​

Modo Talk

1. Escuchar el habla
2. Enviar la transcripción al modelo (sesión principal, chat.send)
3. Esperar la respuesta
4. Reproducirla mediante ElevenLabs (reproducción en streaming)

​

Comportamiento (macOS)

• Overlay siempre activo mientras el modo Talk está habilitado.
• Transiciones de fase Escuchando → Pensando → Hablando.
• En una pausa corta (ventana de silencio), se envía la transcripción actual.
• Las respuestas se escriben en WebChat (igual que al teclear).
• Interrumpir al hablar (activado por defecto): si el usuario empieza a hablar mientras el asistente está hablando, se detiene la reproducción y se anota la marca de tiempo de la interrupción para el siguiente prompt.

​

Directivas de voz en las respuestas

{ "voice": "<voice-id>", "once": true }

• Solo la primera línea no vacía.
• Las claves desconocidas se ignoran.
• once: true se aplica solo a la respuesta actual.
• Sin once, la voz pasa a ser el nuevo valor predeterminado para el modo Talk.
• La línea JSON se elimina antes de la reproducción TTS.

• voice / voice_id / voiceId
• model / model_id / modelId
• speed, rate (WPM), stability, similarity, style, speakerBoost
• seed, normalize, lang, output_format, latency_tier
• once

​

Configuración (~/.openclaw/openclaw.json)

{
  talk: {
    voiceId: "elevenlabs_voice_id",
    modelId: "eleven_v3",
    outputFormat: "mp3_44100_128",
    apiKey: "elevenlabs_api_key",
    interruptOnSpeech: true,
  },
}

• interruptOnSpeech: true
• voiceId: recurre a ELEVENLABS_VOICE_ID / SAG_VOICE_ID (o a la primera voz de ElevenLabs cuando la clave de API está disponible)
• modelId: por defecto eleven_v3 cuando no se establece
• apiKey: recurre a ELEVENLABS_API_KEY (o al perfil de shell del gateway si está disponible)
• outputFormat: por defecto pcm_44100 en macOS/iOS y pcm_24000 en Android (establezca mp3_* para forzar streaming MP3)

​

UI de macOS

• Alternador en la barra de menús: Talk
• Pestaña de configuración: grupo Modo Talk (ID de voz + alternador de interrupción)
• Superposición:
  • Escuchando: pulsos de nube con nivel de micrófono
  • Pensando: animación descendente
  • Hablando: anillos radiantes
  • Clic en la nube: detener el habla
  • Clic en X: salir del modo Talk

​

Notas

• Requiere permisos de Voz + Micrófono.
• Usa chat.send contra la clave de sesión main.
• El TTS utiliza la API de streaming de ElevenLabs con ELEVENLABS_API_KEY y reproducción incremental en macOS/iOS/Android para menor latencia.
• stability para eleven_v3 se valida a 0.0, 0.5 o 1.0; otros modelos aceptan 0..1.
• latency_tier se valida a 0..4 cuando se establece.
• Android admite los formatos de salida pcm_16000, pcm_22050, pcm_24000 y pcm_44100 para streaming AudioTrack de baja latencia.