企业官网建设流程全解析

Audio Node（音频节点）为 Agent 提供语音输入和输出能力，包括语音转文字 STT（Speech-to-Text）和文字转语音 TTS（Text-to-Speech）。

启动音频节点

openclaw node --type audio

首次启动

系统会要求授予麦克风权限。macOS 用户需要在「系统设置 → 隐私与安全 → 麦克风」中允许终端应用访问。

语音识别（STT）

STT 将用户的语音输入转换为文本，再交给 Agent 处理。

支持的 STT 提供商

STT 配置

config.yamlWhisper 本地配置

audio: stt: provider: deepgram # STT 提供商 api_key: ${DEEPGRAM_API_KEY} # 引用环境变量 language: zh-CN # 识别语言 model: nova-2 # 模型版本 interim_results: true # 是否返回中间结果 punctuate: true # 自动添加标点 encoding: opus # 音频编码格式 sample_rate: 16000 # 采样率 (Hz)

🇨🇳 中国用户须知

推荐使用阿里云语音识别或本地 Whisper 模型。Deepgram 在国内需要代理访问，延迟可能增加。

语音合成（TTS）

TTS 将 Agent 的文本回复转换为语音输出。

支持的 TTS 提供商

TTS 配置

audio: tts: provider: azure # TTS 提供商 api_key: ${AZURE_SPEECH_KEY} region: eastasia # 服务区域 voice: zh-CN-XiaoxiaoNeural # 音色名称 speed: 1.0 # 语速 (0.5-2.0) format: audio-24khz-48kbitrate-mono-mp3

音频格式

OpenClaw 支持以下音频格式：

实时流式 vs 文件上传

OpenClaw 支持两种音频输入模式：

实时流式（推荐）

audio: mode: streaming chunk_size: 1024 # 每块大小（字节） vad: true # 启用 VAD（Voice Activity Detection，语音活动检测）

• 延迟低，用户说完即开始识别
• 需要 WebSocket 持续连接
• 适合对话场景

文件上传

audio: mode: file max_duration: 300 # 最大录音时长（秒） max_size: 25MB # 最大文件大小

• 录音完成后一次性上传
• 适合长段语音、离线场景

高级配置

噪声抑制

audio: noise_suppression: true noise_level: moderate # low / moderate / aggressive

多声道支持

audio: channels: 1 # 单声道（推荐） # channels: 2 # 立体声

音频缓存

audio: cache: enabled: true tts_cache_size: 100 # 缓存最近 100 条 TTS 结果 ttl: 3600 # 缓存过期时间（秒）

隐私提示

实时流式模式下，音频数据会发送到 STT 提供商的服务器。如果涉及敏感对话，建议使用本地 Whisper 模型，数据不会离开你的设备。

常用命令

# 测试麦克风输入 openclaw node --type audio --test # 指定音频设备 openclaw node --type audio --device "MacBook Pro Microphone" # 查看可用音频设备 openclaw node --type audio --list-devices

故障排查

《DeepSeek高效数据分析：从数据清洗到行业案例》聚焦DeepSeek在数据分析领域的高效应用，是系统讲解其从数据处理到可视化全流程的实用指南。作者结合多年职场实战经验，不仅深入拆解DeepSeek数据分析的核心功能——涵盖数据采集、清洗、预处理、探索分析、建模（回归、聚类、时间序列等）及模型评估，更通过金融量化数据分析、电商平台数据分析等真实行业案例，搭配报告撰写技巧，提供独到见解与落地建议。助力职场人在激烈竞争中凭借先进技能突破瓶颈，实现职业进阶，开启发展新篇。