跳转到主要内容

​
Talk 模式

Talk 模式是一个连续的语音对话循环：
  1. 监听语音
  2. 将转录文本发送到模型（main 会话，chat.send）
  3. 等待响应
  4. 通过 ElevenLabs 朗读（流式播放）

​
行为（macOS）

  • Talk 模式启用时显示常驻悬浮窗。
  • 监听 → 思考 → 朗读阶段转换。
  • 短暂停顿（静音窗口）后，当前转录文本被发送。
  • 回复被写入 WebChat（与打字相同）。
  • 语音中断（默认开启）：如果用户在助手朗读时开始说话，我们会停止播放并记录中断时间戳供下一个提示使用。

​
回复中的语音指令

助手可以在回复前添加单行 JSON 来控制语音： 
{ "voice": "<voice-id>", "once": true }
规则：
  • 仅适用于第一个非空行。
  • 未知键会被忽略。
  • once: true 仅适用于当前回复。
  • 没有 once 时，该语音成为 Talk 模式的新默认值。
  • JSON 行在 TTS 播放前会被移除。
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：回退到 ELEVENLABS_VOICE_ID / SAG_VOICE_ID（或当 API 密钥可用时使用第一个 ElevenLabs 语音）
  • modelId：未设置时默认为 eleven_v3
  • apiKey：回退到 ELEVENLABS_API_KEY（或 Gateway 网关 shell profile（如果可用））
  • outputFormat：macOS/iOS 上默认为 pcm_44100，Android 上默认为 pcm_24000（设置 mp3_* 以强制 MP3 流式传输）

​
macOS UI

  • 菜单栏切换：Talk
  • 配置标签页：Talk Mode 组（voice id + 中断开关）
  • 悬浮窗：
    • 监听：云朵随麦克风电平脉动
    • 思考：下沉动画
    • 朗读：辐射圆环
    • 点击云朵：停止朗读
    • 点击 X：退出 Talk 模式

​
注意事项

  • 需要语音 + 麦克风权限。
  • 使用 chat.send 针对会话键 main。
  • TTS 使用带有 ELEVENLABS_API_KEY 的 ElevenLabs 流式 API，并在 macOS/iOS/Android 上进行增量播放以降低延迟。
  • eleven_v3 的 stability 验证为 0.0、0.5 或 1.0；其他模型接受 0..1。
  • 设置时 latency_tier 验证为 0..4。
  • Android 支持 pcm_16000、pcm_22050、pcm_24000 和 pcm_44100 输出格式，用于低延迟 AudioTrack 流式传输。