Talk Mode

Talk mode 是一个连续的语音对话循环：

1. 监听语音输入
2. 将语音转文字后发送给模型（main session，chat.send）
3. 等待响应
4. 通过 ElevenLabs 播放语音（Streaming 播放）

行为特性（macOS）

• 常驻悬浮窗：Talk mode 启用时会一直显示
• 监听 → 思考 → 说话：三个阶段的转换
• 短暂停顿：检测到静音窗口时，当前的语音转录会被发送
• 回复写入 WebChat：和打字输入一样
• 语音中断（默认开启）：如果你在助手说话时开始讲话，会停止播放并记录中断时间戳，用于下一个 Prompt

回复中的语音指令

助手可以在回复开头加一行 JSON 指令来控制语音：

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

规则：

• 只能在第一个非空行
• 未知的键会被忽略
• once: true 只对当前回复生效
• 不加 once 时，语音会成为 Talk mode 的新默认值
• JSON 行在 TTS 播放前会被移除

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（或在 API key 可用时使用第一个 ElevenLabs 语音）
• modelId：未设置时默认为 eleven_v3
• apiKey：回退到 ELEVENLABS_API_KEY（或 Gateway shell profile 中的配置）
• 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 Streaming）

macOS 界面

• 菜单栏切换：Talk
• 配置标签页：Talk Mode 组（语音 ID + 中断开关）
• 悬浮窗：
  • 监听中：云朵随麦克风音量脉动
  • 思考中：下沉动画
  • 说话中：辐射波纹
  • 点击云朵：停止说话
  • 点击 X：退出 Talk mode

注意事项

• 需要语音和麦克风权限
• 使用 chat.send 对 session key main 发送消息
• TTS 使用 ElevenLabs Streaming API，配合 ELEVENLABS_API_KEY 在 macOS/iOS/Android 上实现增量播放，降低延迟
• eleven_v3 的 stability 只能是 0.0、0.5 或 1.0；其他模型接受 0..1 范围
• latency_tier 设置时会验证范围 0..4
• Android 支持 pcm_16000、pcm_22050、pcm_24000 和 pcm_44100 输出格式，用于低延迟 AudioTrack Streaming