Skip to main content

​
交谈模式

交谈模式是一个持续的语音对话循环：
  1. 监听语音
  2. 将转录文本发送给模型（主会话，chat.send）
  3. 等待响应
  4. 通过 ElevenLabs 播放该响应（流式播放）

​
行为（macOS）

  • 当交谈模式启用时，始终显示一个始终可见的叠加层。
  • 在“聆听 → 思考 → 说话”之间进行阶段转换。
  • 在出现短暂停顿（静音窗口）时，当前转录文本会被发送。
  • 回复会写入 WebChat（与手动输入相同）。
  • 语音打断功能（默认开启）：如果助手正在讲话时用户开始说话，我们会立即停止播放，并记录打断时间戳，以便在下一次提示中使用。

​
回复中的语音指令

助手可以在回复前添加单行 JSON来控制语音： 
{"voice":"<voice-id>","once":true}
规则：
  • 只允许第一行非空内容。
  • 未知键将被忽略。
  • once: true 仅适用于当前回复。
  • 如果没有 once，该语音将成为交谈模式的新默认语音。
  • 在 TTS 播放之前，JSON 行会被剥离。
支持的键：
  • voice / voice_id / voiceId
  • model / model_id / modelId
  • speed, rate（WPM）、stability, similarity, style, speakerBoost
  • seed, normalize, lang, output_format, latency_tier
  • once

​
配置 (~/.openclaw/openclaw.json)

{
  "talk": {
    "voiceId": "elevenlabs_voice_id",
    "modelId": "eleven_v3",
    "outputFormat": "mp3_44100_128",
    "apiKey": "elevenlabs_api_key",
    "interruptOnSpeech": true
  }
}
默认值：
  • interruptOnSpeech: true
  • voiceId: 默认回退到 ELEVENLABS_VOICE_ID / SAG_VOICE_ID（或在提供 API 密钥时使用第一个 ElevenLabs 语音）
  • modelId: 未设置时默认为 eleven_v3
  • apiKey: 默认回退到 ELEVENLABS_API_KEY（或在可用时使用网关 shell 配置文件）
  • outputFormat: macOS/iOS 上默认为 pcm_44100，Android 上默认为 pcm_24000（设置 mp3_* 可强制使用 MP3 流式传输）

​
macOS 用户界面

  • 菜单栏切换按钮：交谈
  • 配置选项tab：交谈模式组（语音 ID + 打断开关）
  • 叠加层：
    • 聆听：云图标随麦克风音量脉动
    • 思考：下沉动画
    • 说话：辐射状光圈
    • 单击云图标：停止说话
    • 单击 X：退出交谈模式

​
备注

  • 需要语音和麦克风权限。
  • 使用 chat.send 对会话密钥 main 进行验证。
  • TTS 使用 ElevenLabs 流式 API，并在 macOS/iOS/Android 上采用 ELEVENLABS_API_KEY 和增量播放以降低延迟。
  • stability 对于 eleven_v3 的验证范围为 0.0、 0.5 或 1.0；其他模型接受 0..1。
  • 如果设置了 latency_tier，则会对其有效性进行验证，确保其符合 0..4 的要求。
  • Android 支持 pcm_16000、 pcm_22050、 pcm_24000 和 pcm_44100 输出格式，以实现低延迟的 AudioTrack 流式传输。