ClawCN - OpenClaw 中文版

主题

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. 将转录文本发送到模型(主会话,chat.send)
  3. 等待响应
  4. 通过 ElevenLabs 播放语音(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 → 说话的阶段转换。
  • 在短暂停顿(静默窗口)时,发送当前转录文本。
  • 回复写入 WebChat(与键入相同)。
  • 语音中断(默认开启):如果用户在助手说话时开始讲话,我们会停止播放并记录中断时间戳用于下一个提示。

回复中的语音指令 ​

助手可以在其回复前加上单行 JSON 来控制语音:

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

规则:

  • 仅限第一个非空行。
  • 未知键会被忽略。
  • once: true 仅适用于当前回复。
  • 没有 once 时,该语音将成为对话模式的新默认设置。
  • 在 TTS 播放前会移除 JSON 行。

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) ​

json5
{
  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 (或当 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 (或网关 shell 配置文件,如果可用)
  • outputFormat: 在 macOS/iOS 上默认为 pcm_44100,在 Android 上默认为 pcm_24000 (设置 mp3_* 以强制使用 MP3 流式传输)

macOS 用户界面 ​

  • 菜单栏切换:对话
  • 配置标签:对话模式组(语音 ID + 中断切换)
  • 悬浮窗:
    • 监听中:云图标随麦克风音量脉动
    • 思考中:下沉动画
    • 说话中:辐射波纹
    • 点击云图标:停止说话
    • 点击 X:退出对话模式

注意事项 ​

  • 需要语音 + 麦克风权限。
  • 使用 chat.send 针对会话键 main。
  • TTS 使用 ElevenLabs 流式 API,在 macOS/iOS/Android 上使用 ELEVENLABS_API_KEY 和增量播放以降低延迟。
  • eleven_v3 的 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。