跳轉到主要內容

​
Talk 模式

Talk 模式是一個連續的語音對話循環：
  1. 聆聽語音
  2. 將逐字稿傳送給模型（主工作階段，chat.send）
  3. 等待回應
  4. 透過 ElevenLabs 朗讀（串流播放）

​
行為（macOS）

  • 在啟用 Talk 模式時，常駐顯示的覆蓋層。
  • 聆聽 → 思考 → 說話 的階段轉換。
  • 在短暫暫停（靜默視窗）時，會送出目前的逐字稿。
  • 回覆會寫入 WebChat（與鍵入相同）。
  • 語音中斷（預設開啟）：若使用者在助理說話時開始發言，將停止播放，並為下一個提示記錄中斷時間戳。

​
回覆中的語音指令

助理可在回覆前加上一行單行 JSON 以控制語音： 
{ "voice": "<voice-id>", "once": true }
規則：
  • 僅限第一個非空白行。
  • 未知的鍵會被忽略。
  • once: true 僅套用於當前回覆。
  • 若未指定 once，該語音將成為 Talk 模式的新預設。
  • 在 TTS 播放前會移除該 JSON 行。
支援的鍵：
  • voice / voice_id / voiceId
  • model / model_id / modelId
  • speed, rate（WPM）, stability, similarity, style, speakerBoost
  • seed, normalize, lang, output_format, latency_tier
  • once

​
設定（~/.openclaw/openclaw.json）

{
  talk: {
    voiceId: "elevenlabs_voice_id",
    modelId: "eleven_v3",
    outputFormat: "mp3_44100_128",
    apiKey: "elevenlabs_api_key",
    interruptOnSpeech: true,
  },
}
預設值：
  • interruptOnSpeech: true
  • voiceId: 會回退至 ELEVENLABS_VOICE_ID / SAG_VOICE_ID（或在可用 API 金鑰時使用第一個 ElevenLabs 語音）
  • modelId: 未設定時預設為 eleven_v3
  • apiKey: 會回退至 ELEVENLABS_API_KEY（或可用時使用 Gateway 閘道器 的 shell 設定檔）
  • outputFormat: 在 macOS／iOS 上預設為 pcm_44100，在 Android 上預設為 pcm_24000（設定 mp3_* 以強制 MP3 串流）

​
macOS 使用者介面

  • 選單列切換：Talk
  • 設定分頁：Talk 模式 群組（語音 ID ＋ 中斷切換）
  • Overlay:
    • 聆聽：雲朵隨麥克風音量脈動
    • 思考：下沉動畫
    • 說話：放射狀圓環
    • 點擊雲朵：停止說話
    • 點擊 X：離開 Talk 模式

​
注意事項

  • 需要語音與麥克風權限。
  • 針對工作階段金鑰 main 使用 chat.send。
  • TTS 使用 ElevenLabs 串流 API，搭配 ELEVENLABS_API_KEY，並在 macOS／iOS／Android 上進行漸進式播放以降低延遲。
  • stability 的 eleven_v3 會驗證為 0.0、0.5 或 1.0；其他模型接受 0..1。
  • 設定時，latency_tier 會驗證為 0..4。
  • Android 支援 pcm_16000、pcm_22050、pcm_24000 與 pcm_44100 輸出格式，以進行低延遲的 AudioTrack 串流。