Skip to main content

Documentation Index

Fetch the complete documentation index at: https://openclaw.zhcndoc.com/llms.txt

Use this file to discover all available pages before exploring further.

Talk 模式是一个持续的语音对话循环：
  1. 监听语音
  2. 将转写内容发送给模型（主会话，chat.send）
  3. 等待响应
  4. 通过已配置的 Talk 提供商朗读（talk.speak）

​
行为（macOS）

  • 启用 Talk 模式时显示始终开启的覆盖层。
  • Listening → Thinking → Speaking 阶段转换。
  • 在短暂停顿（静音窗口）时，发送当前转写内容。
  • 回复会写入 WebChat（与手动输入相同）。
  • 语音打断（默认开启）：如果用户在助手说话时开始讲话，我们会停止播放，并记录中断时间戳以供下一个提示使用。

​
回复中的语音指令

助手可以在回复前添加一行单独的 JSON 行来控制语音： 
{ "voice": "<voice-id>", "once": true }
规则：
  • 只能作为第一条非空行。
  • 未知键会被忽略。
  • once: true 仅应用于当前回复。
  • 如果没有 once，该语音会成为 Talk 模式的新默认语音。
  • 在 TTS 播放前会移除这行 JSON。
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: {
    provider: "elevenlabs",
    providers: {
      elevenlabs: {
        voiceId: "elevenlabs_voice_id",
        modelId: "eleven_v3",
        outputFormat: "mp3_44100_128",
        apiKey: "elevenlabs_api_key",
      },
      mlx: {
        modelId: "mlx-community/Soprano-80M-bf16",
      },
      system: {},
    },
    speechLocale: "ru-RU",
    silenceTimeoutMs: 1500,
    interruptOnSpeech: true,
  },
}
默认值：
  • interruptOnSpeech: true
  • silenceTimeoutMs: 未设置时，Talk 会在发送转写内容前保持平台默认的停顿窗口（macOS 和 Android 上为 700 ms，iOS 上为 900 ms）
  • provider: 选择当前激活的 Talk 提供商。对 macOS 本地播放路径使用 elevenlabs、mlx 或 system。
  • providers.<provider>.voiceId: 对 ElevenLabs 回退到 ELEVENLABS_VOICE_ID / SAG_VOICE_ID（如果 API key 可用，则回退到第一个 ElevenLabs 语音）。
  • providers.elevenlabs.modelId: 未设置时默认为 eleven_v3。
  • providers.mlx.modelId: 未设置时默认为 mlx-community/Soprano-80M-bf16。
  • providers.elevenlabs.apiKey: 回退到 ELEVENLABS_API_KEY（或可用时回退到 gateway shell 配置文件）。
  • speechLocale: iOS/macOS 上设备端 Talk 语音识别的可选 BCP 47 区域标识。留空则使用设备默认值。
  • outputFormat: macOS/iOS 上默认为 pcm_44100，Android 上默认为 pcm_24000（设置为 mp3_* 可强制使用 MP3 流式传输）

​
macOS 界面

  • 菜单栏开关：Talk
  • 配置选项卡：Talk Mode 组（voice id + interrupt 切换）
  • 覆盖层：
    • Listening：云朵随麦克风音量脉冲变化
    • Thinking：下沉动画
    • Speaking：辐射环
    • 点击云朵：停止说话
    • 点击 X：退出 Talk 模式

​
Android 界面

  • Voice 选项卡开关：Talk
  • 手动 Mic 和 Talk 在运行时是互斥的捕获模式。
  • 当应用离开前台或用户离开 Voice 选项卡时，手动 Mic 会停止。
  • Talk Mode 会持续运行，直到被切换关闭或 Android 节点断开；激活期间会使用 Android 的麦克风前台服务类型。

​
备注

  • 需要 Speech + Microphone 权限。
  • 使用会话键 main 执行 chat.send。
  • gateway 通过当前激活的 Talk 提供商使用 talk.speak 解析 Talk 播放。仅当该 RPC 不可用时，Android 才会回退到本地系统 TTS。
  • macOS 本地 MLX 播放在可用时使用内置的 openclaw-mlx-tts 辅助程序，或者使用 PATH 上的可执行文件。开发期间可将 OPENCLAW_MLX_TTS_BIN 设置为指向自定义辅助程序二进制文件。
  • eleven_v3 的 stability 会被验证为 0.0、0.5 或 1.0；其他模型接受 0..1。
  • 设置 latency_tier 时会被验证为 0..4。
  • Android 支持 pcm_16000、pcm_22050、pcm_24000 和 pcm_44100 输出格式，用于低延迟 AudioTrack 流式传输。

​
相关内容