Przejdź do głównej treści

​
Tryb rozmowy

Tryb rozmowy to ciągła pętla rozmowy głosowej:
  1. Nasłuchiwanie mowy
  2. Wysłanie transkrypcji do modelu (sesja główna, chat.send)
  3. Oczekiwanie na odpowiedź
  4. Odtworzenie jej przez ElevenLabs (odtwarzanie strumieniowe)

​
Zachowanie (macOS)

  • Zawsze widoczna nakładka podczas włączonego trybu rozmowy.
  • Przejścia faz Słuchanie → Myślenie → Mówienie.
  • Przy krótkiej pauzie (okno ciszy) bieżąca transkrypcja jest wysyłana.
  • Odpowiedzi są zapisywane w WebChat (tak samo jak przy pisaniu).
  • Przerywanie mową (domyślnie włączone): jeśli użytkownik zacznie mówić, gdy asystent mówi, zatrzymujemy odtwarzanie i zapisujemy znacznik czasu przerwania dla następnego promptu.

​
Dyrektywy głosu w odpowiedziach

Asystent może poprzedzić swoją odpowiedź pojedynczą linią JSON, aby sterować głosem: 
{ "voice": "<voice-id>", "once": true }
Zasady:
  • Tylko pierwsza niepusta linia.
  • Nieznane klucze są ignorowane.
  • once: true dotyczy wyłącznie bieżącej odpowiedzi.
  • Bez once głos staje się nową domyślną wartością dla trybu rozmowy.
  • Linia JSON jest usuwana przed odtwarzaniem TTS.
Obsługiwane klucze:
  • voice / voice_id / voiceId
  • model / model_id / modelId
  • speed, rate (WPM), stability, similarity, style, speakerBoost
  • seed, normalize, lang, output_format, latency_tier
  • once

​
Konfiguracja (~/.openclaw/openclaw.json)

{
  talk: {
    voiceId: "elevenlabs_voice_id",
    modelId: "eleven_v3",
    outputFormat: "mp3_44100_128",
    apiKey: "elevenlabs_api_key",
    interruptOnSpeech: true,
  },
}
Ustawienia domyślne:
  • interruptOnSpeech: true
  • voiceId: powrót do ELEVENLABS_VOICE_ID / SAG_VOICE_ID (lub pierwszego głosu ElevenLabs, gdy dostępny jest klucz API)
  • modelId: domyślnie eleven_v3, gdy nieustawione
  • apiKey: powrót do ELEVENLABS_API_KEY (lub profilu powłoki gateway, jeśli dostępny)
  • outputFormat: domyślnie pcm_44100 na macOS/iOS oraz pcm_24000 na Androidzie (ustaw mp3_*, aby wymusić strumieniowanie MP3)

​
Interfejs macOS

  • Przełącznik na pasku menu: Talk
  • Karta konfiguracji: grupa Talk Mode (ID głosu + przełącznik przerywania)
  • Nakładka:
    • Listening: pulsująca chmura z poziomem mikrofonu
    • Thinking: animacja opadania
    • Speaking: promieniujące pierścienie
    • Kliknij chmurę: zatrzymaj mówienie
    • Kliknij X: wyjdź z trybu rozmowy

​
Uwagi

  • Wymaga uprawnień do Mowy + Mikrofonu.
  • Używa chat.send względem klucza sesji main.
  • TTS korzysta ze strumieniowego API ElevenLabs z ELEVENLABS_API_KEY oraz przyrostowym odtwarzaniem na macOS/iOS/Android dla niższych opóźnień.
  • stability dla eleven_v3 jest weryfikowane do 0.0, 0.5 lub 1.0; inne modele akceptują 0..1.
  • latency_tier jest weryfikowane do 0..4 po ustawieniu.
  • Android obsługuje formaty wyjścia pcm_16000, pcm_22050, pcm_24000 oraz pcm_44100 dla niskolatencyjnego strumieniowania AudioTrack.