Skip to content

Talk 模式

Talk 模式

Talk 模式是一個連續的語音對話循環：

聆聽語音
將文字紀錄傳送給模型（主會話，chat.send）
等待回應
透過 ElevenLabs 播放（串流播放）

行為（macOS）

啟用 Talk 模式時，常駐覆蓋層（Always-on overlay）。
聆聽 → 思考 → 講話 的階段轉換。
在短暫暫停（靜音視窗）時，會傳送目前的文字紀錄。
回覆會寫入 WebChat（與輸入相同）。
語音中斷（預設開啟）：如果使用者在助理說話時開始說話，我們會停止播放並記錄中斷時間戳記供下一次提示使用。

回覆中的語音指令

助理可能會在其回覆前加上單行 JSON 來控制語音：

{ "voice": "<voice-id>", "once": true }

規則：

僅限第一行非空行。
未知的金鑰會被忽略。
once: true 僅適用於目前的回覆。
如果沒有 once，該語音將成為 Talk 模式的新預設值。
JSON 行會在 TTS 播放前被移除。

支援的金鑰：

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",
    silenceTimeoutMs: 1500,
    interruptOnSpeech: true,
  },
}

預設值：

interruptOnSpeech: true
silenceTimeoutMs: 未設定時，Talk 會在傳送文字紀錄之前保留平台預設的暫停視窗（700 ms on macOS and Android, 900 ms on iOS）
voiceId: 會回退至 ELEVENLABS_VOICE_ID / SAG_VOICE_ID（或在有 API 金鑰時使用第一個 ElevenLabs 語音）
modelId：若未設定，則預設為 eleven_v3
apiKey：回退至 ELEVENLABS_API_KEY（或可用的 gateway shell profile）
outputFormat：在 macOS/iOS 上預設為 pcm_44100，在 Android 上預設為 pcm_24000（設定 mp3_* 以強制使用 MP3 串流）

macOS 使用者介面

選單列切換：Talk
Config 分頁：Talk Mode 群組（voice id + interrupt toggle）
覆蓋層：
- Listening：雲端隨麥克風音量脈動
- Thinking：下沉動畫
- Speaking：向外擴散的環狀波紋
- 點擊雲端：停止說話
- 點擊 X：退出 Talk 模式

備註

需要語音 + 麥克風權限。
針對 session key main 使用 chat.send。
TTS 在 macOS/iOS/Android 上使用 ElevenLabs 串流 API 與 ELEVENLABS_API_KEY 進行增量播放，以降低延遲。
stability for eleven_v3 被驗證為 0.0、0.5 或 1.0；其他模型接受 0..1。
當設定 latency_tier 時，會被驗證為 0..4。
Android 支援 pcm_16000、pcm_22050、pcm_24000 和 pcm_44100 輸出格式，以進行低延遲 AudioTrack 串流。