
>**核心功能**：利用 **Deepgram** 业界领先的语音识别技术，将用户发送的**音频附件/语音笔记**自动转换为文本。
**工作流程**：用户上传音频 → OpenClaw 调用 Deepgram API → 生成精准转录文本 → 注入对话上下文 (`{{Transcript}}`)。
**适用场景**：语音指令交互、会议记录分析、无障碍访问、多语言语音处理。


----

## 🚀 一、快速开始


只需两步即可在 OpenClaw 中启用 Deepgram 语音转文字功能。

### 1. 配置 API Key


获取你的 Deepgram API Key (以 `dg_` 开头)，并设置为环境变量：

```
export DEEPGRAM_API_KEY="dg_..."
```
>💡 **提示**：如果你使用 `.env` 文件管理配置，请将其添加到 `~/.openclaw/.env` 中。


### 2. 启用音频工具


在 `openclaw.json` 配置文件中启用 `tools.media.audio` 并指定 Deepgram 为提供商：

```
{
  "tools": {
    "media": {
      "audio": {
        "enabled": true,
        // 指定使用的模型，推荐使用最新的 nova-3
        "models": [
          { 
            "provider": "deepgram", 
            "model": "nova-3" 
          }
        ]
      }
    }
  }
}
```
配置完成后，当用户发送音频文件时，OpenClaw 会自动将其发送至 Deepgram 进行转录，并将结果作为文本输入给 AI 模型。


----

## ⚙️ 二、高级配置选项


Deepgram 提供了丰富的参数来优化转录质量。你可以在 `providerOptions` 中进行精细控制。

### 1. 指定语言 (Language Hint)


如果你知道音频的主要语言，显式指定可以提高准确率和速度。

```
{
  "tools": {
    "media": {
      "audio": {
        "enabled": true,
        "models": [
          { 
            "provider": "deepgram", 
            "model": "nova-3", 
            "language": "en" // 例如: "en", "zh", "es", "fr"
          }
        ]
      }
    }
  }
}
```
### 2. 智能功能组合 (推荐配置)


开启**语言自动检测**、**自动标点**和**智能格式化**，以获得最接近人类书写的转录效果。

```
{
  "tools": {
    "media": {
      "audio": {
        "enabled": true,
        "providerOptions": {
          "deepgram": {
            "detect_language": true,   // 自动检测语言 (无需手动指定 language)
            "punctuate": true,         // 自动添加标点符号
            "smart_format": true       // 智能格式化 (如日期、数字、专有名词)
          }
        },
        "models": [
          { 
            "provider": "deepgram", 
            "model": "nova-3" 
          }
        ]
      }
    }
  }
}
```
### 参数详解


|参数|类型|默认值|说明|
|:-:|:-:|:-:|:-:|
|`model`|String|`nova-3`|Deepgram 模型 ID。`nova-3` 是最新的高速高精度模型。|
|`language`|String|`null`|语言代码 (ISO 639-1)。若开启 `detect_language` 则此项可选。|
|`detect_language`|Boolean|`false`|让 Deepgram 自动识别音频语言，适合多语言混合场景。|
|`punctuate`|Boolean|`true`|是否自动添加句号、逗号等标点。|
|`smart_format`|Boolean|`true`|是否对数字、日期、货币等进行标准化格式处理。|


----

## 🔄 三、工作流程与输出


### 处理流程


1. **接收**：用户通过聊天界面发送音频文件 (如 `.mp3`, `.wav`, `.m4a`)。

2. **上传**：OpenClaw 将文件二进制数据发送至 Deepgram 的转录端点。

3. **转录**：Deepgram 返回 JSON 格式的转录结果。

4. **注入**：OpenClaw 将转录文本封装，通常格式如下：```
	[Audio Transcript]:
	你好，请帮我总结一下昨天的会议记录...
	{{Transcript}}
	```

5. **推理**：LLM (如 Claude) 读取转录文本并生成回复。


>**注意**：此功能是**非流式**的。系统会等待整个音频文件转录完成后，才将文本发送给 LLM。因此，长音频会有短暂的预处理延迟。


----

## 🌐 四、自定义端点与代理


如果你需要通过代理访问 Deepgram，或者使用自托管的 Deepgram 实例，可以自定义 `baseUrl` 和 `headers`。

```
{
  "tools": {
    "media": {
      "audio": {
        "enabled": true,
        "baseUrl": "https://api.deepgram.com/v1/listen", // 自定义端点
        "headers": {
          "X-Custom-Header": "value" // 自定义请求头
        },
        "models": [
          { "provider": "deepgram", "model": "nova-3" }
        ]
      }
    }
  }
}
```


----

## 🛠️ 五、常见问题排查


|问题|可能原因|解决方案|
|:-:|:-:|:-:|
|**Transcription failed**|API Key 无效或余额不足|检查 `DEEPGRAM_API_KEY` 环境变量；登录 Deepgram 控制台查看配额。|
|**Unsupported format**|音频格式不被支持|Deepgram 支持大多数主流格式 (mp3, wav, flac, ogg, m4a)。确保文件未损坏。|
|**Language detection error**|音频太短或噪音过大|尝试显式设置 `language` 参数关闭自动检测；或提高录音质量。|
|**Timeout**|音频文件过大|检查 OpenClaw 的文件大小限制配置；Deepgram 对单次请求大小也有限制。|
|**No transcript in output**|工具未正确启用|确认 `tools.media.audio.enabled` 为 `true` 且模型配置正确。|


----

## 💡 六、最佳实践建议


1. **首选 Nova-3 模型**：`nova-3` 在速度和准确率之间取得了最佳平衡，特别适合实时交互场景。

2. **开启智能格式化**：务必设置 `smart_format: true`，这能显著改善数字、时间和专有名词的可读性，减少 LLM 的纠正负担。

3. **多语言环境**：如果你的用户群体语言多样，请开启 `detect_language: true`，避免为每种语言创建单独的 Agent。

4. **成本控制**：Deepgram 按音频时长计费。对于超长的会议录音，考虑在上传前进行裁剪，或使用专门的长音频处理策略。

5. **隐私合规**：音频数据会发送至 Deepgram 服务器。处理敏感信息时，请确保符合你的数据隐私政策，或考虑使用 Deepgram 的本地部署方案 (On-Prem)。


通过集成 Deepgram，OpenClaw 能够轻松打破语音与文本的界限，为用户提供更加自然、高效的语音交互体验。🎧✨

核心功能：利用 Deepgram 业界领先的语音识别技术，将用户发送的音频附件/语音笔记自动转换为文本。

OpenClaw 集成 Deepgram：语音笔记转录指南

利用 Deepgram 业界领先的语音识别技术，将用户发送的音频附件/语音笔记自动转换为文本。

人工智能

后端

音视频

OpenClaw集成Deepgram语音转文字功能，支持多语言识别、智能格式化与标点，适用于会议记录、语音指令等场景。配置简单，只需API Key和模型设置即可启用，提供高级参数优化转录质量。支持自定义端点和代理，解决常见问题如格式不支持、语言检测错误等。最佳实践推荐使用Nova-3模型，开启智能格式化提升可读性，适合多语言环境与隐私合规需求。

语音识别

数据隐私

服务器

Agent

JSON

语音产品特惠新用户14.9元起


4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

OpenClaw集成Deepgram语音转文字功能，支持多语言识别、智能格式化与标点，适用于会议记录、语音指令等场景。配置简单，只需API Key和模型设置即可启用，提供高级参数优化转录质量。支持自定义端点和代理，解决常见问题如格式不支持、语言检测错误等。最佳实践推荐使用Nova-3模型，开启智能格式化提升可读性，适合...

OpenClaw 集成 Deepgram：语音笔记转录指南-腾讯云开发者社区-腾讯云

OpenClaw 集成 Deepgram：语音笔记转录指南

OpenClaw 集成 Deepgram：语音笔记转录指南

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐