openclaw/docs/zh-CN/nodes/talk.md

read_when, summary, title, x-i18n

read_when	summary	title	x-i18n
在 macOS/iOS/Android 上实现对话模式 更改语音/TTS/打断行为	对话模式：使用 ElevenLabs TTS 进行连续语音对话	对话模式	generated_at model provider source_hash source_path workflow 2026-02-01T21:18:51Z claude-opus-4-5 pi ecbc3701c9e9502970cf13227fedbc9714d13668d8f4f3988fef2a4d68116a42 nodes/talk.md 15

对话模式

对话模式是一个连续的语音对话循环：

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）

• 启用对话模式时显示常驻悬浮窗。
• 监听 → 思考 → 朗读阶段切换。
• 短暂停顿（静音窗口）后，当前转录文本会被发送。
• 回复会写入 WebChat（与打字相同）。
• 语音打断（默认开启）：如果用户在助手朗读时开始说话，会停止播放并记录打断时间戳用于下一次提示。

回复中的语音指令

助手可以在回复前添加单行 JSON 来控制语音：

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

规则：

• 仅限第一个非空行。
• 未知键会被忽略。
• once: true 仅应用于当前回复。
• 不带 once 时，该语音将成为对话模式的新默认语音。
• 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 密钥可用时使用第一个 ElevenLabs 语音）
• modelId：未设置时默认为 eleven_v3
• apiKey：回退到 ELEVENLABS_API_KEY（或 Gateway网关 shell 配置文件，如可用）
• outputFormat：macOS/iOS 默认为 pcm_44100，Android 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 + 打断开关）
• 悬浮窗：
  • 监听中：云朵随麦克风音量脉动
  • 思考中：下沉动画
  • 朗读中：辐射圆环
  • 点击云朵：停止朗读
  • 点击 X：退出对话模式

注意事项

• 需要语音识别 + 麦克风权限。
• 使用 chat.send 对会话键 main 发送。
• TTS 使用 ElevenLabs 流式 API，配合 ELEVENLABS_API_KEY，在 macOS/iOS/Android 上进行增量播放以降低延迟。
• eleven_v3 的 stability 验证值为 0.0、0.5 或 1.0；其他模型接受 0..1。
• latency_tier 设置时验证值为 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。