库的配置应使用 `messages.tts.providers.microsoft`。
- `maxTextLength`：TTS 输入的硬上限（字符数）。超过时，`/tts audio` 会失败。
- `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` 值会回退到环境变量（`AZURE_SPEECH_KEY` / `AZURE_SPEECH_API_KEY` / `SPEECH_KEY`、`ELEVENLABS_API_KEY` / `XI_API_KEY`、`GEMINI_API_KEY` / `GOOGLE_API_KEY`、`GRADIUM_API_KEY`、`INWORLD_API_KEY`、`MINIMAX_API_KEY`、`OPENAI_API_KEY`、`VYDRA_API_KEY`、`XAI_API_KEY`、`XIAOMI_API_KEY`）。Volcengine 改用 `appId` / `token`。
+- `providers.<id>`：按语音提供商 id 键控的提供商自有设置。
+- 旧版直接提供商块（`messages.tts.openai`、`messages.tts.elevenlabs`、`messages.tts.microsoft`、`messages.tts.edge`）可由 `openclaw doctor --fix` 修复；已提交的配置应使用 `messages.tts.providers.<id>`。
+- 旧版 `messages.tts.providers.edge` 也可由 `openclaw doctor --fix` 修复；已提交的配置应使用 `messages.tts.providers.microsoft`。
+- `maxTextLength`：TTS 输入的硬性上限（字符数）。超过时，`/tts audio` 会失败。
+- `timeoutMs`：请求超时时间（毫秒）。
+- `prefsPath`：覆盖本地偏好设置 JSON 路径（提供商/限制/摘要）。
+- `apiKey` 值会回退到环境变量（`AZURE_SPEECH_KEY` / `AZURE_SPEECH_API_KEY` / `SPEECH_KEY`、`ELEVENLABS_API_KEY` / `XI_API_KEY`、`GEMINI_API_KEY` / `GOOGLE_API_KEY`、`GRADIUM_API_KEY`、`INWORLD_API_KEY`、`MINIMAX_API_KEY`、`OPENAI_API_KEY`、`VYDRA_API_KEY`、`XAI_API_KEY`、`XIAOMI_API_KEY`）。Volcengine 则使用 `appId` / `token`。
 - `providers.azure-speech.apiKey`：Azure Speech 资源 key（环境变量：`AZURE_SPEECH_KEY`、`AZURE_SPEECH_API_KEY` 或 `SPEECH_KEY`）。
 - `providers.azure-speech.region`：Azure Speech 区域，例如 `eastus`（环境变量：`AZURE_SPEECH_REGION` 或 `SPEECH_REGION`）。
- `providers.azure-speech.endpoint` / `providers.azure-speech.baseUrl`：可选的 Azure Speech endpoint/base URL 覆盖。
- `providers.azure-speech.voice`：Azure 语音 ShortName（默认 `en-US-JennyNeural`）。
+- `providers.azure-speech.endpoint` / `providers.azure-speech.baseUrl`：可选的 Azure Speech endpoint / base URL 覆盖值。
+- `providers.azure-speech.voice`：Azure 语音 ShortName（默认
+  `en-US-JennyNeural`）。
 - `providers.azure-speech.lang`：SSML 语言代码（默认 `en-US`）。
- `providers.azure-speech.outputFormat`：标准音频输出的 Azure `X-Microsoft-OutputFormat`（默认 `audio-24khz-48kbitrate-mono-mp3`）。
- `providers.azure-speech.voiceNoteOutputFormat`：语音便笺输出的 Azure `X-Microsoft-OutputFormat`（默认 `ogg-24khz-16bit-mono-opus`）。
+- `providers.azure-speech.outputFormat`：用于标准音频输出的 Azure `X-Microsoft-OutputFormat`（默认 `audio-24khz-48kbitrate-mono-mp3`）。
+- `providers.azure-speech.voiceNoteOutputFormat`：用于语音便笺输出的 Azure `X-Microsoft-OutputFormat`（默认
+  `ogg-24khz-16bit-mono-opus`）。
 - `providers.elevenlabs.baseUrl`：覆盖 ElevenLabs API base URL。
 - `providers.openai.baseUrl`：覆盖 OpenAI TTS endpoint。
  - 解析顺序：`messages.tts.providers.openai.baseUrl` -> `OPENAI_TTS_BASE_URL` -> `https://api.openai.com/v1`
@ -541,20 +574,20 @@ Local CLI TTS 会在 Gateway 网关主机上运行已配置的命令。`{{Text}}
  - `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 代码（例如 `en`、`de`）
+- `providers.elevenlabs.languageCode`：2 位 ISO 639-1 代码（例如 `en`、`de`）
 - `providers.elevenlabs.seed`：整数 `0..4294967295`（尽力保证确定性）
 - `providers.minimax.baseUrl`：覆盖 MiniMax API base URL（默认 `https://api.minimax.io`，环境变量：`MINIMAX_API_HOST`）。
 - `providers.minimax.model`：TTS 模型（默认 `speech-2.8-hd`，环境变量：`MINIMAX_TTS_MODEL`）。
 - `providers.minimax.voiceId`：语音标识符（默认 `English_expressive_narrator`，环境变量：`MINIMAX_TTS_VOICE_ID`）。
 - `providers.minimax.speed`：播放速度 `0.5..2.0`（默认 1.0）。
 - `providers.minimax.vol`：音量 `(0, 10]`（默认 1.0；必须大于 0）。
- `providers.minimax.pitch`：整数音高偏移 `-12..12`（默认 0）。在调用 MiniMax T2A 之前，小数值会被截断，因为 API 拒绝非整数的音高值。
+- `providers.minimax.pitch`：整数音高偏移 `-12..12`（默认 0）。在调用 MiniMax T2A 之前，小数值会被截断，因为该 API 拒绝非整数音高值。
 - `providers.tts-local-cli.command`：用于 CLI TTS 的本地可执行文件或命令字符串。
 - `providers.tts-local-cli.args`：命令参数；支持 `{{Text}}`、`{{OutputPath}}`、`{{OutputDir}}` 和 `{{OutputBase}}` 占位符。
 - `providers.tts-local-cli.outputFormat`：预期的 CLI 输出格式（`mp3`、`opus` 或 `wav`；音频附件默认值为 `mp3`）。
 - `providers.tts-local-cli.timeoutMs`：命令超时时间（毫秒，默认 `120000`）。
 - `providers.tts-local-cli.cwd`：可选的命令工作目录。
- `providers.tts-local-cli.env`：命令的可选字符串环境变量覆盖。
+- `providers.tts-local-cli.env`：可选的命令字符串环境变量覆盖值。
 - `providers.inworld.baseUrl`：覆盖 Inworld API base URL（默认 `https://api.inworld.ai`）。
 - `providers.inworld.voiceId`：Inworld 语音标识符（默认 `Sarah`）。
 - `providers.inworld.modelId`：Inworld TTS 模型（默认 `inworld-tts-1.5-max`；也支持 `inworld-tts-1.5-mini`、`inworld-tts-1-max`、`inworld-tts-1`）。
@ -564,22 +597,26 @@ Local CLI TTS 会在 Gateway 网关主机上运行已配置的命令。`{{Text}}
 - `providers.google.audioProfile`：在朗读文本前添加的自然语言风格提示。
 - `providers.google.speakerName`：当你的 TTS 提示使用命名说话人时，在朗读文本前添加的可选说话人标签。
 - `providers.google.baseUrl`：覆盖 Gemini API base URL。仅接受 `https://generativelanguage.googleapis.com`。
-  - 如果省略 `messages.tts.providers.google.apiKey`，TTS 可以先复用 `models.providers.google.apiKey`，再回退到环境变量。
+  - 如果省略 `messages.tts.providers.google.apiKey`，TTS 可以在回退到环境变量之前复用 `models.providers.google.apiKey`。
 - `providers.gradium.baseUrl`：覆盖 Gradium API base URL（默认 `https://api.gradium.ai`）。
 - `providers.gradium.voiceId`：Gradium 语音标识符（默认 Emma，`YTpq7expH9539ERJ`）。
- `providers.volcengine.apiKey`：BytePlus Seed Speech API key（环境变量：`VOLCENGINE_TTS_API_KEY` 或 `BYTEPLUS_SEED_SPEECH_API_KEY`）。
- `providers.volcengine.resourceId`：BytePlus Seed Speech 资源 id（默认 `seed-tts-1.0`，环境变量：`VOLCENGINE_TTS_RESOURCE_ID`；如果你的 BytePlus 项目具备 TTS 2.0 权限，请使用 `seed-tts-2.0`）。
- `providers.volcengine.appKey`：BytePlus Seed Speech app key 请求头（默认 `aGjiRDfUWi`，环境变量：`VOLCENGINE_TTS_APP_KEY`）。
- `providers.volcengine.baseUrl`：覆盖 Seed Speech TTS HTTP endpoint（环境变量：`VOLCENGINE_TTS_BASE_URL`）。
+- `providers.volcengine.apiKey`：BytePlus Seed Speech API key（环境变量：
+  `VOLCENGINE_TTS_API_KEY` 或 `BYTEPLUS_SEED_SPEECH_API_KEY`）。
+- `providers.volcengine.resourceId`：BytePlus Seed Speech resource id（默认
+  `seed-tts-1.0`，环境变量：`VOLCENGINE_TTS_RESOURCE_ID`；当你的 BytePlus 项目具备 TTS 2.0 权限时，请使用 `seed-tts-2.0`）。
+- `providers.volcengine.appKey`：BytePlus Seed Speech app key header（默认
+  `aGjiRDfUWi`，环境变量：`VOLCENGINE_TTS_APP_KEY`）。
+- `providers.volcengine.baseUrl`：覆盖 Seed Speech TTS HTTP endpoint
+  （环境变量：`VOLCENGINE_TTS_BASE_URL`）。
 - `providers.volcengine.appId`：旧版 Volcengine Speech Console 应用 id（环境变量：`VOLCENGINE_TTS_APPID`）。
- `providers.volcengine.token`：旧版 Volcengine Speech Console 访问令牌（环境变量：`VOLCENGINE_TTS_TOKEN`）。
+- `providers.volcengine.token`：旧版 Volcengine Speech Console access token（环境变量：`VOLCENGINE_TTS_TOKEN`）。
 - `providers.volcengine.cluster`：旧版 Volcengine TTS 集群（默认 `volcano_tts`，环境变量：`VOLCENGINE_TTS_CLUSTER`）。
 - `providers.volcengine.voice`：语音类型（默认 `en_female_anna_mars_bigtts`，环境变量：`VOLCENGINE_TTS_VOICE`）。
 - `providers.volcengine.speedRatio`：提供商原生速度比例。
- `providers.volcengine.emotion`：提供商原生情感标签。
+- `providers.volcengine.emotion`：提供商原生情绪标签。
 - `providers.xai.apiKey`：xAI TTS API key（环境变量：`XAI_API_KEY`）。
 - `providers.xai.baseUrl`：覆盖 xAI TTS base URL（默认 `https://api.x.ai/v1`，环境变量：`XAI_BASE_URL`）。
- `providers.xai.voiceId`：xAI 语音 id（默认 `eve`；当前在线语音：`ara`、`eve`、`leo`、`rex`、`sal`、`una`）。
+- `providers.xai.voiceId`：xAI 语音 id（默认 `eve`；当前在线语音有：`ara`、`eve`、`leo`、`rex`、`sal`、`una`）。
 - `providers.xai.language`：BCP-47 语言代码或 `auto`（默认 `en`）。
 - `providers.xai.responseFormat`：`mp3`、`wav`、`pcm`、`mulaw` 或 `alaw`（默认 `mp3`）。
 - `providers.xai.speed`：提供商原生速度覆盖值。
@ -588,11 +625,11 @@ Local CLI TTS 会在 Gateway 网关主机上运行已配置的命令。`{{Text}}
 - `providers.xiaomi.model`：TTS 模型（默认 `mimo-v2.5-tts`，环境变量：`XIAOMI_TTS_MODEL`；也支持 `mimo-v2-tts`）。
 - `providers.xiaomi.voice`：MiMo 语音 id（默认 `mimo_default`，环境变量：`XIAOMI_TTS_VOICE`）。
 - `providers.xiaomi.format`：`mp3` 或 `wav`（默认 `mp3`，环境变量：`XIAOMI_TTS_FORMAT`）。
- `providers.xiaomi.style`：可选的自然语言风格指令，会作为 user 消息发送；不会被朗读。
- `providers.openrouter.apiKey`：OpenRouter API key（环境变量：`OPENROUTER_API_KEY`；也可复用 `models.providers.openrouter.apiKey`）。
- `providers.openrouter.baseUrl`：覆盖 OpenRouter TTS base URL（默认 `https://openrouter.ai/api/v1`；旧版 `https://openrouter.ai/v1` 会被标准化）。
+- `providers.xiaomi.style`：可选的自然语言风格指令，作为 user 消息发送；不会被朗读。
+- `providers.openrouter.apiKey`：OpenRouter API key（环境变量：`OPENROUTER_API_KEY`；可复用 `models.providers.openrouter.apiKey`）。
+- `providers.openrouter.baseUrl`：覆盖 OpenRouter TTS base URL（默认 `https://openrouter.ai/api/v1`；旧版 `https://openrouter.ai/v1` 会被规范化）。
 - `providers.openrouter.model`：OpenRouter TTS 模型 id（默认 `hexgrad/kokoro-82m`；也接受 `modelId`）。
- `providers.openrouter.voice`：提供商专用语音 id（默认 `af_alloy`；也接受 `voiceId`）。
+- `providers.openrouter.voice`：提供商特定语音 id（默认 `af_alloy`；也接受 `voiceId`）。
 - `providers.openrouter.responseFormat`：`mp3` 或 `pcm`（默认 `mp3`）。
 - `providers.openrouter.speed`：提供商原生速度覆盖值。
 - `providers.microsoft.enabled`：允许使用 Microsoft 语音（默认 `true`；无需 API key）。
@ -601,24 +638,24 @@ Local CLI TTS 会在 Gateway 网关主机上运行已配置的命令。`{{Text}}
 - `providers.microsoft.outputFormat`：Microsoft 输出格式（例如 `audio-24khz-48kbitrate-mono-mp3`）。
  - 有效值请参见 Microsoft Speech 输出格式；并非所有格式都受内置的 Edge 后端传输支持。
 - `providers.microsoft.rate` / `providers.microsoft.pitch` / `providers.microsoft.volume`：百分比字符串（例如 `+10%`、`-5%`）。
- `providers.microsoft.saveSubtitles`：在音频文件旁边写入 JSON 字幕。
+- `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`：请求超时覆盖值（毫秒）。
- `edge.*`：同一组 Microsoft 设置的旧版别名。运行 `openclaw doctor --fix` 可将持久化配置重写为 `providers.microsoft`。
+- `edge.*`：同一组 Microsoft 设置的旧版别名。运行
+  `openclaw doctor --fix` 可将持久化配置重写为 `providers.microsoft`。

 ## 模型驱动的覆盖（默认开启）

-默认情况下，模型**可以**为单条回复输出 TTS 指令。  
-当 `messages.tts.auto` 为 `tagged` 时，这些指令是触发音频所必需的。
+默认情况下，模型**可以**为单条回复输出 TTS 指令。
+当 `messages.tts.auto` 为 `tagged` 时，必须存在这些指令才会触发音频。

-启用后，模型可以输出 `[[tts:...]]` 指令来为单条回复覆盖语音设置，还可以选择使用 `[[tts:text]]...[[/tts:text]]` 块提供仅应出现在音频中的表现性标签（笑声、歌唱提示等）。
+启用后，模型可以输出 `[[tts:...]]` 指令，为单条回复覆盖语音设置；还可以附带一个可选的 `[[tts:text]]...[[/tts:text]]` 块，用于提供仅应出现在音频中的表现性标签（笑声、唱歌提示等）。

-分块流式传输会在渠道看到文本之前，从可见文本中移除这些指令，即使某条指令被拆分到相邻的多个块中也是如此。最终模式仍会解析累积后的原始回复，以进行 TTS 合成。
+分块流式传输会在渠道看到文本之前，从可见文本中剥离这些指令，即使某个指令被拆分到相邻的多个块中也是如此。最终模式仍会解析累计的原始回复以进行 TTS 合成。

-除非设置 `modelOverrides.allowProvider: true`，否则会忽略 `provider=...` 指令。  
-当回复声明 `provider=...` 时，该指令中的其他键只会由该提供商解析。不受支持的键会从可见文本中移除，并作为 TTS 指令警告报告，而不会被路由到其他提供商。
+除非设置 `modelOverrides.allowProvider: true`，否则 `provider=...` 指令会被忽略。当回复声明 `provider=...` 时，该指令中的其他键只会由该提供商解析。不受支持的键会从可见文本中剥离，并作为 TTS 指令警告报告，而不会被路由到其他提供商。

-回复负载示例：
+回复载荷示例：

 ```
 Here you go.
@ -634,8 +671,8 @@ Here you go.
 - `model`（OpenAI TTS 模型、ElevenLabs 模型 id、MiniMax 模型或 Xiaomi MiMo TTS 模型）或 `google_model`（Google TTS 模型）
 - `stability`、`similarityBoost`、`style`、`speed`、`useSpeakerBoost`
 - `vol` / `volume`（MiniMax 音量，0-10）
- `pitch`（MiniMax 整数音高，-12 到 12；在发起 MiniMax 请求前，小数值会被截断）
- `emotion`（Volcengine 情感标签）
+- `pitch`（MiniMax 整数音高，-12 到 12；在发送 MiniMax 请求前，小数值会被截断）
+- `emotion`（Volcengine 情绪标签）
 - `applyTextNormalization`（`auto|on|off`）
 - `languageCode`（ISO 639-1）
 - `seed`
@ -670,38 +707,43 @@ Here you go.
 }
 ```

-## 按用户的偏好设置
+## 按用户偏好

-斜杠命令会将本地覆盖写入 `prefsPath`（默认：`~/.openclaw/settings/tts.json`，可用 `OPENCLAW_TTS_PREFS` 或 `messages.tts.prefsPath` 覆盖）。
+斜杠命令会将本地覆盖值写入 `prefsPath`（默认：
+`~/.openclaw/settings/tts.json`，可通过 `OPENCLAW_TTS_PREFS` 或
+`messages.tts.prefsPath` 覆盖）。

-存储字段：
+存储的字段：

 - `enabled`
 - `provider`
 - `maxLength`（摘要阈值；默认 1500 个字符）
 - `summarize`（默认 `true`）

-这些字段会覆盖该主机上 `messages.tts` 加上当前激活的 `agents.list[].tts` 配置块形成的最终配置。
+这些设置会覆盖该主机上来自 `messages.tts` 加上当前激活的
+`agents.list[].tts` 块的生效配置。

 ## 输出格式（固定）

- **Feishu / Matrix / Telegram / WhatsApp**：语音便笺回复优先使用 Opus（ElevenLabs 使用 `opus_48000_64`，OpenAI 使用 `opus`）。
-  - 48 kHz / 64 kbps 是语音消息中较好的折中方案。
- **Feishu / WhatsApp**：当语音便笺回复被生成为 MP3/WebM/WAV/M4A 或其他可能的音频文件时，渠道插件会在发送原生语音消息前，使用 `ffmpeg` 将其转码为 48 kHz 的 Ogg/Opus。WhatsApp 通过 Baileys 的 `audio` 负载，配合 `ptt: true` 和 `audio/ogg; codecs=opus` 发送结果。如果转换失败，Feishu 会收到原始文件作为附件；WhatsApp 发送会失败，而不是发布不兼容的 PTT 负载。
- **其他渠道**：MP3（ElevenLabs 使用 `mp3_44100_128`，OpenAI 使用 `mp3`）。
+- **Feishu / Matrix / Telegram / WhatsApp**：语音便笺回复优先使用 Opus（ElevenLabs 的 `opus_48000_64`，OpenAI 的 `opus`）。
+  - 48 kHz / 64 kbps 是语音消息的较优折中。
+- **Feishu / WhatsApp**：当语音便笺回复生成为 MP3/WebM/WAV/M4A
+  或其他常见音频文件时，渠道插件会在发送原生语音消息前，使用 `ffmpeg` 将其转码为 48 kHz Ogg/Opus。WhatsApp 会通过带有 `ptt: true` 和
+  `audio/ogg; codecs=opus` 的 Baileys `audio` 载荷发送结果。如果转换失败，Feishu 会接收原始文件作为附件；WhatsApp 发送会失败，而不会发布不兼容的 PTT 载荷。
+- **其他渠道**：MP3（ElevenLabs 的 `mp3_44100_128`，OpenAI 的 `mp3`）。
  - 44.1 kHz / 128 kbps 是语音清晰度的默认平衡点。
- **MiniMax**：普通音频附件使用 MP3（`speech-2.8-hd` 模型，32 kHz 采样率）。对于 Feishu、Telegram 和 WhatsApp 等语音便笺目标，OpenClaw 会在投递前使用 `ffmpeg` 将 MiniMax MP3 转码为 48 kHz Opus。
- **Xiaomi MiMo**：默认使用 MP3，配置时也可使用 WAV。对于 Feishu、Telegram 和 WhatsApp 等语音便笺目标，OpenClaw 会在投递前使用 `ffmpeg` 将 Xiaomi 输出转码为 48 kHz Opus。
- **Local CLI**：使用配置的 `outputFormat`。语音便笺目标会被转换为 Ogg/Opus，电话输出会使用 `ffmpeg` 转换为原始 16 kHz 单声道 PCM。
- **Google Gemini**：Gemini API TTS 返回原始 24 kHz PCM。OpenClaw 会将其封装为 WAV 用于音频附件，为语音便笺目标转码为 48 kHz Opus，并直接为 Talk/电话返回 PCM。
- **Gradium**：音频附件使用 WAV，语音便笺目标使用 Opus，电话使用 8 kHz 的 `ulaw_8000`。
- **Inworld**：普通音频附件使用 MP3，语音便笺目标使用原生 `OGG_OPUS`，Talk/电话使用 22050 Hz 的原始 `PCM`。
- **xAI**：默认使用 MP3；`responseFormat` 可以是 `mp3`、`wav`、`pcm`、`mulaw` 或 `alaw`。OpenClaw 使用 xAI 的批量 REST TTS endpoint，并返回完整音频附件；该提供商路径不使用 xAI 的流式 TTS WebSocket。此路径不支持原生 Opus 语音便笺格式。
+- **MiniMax**：普通音频附件使用 MP3（`speech-2.8-hd` 模型，32 kHz 采样率）。对于 Feishu、Telegram 和 WhatsApp 等语音便笺目标，OpenClaw 会在交付前使用 `ffmpeg` 将 MiniMax 的 MP3 转码为 48 kHz Opus。
+- **Xiaomi MiMo**：默认使用 MP3，配置后也可使用 WAV。对于 Feishu、Telegram 和 WhatsApp 等语音便笺目标，OpenClaw 会在交付前使用 `ffmpeg` 将 Xiaomi 输出转码为 48 kHz Opus。
+- **Local CLI**：使用已配置的 `outputFormat`。语音便笺目标会被转换为 Ogg/Opus，电话语音输出会使用 `ffmpeg` 转换为原始 16 kHz 单声道 PCM。
+- **Google Gemini**：Gemini API TTS 返回原始 24 kHz PCM。OpenClaw 会将其封装为 WAV 用于音频附件，转码为 48 kHz Opus 用于语音便笺目标，并直接返回 PCM 用于 Talk/电话语音。
+- **Gradium**：音频附件使用 WAV，语音便笺目标使用 Opus，电话语音使用 8 kHz 的 `ulaw_8000`。
+- **Inworld**：普通音频附件使用 MP3，语音便笺目标使用原生 `OGG_OPUS`，Talk/电话语音使用 22050 Hz 的原始 `PCM`。
+- **xAI**：默认使用 MP3；`responseFormat` 可为 `mp3`、`wav`、`pcm`、`mulaw` 或 `alaw`。OpenClaw 使用 xAI 的批量 REST TTS endpoint，并返回完整音频附件；此提供商路径不使用 xAI 的流式 TTS WebSocket。此路径不支持原生 Opus 语音便笺格式。
 - **Microsoft**：使用 `microsoft.outputFormat`（默认 `audio-24khz-48kbitrate-mono-mp3`）。
-  - 内置传输接受 `outputFormat`，但并非所有格式都能从该服务获得。
+  - 内置传输支持 `outputFormat`，但并非所有格式都可从该服务获得。
  - 输出格式值遵循 Microsoft Speech 输出格式（包括 Ogg/WebM Opus）。
  - Telegram `sendVoice` 接受 OGG/MP3/M4A；如果你需要有保障的 Opus 语音消息，请使用 OpenAI/ElevenLabs。
-  - 如果配置的 Microsoft 输出格式失败，OpenClaw 会回退并重试为 MP3。
+  - 如果配置的 Microsoft 输出格式失败，OpenClaw 会使用 MP3 重试。

 OpenAI/ElevenLabs 的输出格式按渠道固定（见上文）。

@ -710,11 +752,12 @@ OpenAI/ElevenLabs 的输出格式按渠道固定（见上文）。
 启用后，OpenClaw 会：

 - 如果回复已包含媒体或 `MEDIA:` 指令，则跳过 TTS。
- 跳过过短的回复（少于 10 个字符）。
- 当启用时，使用 `agents.defaults.model.primary`（或 `summaryModel`）对长回复生成摘要。
+- 跳过非常短的回复（少于 10 个字符）。
+- 如果启用，则使用 `agents.defaults.model.primary`（或 `summaryModel`）对较长回复进行摘要。
 - 将生成的音频附加到回复中。
+- 在 `mode: "final"` 下，即使是流式最终回复，也会在文本流完成后发送纯音频 TTS；生成的媒体会经过与普通回复附件相同的渠道媒体规范化流程。

-如果回复超过 `maxLength` 且摘要功能关闭（或摘要模型没有 API key），则会跳过音频，仅发送普通文本回复。
+如果回复超过 `maxLength`，且摘要已关闭（或摘要模型没有 API key），则会跳过音频，发送普通文本回复。

 ## 流程图

@ -733,10 +776,10 @@ Reply -> TTS enabled?

 ## 斜杠命令用法

-只有一个命令：`/tts`。  
+只有一个命令：`/tts`。
 启用细节请参见 [斜杠命令](/zh-CN/tools/slash-commands)。

-Discord 说明：`/tts` 是 Discord 的内置命令，因此 OpenClaw 会在那里注册 `/voice` 作为原生命令。文本形式的 `/tts ...` 仍然可用。
+Discord 说明：`/tts` 是 Discord 内置命令，因此 OpenClaw 会在那里将原生命令注册为 `/voice`。文本形式的 `/tts ...` 仍然可用。

 ```
 /tts off
@ -754,28 +797,25 @@ Discord 说明：`/tts` 是 Discord 的内置命令，因此 OpenClaw 会在那

 说明：

- 命令需要已授权的发送者（仍然适用 allowlist/owner 规则）。
+- 命令需要经过授权的发送者（allowlist/owner 规则仍然适用）。
 - 必须启用 `commands.text` 或原生命令注册。
 - 配置 `messages.tts.auto` 接受 `off|always|inbound|tagged`。
 - `/tts on` 会将本地 TTS 偏好写为 `always`；`/tts off` 会写为 `off`。
- `/tts chat on|off|default` 会为当前聊天写入会话范围的自动 TTS 覆盖。
- 如果你想使用 `inbound` 或 `tagged` 作为默认值，请使用配置。
+- `/tts chat on|off|default` 会为当前聊天写入会话范围的自动 TTS 覆盖值。
+- 如果你希望默认使用 `inbound` 或 `tagged`，请使用配置。
 - `limit` 和 `summary` 存储在本地偏好中，而不是主配置中。
- `/tts audio` 会生成一次性音频回复（不会切换 TTS 开关为开启）。
- `/tts latest` 会从当前会话记录中读取最新的 assistant 回复，并将其作为音频发送一次。它只会在会话条目上存储该回复的哈希值，以抑制重复发送语音。
+- `/tts audio` 会生成一次性的音频回复（不会切换 TTS 为开启）。
+- `/tts latest` 会从当前会话记录中读取最近一条 assistant 回复，并将其以一次性音频形式发送。它只会在会话条目中存储该回复的哈希，以抑制重复发送语音。
 - `/tts status` 包含最近一次尝试的回退可见性：
-  - 成功回退：`Fallback: <primary> -> <used>` 加上 `Attempts: ...`
-  - 失败：`Error: ...` 加上 `Attempts: ...`
+  - 成功回退：`Fallback: <primary> -> <used>` 加 `Attempts: ...`
+  - 失败：`Error: ...` 加 `Attempts: ...`
  - 详细诊断：`Attempt details: provider:outcome(reasonCode) latency`
- 当启用 TTS 时，`/status` 会显示当前激活的 TTS 模式，以及已配置的提供商、模型、语音和已脱敏的自定义 endpoint 元数据。
- OpenAI 和 ElevenLabs API 失败现在会包含已解析的提供商错误细节和请求 id（当提供商返回时），并会在 TTS 错误/日志中显示。
+- `/status` 会在启用 TTS 时显示当前生效的 TTS 模式，以及已配置的提供商、模型、语音和已脱敏的自定义 endpoint 元数据。
+- OpenAI 和 ElevenLabs 的 API 失败现在会包含解析后的提供商错误详情和请求 id（当提供商返回时），这些信息会体现在 TTS 错误/日志中。

 ## 智能体工具

-`tts` 工具会将文本转换为语音，并返回用于回复投递的音频附件。当渠道是 Feishu、Matrix、Telegram 或 WhatsApp 时，音频会作为语音消息而不是文件附件投递。  
-在这一路径中，如果可用 `ffmpeg`，Feishu 和 WhatsApp 可以对非 Opus 的 TTS 输出进行转码。  
-WhatsApp 通过 Baileys 以 PTT 语音便笺形式发送音频（带有 `ptt: true` 的 `audio`），并将可见文本与 PTT 音频分开发送，因为客户端对语音便笺标题的显示并不总是一致。  
-它接受可选的 `channel` 和 `timeoutMs` 字段；`timeoutMs` 是按调用设置的提供商请求超时时间，单位为毫秒。
+`tts` 工具会将文本转换为语音，并返回一个用于回复交付的音频附件。当渠道是 Feishu、Matrix、Telegram 或 WhatsApp 时，音频会作为语音消息而不是文件附件发送。若 `ffmpeg` 可用，Feishu 和 WhatsApp 在此路径上可以对非 Opus 的 TTS 输出进行转码。WhatsApp 通过 Baileys 将音频作为 PTT 语音便笺发送（即带有 `ptt: true` 的 `audio`），并将可见文本与 PTT 音频分开发送，因为客户端对语音便笺字幕的渲染并不一致。它接受可选的 `channel` 和 `timeoutMs` 字段；`timeoutMs` 是按单次调用设置的提供商请求超时（毫秒）。

 ## Gateway 网关 RPC