OpenClawでDeepgramを使った音声文字起こしを設定する

音声データを扱うアプリケーションを開発していると、音声ファイルをどうやってテキスト化してAIに渡すかという問題に直面します。手動で処理を組むのは手間ですし、精度も気になるところです。

Deepgram APIを使用すると、OpenClawに送られた音声メッセージを簡単にテキストへ変換できます。

What You’ll Need

Deepgram API キー
OpenClaw の動作環境

Quick Start

Deepgramは OpenClaw で tools.media.audio を通じて音声の文字起こしを行うために使用されます。設定は非常にシンプルで、5分ほどで完了します。

API キーを環境変数に設定します。

DEEPGRAM_API_KEY=dg_...

プロバイダーを有効にします。nova-3 モデルを使用するのがおすすめです。

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

これで、OpenClaw は音声ファイルを Deepgram にアップロードし、取得したテキストを {{Transcript}} + [Audio] ブロックとして返信パイプラインに挿入します。これはストリーミングではなく、録音済みデータの文字起こしエンドポイントを使用します。

オプション設定

特定の言語を指定したり、詳細なフォーマット設定を行いたい場合は、以下のオプションが利用可能です。

model: Deepgram のモデル ID（デフォルトは nova-3）
language: 言語のヒント
detect_language: 言語の自動検出を有効化
punctuate: 句読点の付与を有効化
smart_format: スマートフォーマットを有効化

言語を指定する場合の例：

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

Deepgram の詳細オプションを有効にする場合の例：

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

Troubleshooting

認証エラーが出る場合: DEEPGRAM_API_KEY が正しく設定されているか確認してください。これが最も簡単な認証パスです。
Proxy を使用している場合: tools.media.audio.baseUrl や tools.media.audio.headers を設定することで、エンドポイントやヘッダーを上書きできます。
文字起こしが途切れる場合: ファイルサイズ制限やタイムアウト設定など、他のプロバイダーと共通の音声ルールが適用されます。

セットアップで困ったことがあれば、AI Setup Assistant で質問してみてください。

What’s Next

OpenClaw Expert

まだ解決しませんか？

このページで解決しない場合は、OpenClaw Expertに直接質問してください。