メインコンテンツへスキップ

​
Talk Mode

Talk modeは連続音声会話ループです。
  1. 音声を聞き取る
  2. transcriptをmodelへ送る（main session、chat.send）
  3. 応答を待つ
  4. 設定されたTalk provider（talk.speak）で読み上げる

​
動作（macOS）

  • Talk modeが有効な間は常時表示オーバーレイ。
  • Listening → Thinking → Speaking のフェーズ遷移。
  • 短い一時停止（無音ウィンドウ）で、現在のtranscriptが送信されます。
  • 返信はWebChatに書き込まれます（入力して送る場合と同じ）。
  • 音声による割り込み（デフォルトでオン）: assistantが話している間にユーザーが話し始めると、再生を停止し、次のプロンプトのために割り込みタイムスタンプを記録します。

​
返信内のvoice directive

assistantは、voiceを制御するために返信の先頭へ1行のJSONを付けることがあります。 
{ "voice": "<voice-id>", "once": true }
ルール:
  • 最初の非空行のみ。
  • 不明なキーは無視されます。
  • once: true は現在の返信にのみ適用されます。
  • once がない場合、そのvoiceはTalk modeの新しいデフォルトになります。
  • JSON行はTTS再生前に取り除かれます。
サポートされるキー:
  • voice / voice_id / voiceId
  • model / model_id / modelId
  • speed, rate (WPM), stability, similarity, style, speakerBoost
  • seed, normalize, lang, output_format, latency_tier
  • once

​
Config (~/.openclaw/openclaw.json)

{
  talk: {
    voiceId: "elevenlabs_voice_id",
    modelId: "eleven_v3",
    outputFormat: "mp3_44100_128",
    apiKey: "elevenlabs_api_key",
    silenceTimeoutMs: 1500,
    interruptOnSpeech: true,
  },
}
デフォルト値:
  • interruptOnSpeech: true
  • silenceTimeoutMs: 未設定時、Talkはtranscript送信前のプラットフォームごとのデフォルト一時停止ウィンドウを維持します（macOSとAndroidでは 700 ms、iOSでは 900 ms）
  • voiceId: ELEVENLABS_VOICE_ID / SAG_VOICE_ID へフォールバックします（またはAPI keyが利用可能な場合は最初のElevenLabs voice）
  • modelId: 未設定時は eleven_v3
  • apiKey: ELEVENLABS_API_KEY へフォールバックします（または利用可能ならgateway shell profile）
  • outputFormat: macOS/iOSでは pcm_44100、Androidでは pcm_24000 がデフォルトです（MP3 streamingを強制するには mp3_* を設定してください）

​
macOS UI

  • メニューバートグル: Talk
  • Configタブ: Talk Mode グループ（voice id + interruptトグル）
  • オーバーレイ:
    • Listening: mic levelに応じてcloudが脈動
    • Thinking: 沈み込むアニメーション
    • Speaking: 放射状のリング
    • cloudをクリック: 読み上げ停止
    • Xをクリック: Talk modeを終了

​
注意

  • Speech + Microphone権限が必要です。
  • session key main に対して chat.send を使います。
  • Gatewayは、アクティブなTalk providerを使って talk.speak 経由でTalk再生を解決します。Androidでは、そのRPCが利用できない場合のみローカルsystem TTSへフォールバックします。
  • eleven_v3 の stability は 0.0、0.5、1.0 に検証されます。他のmodelでは 0..1 を受け入れます。
  • latency_tier は設定時に 0..4 として検証されます。
  • Androidは、低遅延のAudioTrack streaming向けに pcm_16000、pcm_22050、pcm_24000、pcm_44100 のoutput formatをサポートします。