Modo Talk¶

O modo Talk é um loop contínuo de conversa por voz:

1. Ouvir a fala
2. Enviar a transcrição para o modelo (sessão principal, chat.send)
3. Aguardar a resposta
4. Falar via ElevenLabs (reprodução por streaming)

Comportamento (macOS)¶

• Overlay sempre ativo enquanto o modo Talk estiver habilitado.
• Transições de fase Ouvindo → Pensando → Falando.
• Em uma pausa curta (janela de silêncio), a transcrição atual é enviada.
• As respostas são escritas no WebChat (igual a digitar).
• Interromper ao falar (ativado por padrão): se o usuário começar a falar enquanto o assistente está falando, a reprodução é interrompida e o timestamp da interrupção é anotado para o próximo prompt.

Diretivas de voz nas respostas¶

O assistente pode prefixar sua resposta com uma única linha JSON para controlar a voz:

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

Regras:

• Apenas a primeira linha não vazia.
• Chaves desconhecidas são ignoradas.
• once: true se aplica apenas à resposta atual.
• Sem once, a voz passa a ser o novo padrão do modo Talk.
• A linha JSON é removida antes da reprodução TTS.

Chaves suportadas:

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

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

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

Padrões:

• interruptOnSpeech: true
• voiceId: retorna para ELEVENLABS_VOICE_ID / SAG_VOICE_ID (ou a primeira voz da ElevenLabs quando a chave de API estiver disponível)
• modelId: assume eleven_v3 quando não definido
• apiKey: retorna para ELEVENLABS_API_KEY (ou o perfil de shell do gateway, se disponível)
• outputFormat: assume pcm_44100 no macOS/iOS e pcm_24000 no Android (defina mp3_* para forçar streaming MP3)

UI do macOS¶

• Alternador na barra de menu: Talk
• Aba de configuração: grupo Modo Talk (ID da voz + alternador de interrupção)
• Sobreposição:
• Ouvindo: nuvem pulsa com o nível do microfone
• Pensando: animação de afundamento
• Falando: anéis irradiantes
• Clique na nuvem: parar de falar
• Clique no X: sair do modo Talk

Notas¶

• Requer permissões de Fala + Microfone.
• Usa chat.send com a chave de sessão main.
• O TTS usa a API de streaming da ElevenLabs com ELEVENLABS_API_KEY e reprodução incremental no macOS/iOS/Android para menor latência.
• stability para eleven_v3 é validado como 0.0, 0.5 ou 1.0; outros modelos aceitam 0..1.
• latency_tier é validado como 0..4 quando definido.
• O Android oferece suporte aos formatos de saída pcm_16000, pcm_22050, pcm_24000 e pcm_44100 para streaming AudioTrack de baixa latência.