Configuración de Deepgram para transcripción de audio

¿Alguna vez has intentado procesar notas de voz y te has encontrado con transcripciones que no tienen sentido? Manejar audio de forma manual consume mucho tiempo y suele fallar cuando los archivos son pesados o el formato no es el ideal.

Si buscas una solución que funcione sin complicaciones, Deepgram es la mejor opción. En OpenClaw, lo usamos para procesar audio entrante y notas de voz mediante tools.media.audio. Cuando lo activas, el sistema sube el archivo a Deepgram e inyecta el texto directamente en el flujo de respuesta usando el bloque {{Transcript}}.

Requisitos previos

• Una API key de Deepgram.
• OpenClaw instalado y funcionando.

Inicio rápido

Configurar Deepgram te tomará menos de 5 minutos. Sigue estos pasos:

1. Define tu API key en las variables de entorno:

DEEPGRAM_API_KEY=dg_...

2. Activa el provider en tu archivo de configuración:

{
  tools: {
    media: {
      audio: {
        enabled: true,
        models: [{ provider: "deepgram", model: "nova-3" }],
      },
    },
  },
}

Opciones de configuración

Puedes ajustar cómo Deepgram procesa el audio. Te recomiendo usar nova-3 por su velocidad. Si necesitas especificar un idioma, puedes hacerlo así:

{
  tools: {
    media: {
      audio: {
        enabled: true,
        models: [{ provider: "deepgram", model: "nova-3", language: "es" }],
      },
    },
  },
}

Para un control más preciso, como la detección automática de idioma o el formateo inteligente, usa providerOptions:

{
  tools: {
    media: {
      audio: {
        enabled: true,
        providerOptions: {
          deepgram: {
            detect_language: true,
            punctuate: true,
            smart_format: true,
          },
        },
        models: [{ provider: "deepgram", model: "nova-3" }],
      },
    },
  },
}

Solución de problemas

Si encuentras problemas al procesar audio, revisa estos puntos basados en el comportamiento del sistema:

• Errores de autenticación: OpenClaw sigue un orden estándar para los providers. Asegúrate de que DEEPGRAM_API_KEY esté bien escrita en tu entorno.
• Uso de proxies: Si no puedes conectar directamente con la API, usa tools.media.audio.baseUrl y tools.media.audio.headers para redirigir las peticiones.
• Límites de archivos: El sistema aplica reglas de audio generales. Verifica que tus archivos no superen los límites de tamaño o los tiempos de espera (timeouts).
• Transcripciones vacías: Recuerda que este proceso no es streaming; utiliza el endpoint de transcripción pre-grabada.

AI Setup Assistant

Próximos pasos

• Configuración de modelos en OpenClaw
• Uso de herramientas multimedia