Talk-tilstand¶

Talk-tilstand er et kontinuerligt stemmekonversationsloop:

1. Lyt efter tale
2. Send transskriptionen til modellen (hovedsession, chat.send)
3. Vent på svaret
4. Tal det via ElevenLabs (streaming-afspilning)

Adfærd (macOS)¶

• Altid-aktiv overlay, mens Talk-tilstand er aktiveret.
• Lytter → Tænker → Taler faseovergange.
• Ved en kort pause (stilhedsvindue) sendes den aktuelle transskription.
• Svar skrives til WebChat (samme som at skrive).
• Afbryd ved tale (standard slået til): hvis brugeren begynder at tale, mens assistenten taler, stopper vi afspilningen og noterer afbrydelsestidsstemplet til næste prompt.

Stemmedirektiver i svar¶

Assistenten kan præfiksere sit svar med en enkelt JSON-linje for at styre stemmen:

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

Regler:

• Kun den første ikke-tomme linje.
• Ukendte nøgler ignoreres.
• once: true gælder kun for det aktuelle svar.
• Uden once bliver stemmen den nye standard for Talk-tilstand.
• JSON-linjen fjernes før TTS-afspilning.

Understøttede nøgler:

• voice / voice_id / voiceId
• model / model_id / modelId
• speed, rate (WPM), stability, similarity, style, speakerBoost
• seed, normalize, lang, output_format, latency_tier
• once

Konfiguration (~/.openclaw/openclaw.json)¶

{
  talk: {
    voiceId: "elevenlabs_voice_id",
    modelId: "eleven_v3",
    outputFormat: "mp3_44100_128",
    apiKey: "elevenlabs_api_key",
    interruptOnSpeech: true,
  },
}

Standarder:

• interruptOnSpeech: true
• voiceId: falder tilbage til ELEVENLABS_VOICE_ID / SAG_VOICE_ID (eller den første ElevenLabs-stemme, når API-nøglen er tilgængelig)
• modelId: bruger som standard eleven_v3, når den ikke er sat
• apiKey: falder tilbage til ELEVENLABS_API_KEY (eller gateway shell-profil, hvis tilgængelig)
• outputFormat: bruger som standard pcm_44100 på macOS/iOS og pcm_24000 på Android (sæt mp3_* for at tvinge MP3-streaming)

macOS UI¶

• Menulinje-toggle: Talk
• Konfigurationsfane: Talk-tilstand-gruppe (stemme-id + afbrydelses-toggle)
• Overlejring:
• Lytter: sky pulserer med mikrofonniveau
• Tænker: synkende animation
• Taler: udstrålende ringe
• Klik på skyen: stop med at tale
• Klik på X: afslut Talk-tilstand

Noter¶

• Kræver tale- og mikrofontilladelser.
• Bruger chat.send mod sessionsnøglen main.
• TTS bruger ElevenLabs’ streaming-API med ELEVENLABS_API_KEY og inkrementel afspilning på macOS/iOS/Android for lavere latenstid.
• stability for eleven_v3 valideres til 0.0, 0.5 eller 1.0; andre modeller accepterer 0..1.
• latency_tier valideres til 0..4, når den er sat.
• Android understøtter pcm_16000, pcm_22050, pcm_24000 og pcm_44100 outputformater til lav-latenstid AudioTrack-streaming.