मुख्य सामग्री पर जाएं

​
Talk मोड

Talk मोड एक सतत वॉइस वार्तालाप लूप है:
  1. भाषण सुनें
  2. ट्रांसक्रिप्ट को मॉडल को भेजें (मुख्य सत्र, chat.send)
  3. प्रतिक्रिया की प्रतीक्षा करें
  4. ElevenLabs के माध्यम से उसे बोलें (स्ट्रीमिंग प्लेबैक)

​
व्यवहार (macOS)

  • Talk मोड सक्षम होने पर हमेशा-ऑन ओवरले।
  • Listening → Thinking → Speaking चरण संक्रमण।
  • छोटे विराम (मौन विंडो) पर, वर्तमान ट्रांसक्रिप्ट भेज दिया जाता है।
  • उत्तर WebChat में लिखे जाते हैं (टाइप करने के समान)।
  • भाषण पर इंटरप्ट (डिफ़ॉल्ट चालू): यदि सहायक बोलते समय उपयोगकर्ता बोलना शुरू करता है, तो हम प्लेबैक रोक देते हैं और अगले प्रॉम्प्ट के लिए इंटरप्शन टाइमस्टैम्प नोट करते हैं।

​
उत्तरों में वॉइस निर्देश

सहायक वॉइस को नियंत्रित करने के लिए अपने उत्तर की शुरुआत में एकल JSON पंक्ति जोड़ सकता है: 
{ "voice": "<voice-id>", "once": true }
नियम:
  • केवल पहली गैर-खाली पंक्ति।
  • अज्ञात कुंजियाँ अनदेखी की जाती हैं।
  • once: true केवल वर्तमान उत्तर पर लागू होता है।
  • once के बिना, वॉइस Talk मोड के लिए नया डिफ़ॉल्ट बन जाता है।
  • JSON पंक्ति TTS प्लेबैक से पहले हटा दी जाती है।
समर्थित कुंजियाँ:
  • voice / voice_id / voiceId
  • model / model_id / modelId
  • speed, rate (WPM), stability, similarity, style, speakerBoost
  • seed, normalize, lang, output_format, latency_tier
  • once

​
विन्यास (~/.openclaw/openclaw.json)

{
  talk: {
    voiceId: "elevenlabs_voice_id",
    modelId: "eleven_v3",
    outputFormat: "mp3_44100_128",
    apiKey: "elevenlabs_api_key",
    interruptOnSpeech: true,
  },
}
डिफ़ॉल्ट्स:
  • interruptOnSpeech: true
  • voiceId: ELEVENLABS_VOICE_ID / SAG_VOICE_ID पर फ़ॉलबैक (या API कुंजी उपलब्ध होने पर पहला ElevenLabs वॉइस)
  • modelId: अनसेट होने पर eleven_v3 पर डिफ़ॉल्ट
  • apiKey: ELEVENLABS_API_KEY पर फ़ॉलबैक (या उपलब्ध होने पर gateway शेल प्रोफ़ाइल)
  • outputFormat: macOS/iOS पर pcm_44100 और Android पर pcm_24000 पर डिफ़ॉल्ट (MP3 स्ट्रीमिंग को मजबूर करने के लिए mp3_* सेट करें)

​
macOS उपयोगकर्ता इंटरफ़ेस

  • मेनू बार टॉगल: Talk
  • कॉन्फ़िग टैब: Talk Mode समूह (वॉइस आईडी + इंटरप्ट टॉगल)
  • ओवरले:
    • Listening: माइक्रोफ़ोन स्तर के साथ क्लाउड पल्स
    • Thinking: डूबती हुई एनीमेशन
    • Speaking: फैलते हुए रिंग्स
    • क्लाउड पर क्लिक: बोलना रोकें
    • X पर क्लिक: Talk मोड से बाहर निकलें

​
नोट्स

  • Speech + Microphone अनुमतियों की आवश्यकता है।
  • सत्र कुंजी main के विरुद्ध chat.send का उपयोग करता है।
  • TTS कम विलंबता के लिए macOS/iOS/Android पर ELEVENLABS_API_KEY और इन्क्रिमेंटल प्लेबैक के साथ ElevenLabs स्ट्रीमिंग API का उपयोग करता है।
  • eleven_v3 के लिए stability को 0.0, 0.5, या 1.0 तक मान्य किया जाता है; अन्य मॉडल 0..1 स्वीकार करते हैं।
  • latency_tier सेट होने पर 0..4 तक मान्य किया जाता है।
  • Android कम विलंबता AudioTrack स्ट्रीमिंग के लिए pcm_16000, pcm_22050, pcm_24000, और pcm_44100 आउटपुट फ़ॉर्मैट्स का समर्थन करता है।