Hoppa till huvudinnehåll

​
Talk-läge

Talk-läge är en kontinuerlig röstkonversationsloop:
  1. Lyssna efter tal
  2. Skicka transkriptionen till modellen (huvudsession, chat.send)
  3. Vänta på svaret
  4. Läs upp det via ElevenLabs (strömmad uppspelning)

​
Beteende (macOS)

  • Alltid-på-överlägg medan Talk-läge är aktiverat.
  • Fasövergångar Lyssnar → Tänker → Talar.
  • Vid en kort paus (tystnadsfönster) skickas den aktuella transkriptionen.
  • Svar skrivs till WebChat (samma som att skriva).
  • Avbryt vid tal (på som standard): om användaren börjar prata medan assistenten talar stoppar vi uppspelningen och noterar avbrottets tidsstämpel för nästa prompt.

​
Röstdirektiv i svar

Assistenten kan inleda sitt svar med en enda JSON-rad för att styra rösten: 
{ "voice": "<voice-id>", "once": true }
Regler:
  • Endast första icke-tomma raden.
  • Okända nycklar ignoreras.
  • once: true gäller endast för det aktuella svaret.
  • Utan once blir rösten den nya standarden för Talk-läge.
  • JSON-raden tas bort före TTS-uppspelning.
Stödda nycklar:
  • voice / voice_id / voiceId
  • model / model_id / modelId
  • speed, rate (WPM), stability, similarity, style, speakerBoost
  • seed, normalize, lang, output_format, latency_tier
  • once

​
Konfig (~/.openclaw/openclaw.json)

{
  talk: {
    voiceId: "elevenlabs_voice_id",
    modelId: "eleven_v3",
    outputFormat: "mp3_44100_128",
    apiKey: "elevenlabs_api_key",
    interruptOnSpeech: true,
  },
}
Standardvärden:
  • interruptOnSpeech: true
  • voiceId: faller tillbaka till ELEVENLABS_VOICE_ID / SAG_VOICE_ID (eller första ElevenLabs-rösten när API-nyckel är tillgänglig)
  • modelId: standard till eleven_v3 när den inte är satt
  • apiKey: faller tillbaka till ELEVENLABS_API_KEY (eller gateway-skalprofil om tillgänglig)
  • outputFormat: standard till pcm_44100 på macOS/iOS och pcm_24000 på Android (ställ in mp3_* för att tvinga MP3-strömning)

​
macOS-gränssnitt

  • Menyradsväxel: Talk
  • Konfigflik: gruppen Talk-läge (röst-id + avbrottsväxel)
  • Överlägg:
    • Lyssnar: moln pulserar med mikrofonnivå
    • Tänker: sjunkande animation
    • Talar: utstrålande ringar
    • Klicka på molnet: stoppa tal
    • Klicka på X: avsluta Talk-läge

​
Noteringar

  • Kräver behörigheter för Tal + Mikrofon.
  • Använder chat.send mot sessionsnyckeln main.
  • TTS använder ElevenLabs strömnings-API med ELEVENLABS_API_KEY och inkrementell uppspelning på macOS/iOS/Android för lägre latens.
  • stability för eleven_v3 valideras till 0.0, 0.5 eller 1.0; andra modeller accepterar 0..1.
  • latency_tier valideras till 0..4 när den är satt.
  • Android stöder utdataformaten pcm_16000, pcm_22050, pcm_24000 och pcm_44100 för låg-latens AudioTrack-strömning.