Chuyển đến nội dung chính

​
Chế độ Talk

Chế độ Talk là một vòng lặp hội thoại giọng nói liên tục:
  1. Lắng nghe giọng nói
  2. Gửi bản chép lời đến mô hình (phiên chính, chat.send)
  3. Chờ phản hồi
  4. Phát lời nói qua ElevenLabs (phát trực tuyến)

​
Hành vi (macOS)

  • Lớp phủ luôn bật khi chế độ Talk được kích hoạt.
  • Chuyển pha Lắng nghe → Suy nghĩ → Nói.
  • Khi có khoảng dừng ngắn (cửa sổ im lặng), bản chép lời hiện tại sẽ được gửi đi.
  • Phản hồi được ghi vào WebChat (giống như khi gõ).
  • Ngắt khi có giọng nói (mặc định bật): nếu người dùng bắt đầu nói khi trợ lý đang nói, chúng tôi dừng phát và ghi nhận mốc thời gian ngắt để dùng cho prompt tiếp theo.

​
Chỉ dẫn giọng nói trong phản hồi

Trợ lý có thể thêm tiền tố cho phản hồi bằng một dòng JSON duy nhất để điều khiển giọng nói: 
{ "voice": "<voice-id>", "once": true }
Quy tắc:
  • Chỉ dòng không rỗng đầu tiên.
  • Khóa không xác định sẽ bị bỏ qua.
  • once: true chỉ áp dụng cho phản hồi hiện tại.
  • Nếu không có once, giọng nói sẽ trở thành mặc định mới cho chế độ Talk.
  • Dòng JSON sẽ bị loại bỏ trước khi phát TTS.
Các khóa được hỗ trợ:
  • voice / voice_id / voiceId
  • model / model_id / modelId
  • speed, rate (WPM), stability, similarity, style, speakerBoost
  • seed, normalize, lang, output_format, latency_tier
  • once

​
Cấu hình (~/.openclaw/openclaw.json)

{
  talk: {
    voiceId: "elevenlabs_voice_id",
    modelId: "eleven_v3",
    outputFormat: "mp3_44100_128",
    apiKey: "elevenlabs_api_key",
    interruptOnSpeech: true,
  },
}
Mặc định:
  • interruptOnSpeech: true
  • voiceId: dự phòng sang ELEVENLABS_VOICE_ID / SAG_VOICE_ID (hoặc giọng ElevenLabs đầu tiên khi có khóa API)
  • modelId: mặc định là eleven_v3 khi không được đặt
  • apiKey: dự phòng sang ELEVENLABS_API_KEY (hoặc hồ sơ shell của gateway nếu có)
  • outputFormat: mặc định là pcm_44100 trên macOS/iOS và pcm_24000 trên Android (đặt mp3_* để buộc phát trực tuyến MP3)

​
Giao diện macOS

  • Công tắc thanh menu: Talk
  • Tab cấu hình: nhóm Talk Mode (ID giọng nói + công tắc ngắt)
  • Lớp phủ:
    • Listening: đám mây nhịp theo mức mic
    • Thinking: hiệu ứng chìm xuống
    • Speaking: các vòng tròn lan tỏa
    • Nhấp đám mây: dừng nói
    • Nhấp X: thoát chế độ Talk

​
Ghi chú

  • Yêu cầu quyền Speech + Microphone.
  • Sử dụng chat.send với khóa phiên main.
  • TTS dùng API phát trực tuyến của ElevenLabs với ELEVENLABS_API_KEY và phát tăng dần trên macOS/iOS/Android để giảm độ trễ.
  • stability cho eleven_v3 được xác thực thành 0.0, 0.5, hoặc 1.0; các mô hình khác chấp nhận 0..1.
  • latency_tier được xác thực thành 0..4 khi được đặt.
  • Android hỗ trợ các định dạng đầu ra pcm_16000, pcm_22050, pcm_24000 và pcm_44100 cho phát AudioTrack độ trễ thấp.