chore(i18n): refresh zh-CN translations

2026-04-26 03:15:04 +00:00 · 2026-04-26 03:15:04 +00:00 · 7221d6d5c3
commit 7221d6d5c3
parent 6d545014c4
1 changed files with 146 additions and 179 deletions
--- a/docs/zh-CN/tools/tts.md
+++ b/docs/zh-CN/tools/tts.md
@ -3,19 +3,19 @@ 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: 用于对外回复的文本转语音（TTS）
+summary: 用于发出回复的文本转语音（TTS）
 title: 文本转语音
 x-i18n:
-    generated_at: "2026-04-26T03:02:24Z"
+    generated_at: "2026-04-26T03:13:10Z"
    model: gpt-5.4
    provider: openai
-    source_hash: 18c3792576941f0dab8fede280f837302510ff91df7772809b544d8f00baddbb
+    source_hash: c1c0d338e146f62398be2d0157b5c8bb641ebd9624b5f527556f0938d2e6ce29
    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 将对外回复转换为音频。
-只要 OpenClaw 能发送音频的地方，它都可以工作。
+OpenClaw 可以使用 Azure Speech、ElevenLabs、Google Gemini、Gradium、Inworld、Local CLI、Microsoft、MiniMax、OpenAI、Volcengine、Vydra、xAI 或 Xiaomi MiMo，将发出的回复转换为音频。
+它适用于 OpenClaw 能发送音频的任何地方。

 ## 支持的服务

@ -29,42 +29,37 @@ OpenClaw 可以使用 Azure Speech、ElevenLabs、Google Gemini、Gradium、Inwo
 - **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）
+- **Vydra**（主提供商或回退提供商；共享的图像、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）

 ### 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 密钥。
-`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，并会标准化为 `microsoft`。
+当前内置的 Microsoft 语音提供商通过 `node-edge-tts` 库使用 Microsoft Edge 的在线神经网络 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` 提供了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有效，并会被规范化为 `microsoft`。

-由于这一路径是公共 Web 服务，且没有公开的 SLA 或配额，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。
+由于这一路径属于公共 Web 服务，且没有公开发布的 SLA 或配额，请将其视为“尽力而为”的服务。如果你需要有保障的限额和支持，请使用 OpenAI 或 ElevenLabs。

-## 可选密钥
+## 可选键

-如果你要使用 Azure Speech、ElevenLabs、Google Gemini、Gradium、Inworld、MiniMax、OpenAI、Volcengine、Vydra、xAI 或 Xiaomi MiMo：
+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` 加上 `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 Token Plan 认证，通过
-  `MINIMAX_OAUTH_TOKEN`、`MINIMAX_CODE_PLAN_KEY` 或
-  `MINIMAX_CODING_API_KEY`
+- `MINIMAX_API_KEY`；MiniMax TTS 还接受通过 `MINIMAX_OAUTH_TOKEN`、`MINIMAX_CODE_PLAN_KEY` 或 `MINIMAX_CODING_API_KEY` 提供的 Token Plan 身份验证
 - `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 密钥。
+Local CLI 和 Microsoft 语音**不**需要 API key。

-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认证。
+如果配置了多个提供商，则会先使用选定的提供商，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，对应提供商也必须完成身份验证。

 ## 服务链接

@ -85,15 +80,14 @@ Local CLI 和 Microsoft 语音**不**需要 API 密钥。

 ## 默认启用吗？

-不是。自动 TTS 默认**关闭**。可在配置中通过
-`messages.tts.auto` 启用，或在本地通过 `/tts on` 启用。
+不是。自动 TTS 默认**关闭**。可通过配置中的 `messages.tts.auto` 或本地的 `/tts on` 启用。

-当未设置 `messages.tts.provider` 时，OpenClaw 会按注册表自动选择顺序选取第一个已配置的语音提供商。
+当未设置 `messages.tts.provider` 时，OpenClaw 会按照注册表自动选择顺序，选取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 请参阅 [Gateway 网关配置](/zh-CN/gateway/configuration)。
+完整 schema 见 [Gateway 网关配置](/zh-CN/gateway/configuration)。

 ### 最小配置（启用 + 提供商）

@ -108,9 +102,9 @@ TTS 配置位于 `openclaw.json` 的 `messages.tts` 下。
 }
 ```

-### 每个智能体的语音覆盖
+### 按智能体覆盖语音配置

-当某个智能体需要使用不同的提供商、voice、model、style 或自动 TTS 模式时，请使用 `agents.list[].tts`。该智能体块会在 `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`。该智能体配置块会在 `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。

 ```json5
 {
@ -143,15 +137,14 @@ TTS 配置位于 `openclaw.json` 的 `messages.tts` 下。
 }
 ```

-自动回复、`/tts audio`、`/tts status` 和 `tts`
-智能体工具的优先级为：
+自动回复、`/tts audio`、`/tts status` 和 `tts` 智能体工具的优先级如下：

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

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

 ```json5
 {
@ -202,8 +195,8 @@ TTS 配置位于 `openclaw.json` 的 `messages.tts` 下。
      provider: "azure-speech",
      providers: {
        "azure-speech": {
-          // apiKey 默认回退到 AZURE_SPEECH_KEY。
-          // region 默认回退到 AZURE_SPEECH_REGION。
+          // apiKey falls back to AZURE_SPEECH_KEY.
+          // region falls back to AZURE_SPEECH_REGION.
          voice: "en-US-JennyNeural",
          lang: "en-US",
          outputFormat: "audio-24khz-48kbitrate-mono-mp3",
@ -215,13 +208,9 @@ TTS 配置位于 `openclaw.json` 的 `messages.tts` 下。
 }
 ```

-Azure Speech 使用 Speech 资源密钥，而不是 Azure OpenAI 密钥。解析顺序为 `messages.tts.providers.azure-speech.apiKey` ->
-`AZURE_SPEECH_KEY` -> `AZURE_SPEECH_API_KEY` -> `SPEECH_KEY`，区域则为
-`messages.tts.providers.azure-speech.region` -> `AZURE_SPEECH_REGION` ->
-`SPEECH_REGION`。新配置应使用 `azure-speech`；`azure`
-可作为提供商别名使用。
+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`，地区则为 `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。

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

 ```json5
 {
@ -268,11 +257,7 @@ Azure Speech 使用 Speech 资源密钥，而不是 Azure OpenAI 密钥。解析
 }
 ```

-MiniMax TTS 的认证解析顺序是 `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 环境变量密钥
-（`MINIMAX_OAUTH_TOKEN`、`MINIMAX_CODE_PLAN_KEY`、
-`MINIMAX_CODING_API_KEY`），最后才是 `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。
+MiniMax TTS 的身份验证解析顺序是 `messages.tts.providers.minimax.apiKey`，然后是已存储的 `minimax-portal` OAuth/token 配置文件，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 的 `baseUrl` 时，OpenClaw 可以复用已配置的 `minimax-portal` OAuth 主机用于 Token Plan 语音。

 ### Google Gemini 作为主提供商

@ -294,9 +279,7 @@ MiniMax TTS 的认证解析顺序是 `messages.tts.providers.minimax.apiKey`，
 }
 ```

-Google Gemini TTS 使用 Gemini API 密钥路径。这里可以使用限制为 Gemini API 的 Google Cloud Console API 密钥，这也是内置 Google 图像生成提供商所使用的同类密钥。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。限制为 Gemini API 的 Google Cloud Console API key 在这里也有效，并且它与内置 Google 图像生成提供商使用的是同一种 key。解析顺序为 `messages.tts.providers.google.apiKey` -> `models.providers.google.apiKey` -> `GEMINI_API_KEY` -> `GOOGLE_API_KEY`。

 ### Inworld 作为主提供商

@ -320,8 +303,7 @@ Google Gemini TTS 使用 Gemini API 密钥路径。这里可以使用限制为 G
 }
 ```

-`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）。该提供商会直接将其作为 `Authorization: Basic <apiKey>` 发送，不会再做任何额外编码，因此不要传入原始 bearer token，也不要自行再次进行 Base64 编码。该密钥默认回退到 `INWORLD_API_KEY` 环境变量。完整设置请参阅
-[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，而不会进行任何额外编码，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。完整设置见 [Inworld provider](/zh-CN/providers/inworld)。

 ### Volcengine 作为主提供商

@ -344,10 +326,7 @@ Google Gemini TTS 使用 Gemini API 密钥路径。这里可以使用限制为 G
 }
 ```

-Volcengine TTS 使用来自 Speech Console 的 BytePlus Seed Speech API 密钥，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
-认证仍然可通过 `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`。
+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 作为主提供商

@ -371,7 +350,7 @@ Volcengine TTS 使用来自 Speech Console 的 BytePlus Seed Speech API 密钥
 }
 ```

-xAI TTS 与内置的 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 live voices 为 `ara`、`eve`、`leo`、`rex`、`sal` 和 `una`；默认值为 `eve`。`language` 接受 BCP-47 标签或 `auto`。
+xAI TTS 与内置的 Grok 模型提供商共用同一个 `XAI_API_KEY` 路径。解析顺序为 `messages.tts.providers.xai.apiKey` -> `XAI_API_KEY`。当前可用的实时语音有 `ara`、`eve`、`leo`、`rex`、`sal` 和 `una`；默认值为 `eve`。`language` 接受 BCP-47 标签或 `auto`。

 ### Xiaomi MiMo 作为主提供商

@ -396,7 +375,7 @@ xAI TTS 与内置的 Grok 模型提供商使用相同的 `XAI_API_KEY` 路径。
 }
 ```

-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 为 `xiaomi`；`mimo` 也可作为别名使用。目标文本会作为 assistant message 发送，这与 Xiaomi 的 TTS 协议保持一致。可选的 `style` 会作为 user instruction 发送，不会被朗读出来。
+Xiaomi MiMo TTS 与内置 Xiaomi 模型提供商共用同一个 `XIAOMI_API_KEY` 路径。语音提供商 id 是 `xiaomi`；`mimo` 也可作为别名。目标文本会作为 assistant 消息发送，以匹配 Xiaomi 的 TTS 协议。可选的 `style` 会作为用户指令发送，不会被朗读出来。

 ### OpenRouter 作为主提供商

@ -419,9 +398,7 @@ Xiaomi MiMo TTS 与内置 Xiaomi 模型提供商使用相同的 `XIAOMI_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`。
+OpenRouter TTS 与内置的 OpenRouter 模型提供商共用同一个 `OPENROUTER_API_KEY` 路径。解析顺序为 `messages.tts.providers.openrouter.apiKey` -> `models.providers.openrouter.apiKey` -> `OPENROUTER_API_KEY`。

 ### Local CLI 作为主提供商

@ -444,9 +421,7 @@ OpenRouter TTS 与内置 OpenRouter 模型提供商使用相同的 `OPENROUTER_A
 }
 ```

-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`。
-语音便笺目标会转码为 Ogg/Opus，电话输出会通过 `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`。
+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 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 作为主提供商

@ -499,7 +474,7 @@ 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用音频回复

 ```json5
 {
@ -532,141 +507,133 @@ Local CLI TTS 会在 Gateway 网关主机上运行已配置的命令。`{{Text}}
 ### 字段说明

 - `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。
+  - `inbound` 仅在收到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`）。
- `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。
- 旧版 `provider: "edge"` 配置可通过 `openclaw doctor --fix` 修复，并重写为 `provider: "microsoft"`。
- `summaryModel`：用于自动摘要的可选低成本模型；默认为 `agents.defaults.model.primary`。
+- `mode`：`"final"`（默认）或 `"all"`（包括工具/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"`（会自动回退）。
+- 如果 `provider` **未设置**，OpenClaw 会按照注册表自动选择顺序，使用第一个已配置的语音提供商。
+- 旧版 `provider: "edge"` 配置可由 `openclaw doctor --fix` 修复，并重写为 `provider: "microsoft"`。
+- `summaryModel`：用于自动摘要的可选低成本模型；默认值为 `agents.defaults.model.primary`。
  - 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>`：由提供商拥有的设置，按语音提供商 id 分组。
- 旧版直接提供商块（`messages.tts.openai`、`messages.tts.elevenlabs`、`messages.tts.microsoft`、`messages.tts.edge`）可通过 `openclaw doctor --fix` 修复；提交的配置应使用 `messages.tts.providers.<id>`。
- 旧版 `messages.tts.providers.edge` 也可通过 `openclaw doctor --fix` 修复；提交的配置应使用 `messages.tts.providers.microsoft`。
- `maxTextLength`：TTS 输入的硬限制（字符数）。如果超出，`/tts audio` 会失败。
+- `providers.<id>`：按语音提供商 id 键控的、由提供商拥有的设置。
+- 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；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；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（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 资源密钥（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 voice ShortName（默认
-  `en-US-JennyNeural`）。
+- `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`
-  - 非默认值会被视为 OpenAI 兼容 TTS endpoint，因此接受自定义 model 和 voice 名称。
+  - 非默认值会被视为 OpenAI 兼容的 TTS endpoint，因此接受自定义模型名和语音名。
 - `providers.elevenlabs.voiceSettings`：
  - `stability`、`similarityBoost`、`style`：`0..1`
  - `useSpeakerBoost`：`true|false`
  - `speed`：`0.5..2.0`（1.0 = 正常）
 - `providers.elevenlabs.applyTextNormalization`：`auto|on|off`
- `providers.elevenlabs.languageCode`：2 位 ISO 639-1 代码（例如 `en`、`de`）
- `providers.elevenlabs.seed`：整数 `0..4294967295`（尽力提供确定性）
+- `providers.elevenlabs.languageCode`：2 字母 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`：voice 标识符（默认 `English_expressive_narrator`，环境变量：`MINIMAX_TTS_VOICE_ID`）。
+- `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）。小数值在调用 MiniMax T2A 前会被截断，因为该 API 拒绝非整数音高值。
+- `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 API 会拒绝非整数音高值。
 - `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 `mp3`）。
- `providers.tts-local-cli.timeoutMs`：命令超时（毫秒，默认 `120000`）。
+- `providers.tts-local-cli.timeoutMs`：命令超时，单位毫秒（默认 `120000`）。
 - `providers.tts-local-cli.cwd`：可选的命令工作目录。
- `providers.tts-local-cli.env`：可选的命令字符串环境变量覆盖。
+- `providers.tts-local-cli.env`：命令的可选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 voice 标识符（默认 `Sarah`）。
+- `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`）。
- `providers.inworld.temperature`：采样 temperature `0..2`（可选）。
+- `providers.inworld.temperature`：采样温度 `0..2`（可选）。
 - `providers.google.model`：Gemini TTS 模型（默认 `gemini-3.1-flash-tts-preview`）。
- `providers.google.voiceName`：Gemini 预置 voice 名称（默认 `Kore`；也接受 `voice`）。
- `providers.google.audioProfile`：会在朗读文本前附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，会在朗读文本前附加的可选说话人标签。
+- `providers.google.voiceName`：Gemini 预置语音名称（默认 `Kore`；也接受 `voice`）。
+- `providers.google.audioProfile`：会添加在朗读文本前的自然语言风格提示。
+- `providers.google.speakerName`：可选说话人标签；当你的 TTS 提示使用具名说话人时，会添加在朗读文本前。
 - `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 可以在环境变量回退前复用 `models.providers.google.apiKey`。
+  - 如果省略 `messages.tts.providers.google.apiKey`，TTS 可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 voice 标识符（默认 Emma，`YTpq7expH9539ERJ`）。
- `providers.volcengine.apiKey`：BytePlus Seed Speech API 密钥（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`；当你的 BytePlus 项目拥有 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.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 resource id（默认 `seed-tts-1.0`，环境变量：`VOLCENGINE_TTS_RESOURCE_ID`；当你的 BytePlus 项目具有 TTS 2.0 权限时，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.appId`：旧版 Volcengine Speech Console application id（环境变量：`VOLCENGINE_TTS_APPID`）。
 - `providers.volcengine.token`：旧版 Volcengine Speech Console access token（环境变量：`VOLCENGINE_TTS_TOKEN`）。
 - `providers.volcengine.cluster`：旧版 Volcengine TTS cluster（默认 `volcano_tts`，环境变量：`VOLCENGINE_TTS_CLUSTER`）。
- `providers.volcengine.voice`：voice 类型（默认 `en_female_anna_mars_bigtts`，环境变量：`VOLCENGINE_TTS_VOICE`）。
+- `providers.volcengine.voice`：语音类型（默认 `en_female_anna_mars_bigtts`，环境变量：`VOLCENGINE_TTS_VOICE`）。
 - `providers.volcengine.speedRatio`：提供商原生速度比率。
 - `providers.volcengine.emotion`：提供商原生情感标签。
- `providers.xai.apiKey`：xAI TTS API 密钥（环境变量：`XAI_API_KEY`）。
+- `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 voice id（默认 `eve`；当前 live voices：`ara`、`eve`、`leo`、`rex`、`sal`、`una`）。
+- `providers.xai.voiceId`：xAI 语音 id（默认 `eve`；当前可用实时语音：`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。
- `providers.xiaomi.apiKey`：Xiaomi MiMo API 密钥（环境变量：`XIAOMI_API_KEY`）。
+- `providers.xai.speed`：提供商原生速度覆盖值。
+- `providers.xiaomi.apiKey`：Xiaomi MiMo API key（环境变量：`XIAOMI_API_KEY`）。
 - `providers.xiaomi.baseUrl`：覆盖 Xiaomi MiMo API base URL（默认 `https://api.xiaomimimo.com/v1`，环境变量：`XIAOMI_BASE_URL`）。
 - `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 voice id（默认 `mimo_default`，环境变量：`XIAOMI_TTS_VOICE`）。
+- `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 message 发送；不会被朗读出来。
- `providers.openrouter.apiKey`：OpenRouter API 密钥（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` 会被标准化）。
- `providers.openrouter.model`：OpenRouter TTS model id（默认 `hexgrad/kokoro-82m`；也接受 `modelId`）。
- `providers.openrouter.voice`：提供商特定的 voice id（默认 `af_alloy`；也接受 `voiceId`）。
+- `providers.xiaomi.style`：可选的自然语言风格指令，会作为用户消息发送；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`：提供商特定的语音 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。
- `providers.microsoft.enabled`：允许使用 Microsoft 语音（默认 `true`；无需 API 密钥）。
- `providers.microsoft.voice`：Microsoft 神经 voice 名称（例如 `en-US-MichelleNeural`）。
+- `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`；不需要 API key）。
+- `providers.microsoft.voice`：Microsoft 神经网络语音名称（例如 `en-US-MichelleNeural`）。
 - `providers.microsoft.lang`：语言代码（例如 `en-US`）。
 - `providers.microsoft.outputFormat`：Microsoft 输出格式（例如 `audio-24khz-48kbitrate-mono-mp3`）。
-  - 有效值请参阅 Microsoft Speech 输出格式；并非所有格式都受内置的 Edge 支持传输方式支持。
+  - 有效值请参见 Microsoft Speech output formats；并非所有格式都受内置的基于 Edge 的传输支持。
 - `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（毫秒）。
- `edge.*`：相同 Microsoft 设置的旧版别名。运行
-  `openclaw doctor --fix` 将持久化配置重写为 `providers.microsoft`。
+- `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`。

 ## 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，必须使用这些指令才能触发音频。
+当 `messages.tts.auto` 为 `tagged` 时，必须有这些指令才会触发音频。

-启用后，模型可以输出 `[[tts:...]]` 指令以覆盖单条回复的 voice，还可以附带可选的 `[[tts:text]]...[[/tts:text]]` 块，用于提供只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:...]]` 指令来覆盖单条回复的语音设置，还可以选择输出 `[[tts:text]]...[[/tts:text]]` 块，以提供只应出现在音频中的表现性标签（笑声、歌唱提示等）。
+
+分块流式传输在把内容交给渠道之前，会从可见文本中剥离这些指令，即使某条指令被拆分在相邻分块之间也是如此。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 `provider=...` 指令会被忽略。

-回复载荷示例：
+示例回复载荷：

 ```
-给你。
+Here you go.

 [[tts:voiceId=pMsXgVXv3BLzUgSXRplE model=eleven_v3 speed=1.1]]
-[[tts:text]]（笑）再把这首歌读一遍。[[/tts:text]]
+[[tts:text]](laughs) Read the song once more.[[/tts:text]]
 ```

 可用的指令键（启用时）：

 - `provider`（已注册的语音提供商 id，例如 `openai`、`elevenlabs`、`google`、`gradium`、`minimax`、`microsoft`、`volcengine`、`vydra`、`xai` 或 `xiaomi`；需要 `allowProvider: true`）
- `voice`（OpenAI、Gradium、Volcengine 或 Xiaomi 的 voice）、`voiceName` / `voice_name` / `google_voice`（Google voice）或 `voiceId`（ElevenLabs / Gradium / MiniMax / xAI）
- `model`（OpenAI TTS model、ElevenLabs model id、MiniMax model 或 Xiaomi MiMo TTS model）或 `google_model`（Google TTS model）
+- `voice`（OpenAI、Gradium、Volcengine 或 Xiaomi 语音）、`voiceName` / `voice_name` / `google_voice`（Google 语音），或 `voiceId`（ElevenLabs / Gradium / MiniMax / xAI）
+- `model`（OpenAI TTS 模型、ElevenLabs model 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；小数值在发送 MiniMax 请求前会被截断）
+- `pitch`（MiniMax 整数音高，-12 到 12；小数值会在发起 MiniMax 请求前被截断）
 - `emotion`（Volcengine 情感标签）
 - `applyTextNormalization`（`auto|on|off`）
 - `languageCode`（ISO 639-1）
@ -686,7 +653,7 @@ Local CLI TTS 会在 Gateway 网关主机上运行已配置的命令。`{{Text}}
 }
 ```

-可选的 allowlist（启用提供商切换，同时保留其他参数可配置）：
+可选允许列表（启用提供商切换，同时保持其他参数仍可配置）：

 ```json5
 {
@ -702,7 +669,7 @@ Local CLI TTS 会在 Gateway 网关主机上运行已配置的命令。`{{Text}}
 }
 ```

-## 每用户偏好设置
+## 按用户的偏好设置

 斜杠命令会将本地覆盖写入 `prefsPath`（默认：
 `~/.openclaw/settings/tts.json`，可通过 `OPENCLAW_TTS_PREFS` 或
@ -715,31 +682,31 @@ Local CLI TTS 会在 Gateway 网关主机上运行已配置的命令。`{{Text}}
 - `maxLength`（摘要阈值；默认 1500 个字符）
 - `summarize`（默认 `true`）

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

 ## 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 是适合语音消息的折中选择。
+  - 48 kHz / 64 kbps 是语音消息较好的平衡方案。
 - **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格式时，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 通过 Baileys 的 `audio` 载荷配合 `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 发送将失败，而不会发布不兼容的 PTT 载荷。
+  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 Baileys 的 `audio` 载荷并设置 `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 载荷。
 - **其他渠道**：MP3（ElevenLabs 使用 `mp3_44100_128`，OpenAI 使用 `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，或在配置时使用 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**：使用已配置的 `outputFormat`。语音便笺目标会转换为 Ogg/Opus，电话输出会通过 `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，将其转码为 48 kHz Opus 用于语音便笺目标，并将 PCM 直接用于 Talk/电话。
+  - 44.1 kHz / 128 kbps 是语音清晰度的默认平衡。
+- **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，并返回完整的音频附件；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。
+- **xAI**：默认使用 MP3；`responseFormat` 可设为 `mp3`、`wav`、`pcm`、`mulaw` 或 `alaw`。OpenClaw 使用 xAI 的批处理 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`）。
-  - 内置传输方式接受 `outputFormat`，但该服务并非所有格式都可用。
-  - 输出格式值遵循 Microsoft Speech 输出格式（包括 Ogg/WebM Opus）。
+  - 内置传输支持 `outputFormat`，但服务并不提供所有格式。
+  - 输出格式值遵循 Microsoft Speech output formats（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。
-  - 如果已配置的 Microsoft 输出格式失败，OpenClaw 会回退重试 MP3。
+  - 如果配置的 Microsoft 输出格式失败，OpenClaw 会回退重试 MP3。

 OpenAI/ElevenLabs 的输出格式按渠道固定（见上文）。

@ -747,35 +714,35 @@ 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。
- 跳过过短回复（少于 10 个字符）。
+- 如果回复已经包含媒体或 `MEDIA:` 指令，则跳过 TTS。
+- 跳过过短的回复（少于 10 个字符）。
 - 启用时，使用 `agents.defaults.model.primary`（或 `summaryModel`）对长回复进行摘要。
 - 将生成的音频附加到回复中。

-如果回复超过 `maxLength` 且摘要关闭（或摘要模型没有 API 密钥），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，仅发送普通文本回复。

 ## 流程图

 ```
-回复 -> 已启用 TTS？
-  否  -> 发送文本
-  是  -> 是否包含媒体 / MEDIA: / 过短？
-          是 -> 发送文本
-          否 -> 长度 > 限制？
-                   否 -> TTS -> 附加音频
-                   是 -> 已启用摘要？
-                            否 -> 发送文本
-                            是 -> 摘要（summaryModel 或 agents.defaults.model.primary）
-                                      -> TTS -> 附加音频
+Reply -> TTS enabled?
+  no  -> send text
+  yes -> has media / MEDIA: / short?
+          yes -> send text
+          no  -> length > limit?
+                   no  -> TTS -> attach audio
+                   yes -> summary enabled?
+                            no  -> send text
+                            yes -> summarize (summaryModel or agents.defaults.model.primary)
+                                      -> TTS -> attach audio
 ```

 ## 斜杠命令用法

 只有一个命令：`/tts`。
-启用详情请参阅 [斜杠命令](/zh-CN/tools/slash-commands)。
+启用详情见 [斜杠命令](/zh-CN/tools/slash-commands)。

-Discord 说明：`/tts` 是 Discord 内置命令，因此 OpenClaw 会在该平台注册
-`/voice` 作为原生命令。但文本形式的 `/tts ...` 仍然可用。
+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。不过文本形式的 `/tts ...` 仍然可用。

 ```
 /tts off
@ -793,29 +760,29 @@ Discord 说明：`/tts` 是 Discord 内置命令，因此 OpenClaw 会在该平

 说明：

- 命令需要已授权的发送者（allowlist/owner 规则仍然适用）。
+- 命令需要已授权的发送者（仍适用 allowlist/owner 规则）。
 - 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` 会将其写为 `off`。
+- `/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。
- 当你希望默认使用 `inbound` 或 `tagged` 时，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 为开启）。
- `/tts latest` 会读取当前会话转录中的最新 assistant 回复，并将其作为音频发送一次。它只会在会话条目中存储该回复的哈希值，以抑制重复的语音发送。
- `/tts status` 包含最近一次尝试的回退可见性：
+- 当你想要 `inbound` 或 `tagged` 作为默认值时，请使用配置。
+- `limit` 和 `summary` 存储在本地偏好设置中，而不是主配置中。
+- `/tts audio` 会生成一次性的音频回复（不会开启 TTS）。
+- `/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，以防止重复发送语音。
+- `/tts status` 会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: ...`
  - 详细诊断：`Attempt details: provider:outcome(reasonCode) latency`
- `/status` 会在启用 TTS 时显示当前活动的 TTS 模式，以及已配置的提供商、model、voice 和已净化的自定义 endpoint 元数据。
- OpenAI 和 ElevenLabs 的 API 故障现在会包含已解析的提供商错误详情和请求 id（如果提供商返回），这些信息会显示在 TTS 错误/日志中。
+- 当启用 TTS 时，`/status` 会显示当前 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详情和请求 id（如果提供商返回），并会在 TTS 错误/日志中显示。

 ## 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。当渠道为 Feishu、Matrix、Telegram 或 WhatsApp 时，音频会作为语音消息而不是文件附件投递。
-当 `ffmpeg` 可用时，Feishu 和 WhatsApp 可在此路径上转码非 Opus 的 TTS 输出。
-WhatsApp 通过 Baileys 将音频作为 PTT 语音便笺发送（`audio` 搭配
-`ptt: true`），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` 是每次调用的提供商请求超时，单位为毫秒。
+`tts` 工具会将文本转换为语音，并返回用于回复交付的音频附件。当渠道为 Feishu、Matrix、Telegram 或 WhatsApp 时，音频会作为语音消息而不是文件附件发送。
+当 `ffmpeg` 可用时，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 以 PTT 语音便笺形式发送音频（`audio` 配合
+`ptt: true`），并将可见文本与 PTT 音频分开发送，因为客户端并不总能正确显示语音便笺的说明文字。
+它接受可选的 `channel` 和 `timeoutMs` 字段；`timeoutMs` 是单次调用的提供商请求超时，单位为毫秒。

 ## Gateway 网关 RPC