跳转到主要内容

Documentation Index

Fetch the complete documentation index at: https://docs.openclaw.ai/llms.txt

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

通话模式是一个连续语音对话循环：
  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. 通过已配置的通话提供商朗读响应（talk.speak）

​
行为（macOS）

  • 启用通话模式时，显示常驻悬浮层。
  • 在监听 → 思考 → 朗读阶段之间切换。
  • 在短暂停顿（静音窗口）后，发送当前转录文本。
  • 回复会写入 WebChat（与手动输入相同）。
  • 语音打断（默认开启）：如果智能体正在朗读时用户开始说话，我们会停止播放，并记录打断时间戳，以供下一个提示使用。

​
回复中的语音指令

智能体可以在回复前添加单独一行 JSON 来控制语音： 
{ "voice": "<voice-id>", "once": true }
规则：
  • 仅第一条非空行有效。
  • 未知键会被忽略。
  • once: true 仅应用于当前这次回复。
  • 如果没有 once，该语音会成为通话模式新的默认语音。
  • 在 TTS 播放前，这一行 JSON 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: {
    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，通话模式会在发送转录文本前使用平台默认的停顿窗口（macOS 和 Android 为 700 ms，iOS 为 900 ms）
  • provider：选择当前启用的通话提供商。对于 macOS 本地播放路径，可使用 elevenlabs、mlx 或 system。
  • providers.<provider>.voiceId：对于 ElevenLabs，会回退到 ELEVENLABS_VOICE_ID / SAG_VOICE_ID（或者在 API key 可用时使用第一个 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：会回退到 ELEVENLABS_API_KEY（如果可用，也可使用 Gateway 网关 shell 配置文件中的值）。
  • speechLocale：可选的 BCP 47 区域设置 ID，用于 iOS / macOS 上设备端通话语音识别。不设置则使用设备默认值。
  • outputFormat：在 macOS / iOS 上默认是 pcm_44100，在 Android 上默认是 pcm_24000（设置 mp3_* 可强制使用 MP3 流式传输）

​
macOS UI

  • 菜单栏开关：Talk
  • 配置标签页：Talk Mode 分组（voice id + 打断开关）
  • 悬浮层：
    • Listening：云朵随麦克风音量脉动
    • Thinking：下沉动画
    • Speaking：向外辐射的圆环
    • 点击云朵：停止朗读
    • 点击 X：退出通话模式

​
Android UI

  • 语音标签页开关：Talk
  • 手动 Mic 和 Talk 是互斥的运行时采集模式。
  • 当应用离开前台或用户离开语音标签页时，手动 Mic 会停止。
  • Talk Mode 会持续运行，直到被关闭或 Android 节点断开连接，并且在启用期间使用 Android 麦克风前台服务类型。

​
说明

  • 需要语音和麦克风权限。
  • 使用会话键 main 对 chat.send 发起调用。
  • Gateway 网关会使用当前启用的通话提供商，通过 talk.speak 解析通话播放。只有在该 RPC 不可用时，Android 才会回退到本地系统 TTS。
  • macOS 本地 MLX 播放会在可用时使用内置的 openclaw-mlx-tts helper，或者使用 PATH 上的可执行文件。开发时可设置 OPENCLAW_MLX_TTS_BIN，指向自定义 helper 二进制文件。
  • eleven_v3 的 stability 会校验为 0.0、0.5 或 1.0；其他模型接受 0..1。
  • 设置 latency_tier 时，会校验其范围为 0..4。
  • Android 支持 pcm_16000、pcm_22050、pcm_24000 和 pcm_44100 输出格式，以实现低延迟 AudioTrack 流式传输。

​
相关内容