Talk Mode

Talk mode 是连续语音对话循环：

1. 监听语音
2. 将转录发送到模型（主会话，chat.send）
3. 等待响应
4. 通过 ElevenLabs（流式播放）说出来

行为（macOS）

• 始终在线的覆盖层，当 Talk 模式启用时。
• 监听 → 思考 → 说话阶段转换。
• 在短暂停（静默窗口）上，当前转录被发送。
• 回复写入 WebChat（与输入相同）。
• 语音中断（默认开启）：如果用户在助手说话时开始说话，我们停止播放并记录中断时间戳以用于下一个提示。

回复中的语音指令

助手可以回复前缀单行 JSON来控制语音：

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

规则：

• 仅第一非空行。
• 未知键被忽略。
• once: true 仅适用于当前回复。
• 没有 once，语音成为 Talk 模式的新默认值。
• 在 TTS 播放之前，JSON 行被剥离。

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: 回退到 ELEVENLABS_VOICE_ID / SAG_VOICE_ID（或第一个可用的 ElevenLabs 语音，当 API 密钥可用时）
• modelId: 未设置时默认为 eleven_v3
• apiKey: 回退到 ELEVENLABS_API_KEY（或可用的网关 shell 配置文件）
• outputFormat: 在 macOS/iOS 上默认为 pcm_44100，在 Android 上默认为 pcm_24000（设置 mp3_* 以强制 MP3 流式传输）

macOS UI

• 菜单栏切换：Talk
• 配置标签页：Talk Mode 组（语音 id + 中断切换）
• 覆盖层：
  • Listening: 云朵随着电平脉冲
  • 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

注意事项

• 需要 Speech + Microphone 权限。
• 使用会话键 main 调用 chat.send。
• TTS 使用 ElevenLabs 流式 API 和 ELEVENLABS_API_KEY 以及在 macOS/iOS/Android 上的增量播放，以实现更低延迟。
• 对于 eleven_v3，stability 被验证为 0.0、0.5 或 1.0；其他模型接受 0..1。
• latency_tier 在设置时被验证为 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。