โหมดTalk¶

โหมดTalkคือวงจรการสนทนาด้วยเสียงอย่างต่อเนื่อง:

1. ฟังเสียงพูด
2. ส่งถอดเสียงไปยังโมเดล (เซสชันหลัก, chat.send)
3. รอการตอบกลับ
4. พูดออกเสียงผ่าน ElevenLabs (การเล่นแบบสตรีม)

พฤติกรรม (macOS)¶

• โอเวอร์เลย์เปิดตลอด ขณะที่เปิดใช้งานโหมดTalk
• การเปลี่ยนสถานะระหว่าง Listening → Thinking → Speaking
• เมื่อมี การหยุดสั้นๆ (ช่วงเงียบ) ระบบจะส่งถอดเสียงปัจจุบัน
• คำตอบจะ ถูกเขียนไปยัง WebChat (เช่นเดียวกับการพิมพ์)
• ขัดจังหวะเมื่อมีเสียงพูด (เปิดเป็นค่าเริ่มต้น): หากผู้ใช้เริ่มพูดขณะผู้ช่วยกำลังพูด ระบบจะหยุดการเล่นและบันทึกเวลาที่ถูกขัดจังหวะสำหรับพรอมป์ถัดไป

คำสั่งเสียงในคำตอบ¶

ผู้ช่วยอาจใส่คำนำหน้าคำตอบด้วย บรรทัด JSON เดียว เพื่อควบคุมเสียง:

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

กฎ:

• ใช้เฉพาะบรรทัดแรกที่ไม่ว่าง
• คีย์ที่ไม่รู้จักจะถูกละเว้น
• once: true ใช้กับคำตอบปัจจุบันเท่านั้น
• หากไม่มี once เสียงนั้นจะกลายเป็นค่าเริ่มต้นใหม่ของโหมดTalk
• บรรทัด JSON จะถูกตัดออกก่อนการเล่น TTS

คีย์ที่รองรับ:

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

คอนฟิก (~/.openclaw/openclaw.json)¶

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

ค่าเริ่มต้น:

• interruptOnSpeech: true
• voiceId: ถอยกลับไปใช้ ELEVENLABS_VOICE_ID / SAG_VOICE_ID (หรือเสียง ElevenLabs ตัวแรกเมื่อมีคีย์ API)
• modelId: ค่าเริ่มต้นเป็น eleven_v3 เมื่อไม่ตั้งค่า
• apiKey: ถอยกลับไปใช้ ELEVENLABS_API_KEY (หรือโปรไฟล์เชลล์ของGatewayหากมี)
• outputFormat: ค่าเริ่มต้นเป็น pcm_44100 บน macOS/iOS และ pcm_24000 บน Android (ตั้งค่า mp3_* เพื่อบังคับสตรีม MP3)

UI บน macOS¶

• สวิตช์เมนูบาร์: Talk
• แท็บคอนฟิก: กลุ่ม Talk Mode (voice id + สวิตช์การขัดจังหวะ)
• โอเวอร์เลย์:
• Listening: เมฆเต้นตามระดับไมค์
• Thinking: แอนิเมชันจมลง
• Speaking: วงแหวนแผ่ออก
• คลิกเมฆ: หยุดการพูด
• คลิก X: ออกจากโหมดTalk

หมายเหตุ¶

• ต้องการสิทธิ์ Speech และ Microphone
• ใช้ chat.send กับคีย์เซสชัน main
• TTS ใช้ ElevenLabs streaming API พร้อม ELEVENLABS_API_KEY และการเล่นแบบเพิ่มทีละส่วนบน macOS/iOS/Android เพื่อลดความหน่วง
• stability สำหรับ eleven_v3 จะถูกตรวจสอบให้เป็น 0.0, 0.5, หรือ 1.0; โมเดลอื่นยอมรับ 0..1
• latency_tier จะถูกตรวจสอบให้เป็น 0..4 เมื่อมีการตั้งค่า
• Android รองรับรูปแบบเอาต์พุต pcm_16000, pcm_22050, pcm_24000, และ pcm_44100 สำหรับการสตรีม AudioTrack แบบหน่วงต่ำ