Skip to main content

​
Talk 模式

Talk 模式是連續語音對話循環：
  1. 聆聽語音
  2. 將轉錄傳送至模型（主 session，chat.send）
  3. 等待回應
  4. 透過 ElevenLabs 朗讀（串流播放）

​
行為（macOS）

  • 始終顯示覆蓋層：Talk 模式啟用時。
  • 聆聽 → 思考 → 說話階段轉換。
  • 在短暫停頓（靜音視窗）時，目前轉錄被傳送。
  • 回應被寫入 WebChat（與打字相同）。
  • 語音時中斷（預設開啟）：若使用者在助理說話時開始說話，停止播放並記錄中斷時間戳記供下次提示使用。

​
回應中的語音指令

助理可能在回應前加上單一 JSON 行來控制語音： 
{ "voice": "<voice-id>", "once": true }
規則：
  • 僅第一個非空行。
  • 未知金鑰被忽略。
  • once: true 僅適用於目前回應。
  • 不帶 once，語音成為 Talk 模式的新預設。
  • JSON 行在 TTS 播放前被移除。
支援的金鑰：
  • voice / voice_id / voiceId
  • model / model_id / modelId
  • speed、rate（WPM）、stability、similarity、style、speakerBoost
  • seed、normalize、lang、output_format、latency_tier
  • once

​
設定（~/.openclaw/openclaw.json）

{
  talk: {
    voiceId: "elevenlabs_voice_id",
    modelId: "eleven_v3",
    outputFormat: "mp3_44100_128",
    apiKey: "elevenlabs_api_key",
    silenceTimeoutMs: 1500,
    interruptOnSpeech: true,
  },
}
預設值：
  • interruptOnSpeech：true
  • silenceTimeoutMs：未設定時，Talk 保持平台預設的停頓視窗後才傳送轉錄（macOS 和 Android 為 700 ms，iOS 為 900 ms）
  • voiceId：退備至 ELEVENLABS_VOICE_ID / SAG_VOICE_ID（或 API 金鑰可用時的第一個 ElevenLabs 語音）
  • modelId：未設定時預設為 eleven_v3
  • apiKey：退備至 ELEVENLABS_API_KEY（或 gateway shell 設定若可用）
  • outputFormat：macOS/iOS 預設為 pcm_44100，Android 預設為 pcm_24000（設定 mp3_* 強制 MP3 串流）

​
macOS UI

  • 選單列開關：Talk
  • 設定分頁：Talk Mode 群組（語音 id + 中斷開關）
  • 覆蓋層：
    • Listening：雲朵以麥克風音量脈動
    • Thinking：下沉動畫
    • Speaking：輻射圓環
    • 點擊雲朵：停止朗讀
    • 點擊 X：結束 Talk 模式

​
注意事項

  • 需要語音 + 麥克風權限。
  • 對 session 鍵 main 使用 chat.send。
  • TTS 使用 ElevenLabs 串流 API 搭配 ELEVENLABS_API_KEY，並在 macOS/iOS/Android 上漸進式播放以降低延遲。
  • eleven_v3 的 stability 驗證為 0.0、0.5 或 1.0；其他模型接受 0..1。
  • latency_tier 設定時驗證為 0..4。
  • Android 支援 pcm_16000、pcm_22050、pcm_24000 和 pcm_44100 輸出格式，用於低延遲 AudioTrack 串流。