Skip to main content

​
对话模式

对话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 朗读（流式播放）

​
行为（macOS）

  • 启用对话模式时，始终显示覆盖层。
  • 包含 监听 → 思考 → 讲话 阶段转换。
  • 在 短暂停顿（静默窗口）时，发送当前转录文本。
  • 回复被 写入 WebChat（同于输入）。
  • 检测语音中断（默认开启）：用户在助理讲话时开始说话，我们会停止播放并记录中断时间戳用于下次提示。

​
回复中的语音指令

助理可能会在回复前以一行 JSON 格式 前缀来控制语音： 
{ "voice": "<voice-id>", "once": true }
规则：
  • 仅限第一条非空行。
  • 未知键将被忽略。
  • once: true 仅应用于当前回复。
  • 无 once 时，语音设置将成为对话模式的新默认。
  • 该 JSON 行会在 TTS 播放前被移除。
支持的键：
  • voice / voice_id / voiceId
  • model / model_id / modelId
  • speed，rate（词/分钟），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：回退使用 ELEVENLABS_VOICE_ID / SAG_VOICE_ID（或 API key 可用时第一个 ElevenLabs 语音）
  • modelId：未设置时默认 eleven_v3
  • apiKey：回退使用 ELEVENLABS_API_KEY（或可用时的 gateway shell 配置）
  • outputFormat：macOS/iOS 默认 pcm_44100，Android 默认 pcm_24000（设置为 mp3_* 可强制使用 MP3 流）

​
macOS 界面

  • 菜单栏切换项：对话
  • 配置页签：对话模式 分组（语音 ID + 中断开关）
  • 覆盖层：
    • 监听：云朵随麦克风音量闪动
    • 思考：下沉动画
    • 讲话：辐射环动画
    • 点击云朵：停止讲话
    • 点击 X：退出对话模式

​
注意事项

  • 需要语音识别和麦克风权限。
  • 使用 chat.send 针对会话键 main。
  • TTS 使用带有 ELEVENLABS_API_KEY 的 ElevenLabs 流式 API，在 macOS/iOS/Android 上实现增量播放以降低延迟。
  • eleven_v3 语音的 stability 仅接受 0.0、0.5 或 1.0，其他模型则接受 [0..1] 区间值。
  • 设置时 latency_tier 被验证在 [0..4] 范围。
  • 安卓支持 pcm_16000、pcm_22050、pcm_24000 和 pcm_44100 输出格式，用于低延迟 AudioTrack 流式播放。