跳转到主要内容

​
Talk Mode

Talk 模式是一个连续语音对话循环：
  1. 听取语音
  2. 将转写发送给模型（主会话，chat.send）
  3. 等待回复
  4. 通过 ElevenLabs 朗读（流式播放）

​
行为（macOS）

  • Talk 模式启用时显示常驻 overlay。
  • Listening → Thinking → Speaking 三阶段切换。
  • 在短暂停顿（静音窗口）时发送当前转写。
  • 回复会写入 WebChat（等同于打字）。
  • 说话打断（默认开启）：用户在助手说话时开口，会停止播放，并记录打断时间戳用于下一次 prompt。

​
回复中的语音指令

助手可在回复顶部插入单行 JSON 来控制语音： 
{"voice":"<voice-id>","once":true}
规则：
  • 只读取第一条非空行。
  • 未知键会被忽略。
  • once: true 仅对当前回复生效。
  • 不带 once 时，该语音会成为 Talk 模式的新默认。
  • JSON 行在 TTS 播放前会被剥离。
支持的键：
  • voice / voice_id / voiceId
  • model / model_id / modelId
  • speed, rate（WPM）, stability, similarity, style, speakerBoost
  • seed, normalize, lang, output_format, latency_tier
  • once

​
配置（~/.openclaw/openclaw.json）

{
  "talk": {
    "voiceId": "elevenlabs_voice_id",
    "modelId": "eleven_v3",
    "outputFormat": "mp3_44100_128",
    "apiKey": "elevenlabs_api_key",
    "interruptOnSpeech": true
  }
}
默认值：
  • interruptOnSpeech: true
  • voiceId: 若未设置则回退到 ELEVENLABS_VOICE_ID / SAG_VOICE_ID（或在 API key 可用时使用第一个 ElevenLabs voice）
  • modelId: 未设置时默认 eleven_v3
  • apiKey: 回退到 ELEVENLABS_API_KEY（或 gateway 的 shell profile 若可用）
  • outputFormat: macOS/iOS 默认 pcm_44100，Android 默认 pcm_24000（设置 mp3_* 可强制 MP3 流式）

​
macOS UI

  • 菜单栏开关：Talk
  • 配置页：Talk Mode 组（voice id + interrupt 开关）
  • Overlay：
    • Listening：云朵随麦克风电平脉动
    • Thinking：下沉动画
    • Speaking：放射环
    • 点击云朵：停止朗读
    • 点击 X：退出 Talk 模式

​
备注

  • 需要 Speech + Microphone 权限。
  • 使用 chat.send（会话 key main）。
  • TTS 使用 ElevenLabs 流式 API，macOS/iOS/Android 采用增量播放以降低延迟。
  • eleven_v3 的 stability 只能是 0.0、0.5 或 1.0；其他模型接受 0..1。
  • 设置 latency_tier 时必须为 0..4。
  • Android 支持 pcm_16000、pcm_22050、pcm_24000、pcm_44100 以便低延迟 AudioTrack 流式。