Перейти к основному содержанию

​
Режим Talk

Режим Talk — это непрерывный цикл голосового диалога:
  1. Прослушивание речи
  2. Отправка транскрипта модели (основной сеанс, chat.send)
  3. Ожидание ответа
  4. Озвучивание через ElevenLabs (потоковое воспроизведение)

​
Поведение (macOS)

  • Постоянно активный оверлей, пока включён режим Talk.
  • Переходы фаз Прослушивание → Обдумывание → Озвучивание.
  • При короткой паузе (окне тишины) текущий транскрипт отправляется.
  • Ответы записываются в WebChat (как при наборе текста).
  • Прерывание по речи (включено по умолчанию): если пользователь начинает говорить, пока ассистент озвучивает ответ, воспроизведение останавливается и отметка времени прерывания учитывается в следующем запросе.

​
Голосовые директивы в ответах

Ассистент может предварять свой ответ одной строкой JSON для управления голосом: 
{ "voice": "<voice-id>", "once": true }
Правила:
  • Только первая непустая строка.
  • Неизвестные ключи игнорируются.
  • once: true применяется только к текущему ответу.
  • Без once голос становится новым значением по умолчанию для режима Talk.
  • Строка JSON удаляется перед воспроизведением TTS.
Поддерживаемые ключи:
  • voice / voice_id / voiceId
  • model / model_id / modelId
  • speed, rate (WPM), stability, similarity, style, speakerBoost
  • seed, normalize, lang, output_format, latency_tier
  • once

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

{
  talk: {
    voiceId: "elevenlabs_voice_id",
    modelId: "eleven_v3",
    outputFormat: "mp3_44100_128",
    apiKey: "elevenlabs_api_key",
    interruptOnSpeech: true,
  },
}
Значения по умолчанию:
  • interruptOnSpeech: true
  • voiceId: с откатом к ELEVENLABS_VOICE_ID / SAG_VOICE_ID (или к первому голосу ElevenLabs при наличии ключа API)
  • modelId: по умолчанию eleven_v3, если не задано
  • apiKey: с откатом к ELEVENLABS_API_KEY (или к профилю оболочки Gateway (шлюз), если доступен)
  • outputFormat: по умолчанию pcm_44100 на macOS/iOS и pcm_24000 на Android (установите mp3_* для принудительной потоковой передачи MP3)

​
Интерфейс macOS

  • Переключатель в строке меню: Talk
  • Вкладка конфигурации: группа Talk Mode (идентификатор голоса + переключатель прерываний)
  • Оверлей:
    • Прослушивание: пульсации облака с уровнем микрофона
    • Обдумывание: анимация погружения
    • Озвучивание: расходящиеся кольца
    • Клик по облаку: остановить озвучивание
    • Клик по X: выйти из режима Talk

​
Примечания

  • Требуются разрешения на доступ к распознаванию речи и микрофону.
  • Использует chat.send с ключом сеанса main.
  • TTS использует потоковый API ElevenLabs с ELEVENLABS_API_KEY и инкрементальным воспроизведением на macOS/iOS/Android для меньшей задержки.
  • stability для eleven_v3 проверяется на соответствие 0.0, 0.5 или 1.0; другие модели принимают 0..1.
  • latency_tier проверяется на соответствие 0..4 при задании.
  • Android поддерживает форматы вывода pcm_16000, pcm_22050, pcm_24000 и pcm_44100 для низколатентного потокового воспроизведения через AudioTrack.