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. 将转录发送给模型（主会话，chat.send）
3. 等待响应
4. 通过ElevenLabs播放（流式播放）

行为 (macOS)

• 启用对话模式时，始终显示叠加层。
• 监听 → 思考 → 发言阶段转换。
• 在短暂暂停（静音窗口）时，发送当前转录。
• 回复会写入WebChat（与输入相同）。
• 语音中断（默认开启）：如果用户在助手发言时开始说话，我们将停止播放并记录中断时间戳以供下次提示使用。

回复中的语音指令

助手可能会在其回复前加上单行JSON来控制语音：

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

规则：

• 仅第一行非空行有效。
• 未知键被忽略。
• 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值。
• 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)

{
  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API密钥可用时的第一个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MP3流式传输）

macOS界面

• 菜单栏切换：对话
• 配置选项卡：对话模式组（语音ID + 中断切换）
• 叠加层：
  • 监听：云脉冲随麦克风级别变化
  • 思考：下沉动画
  • 发言：辐射环
  • 点击云：停止发言
  • 点击X：退出对话模式

注意事项

• 需要语音和麦克风权限。
• 使用chat.send针对会话密钥main。
• TTS使用ElevenLabs流式API，结合ELEVENLABS_API_KEY并在macOS/iOS/Android上进行增量播放以降低延迟。
• stability对于eleven_v3验证为0.0，0.5，或1.0；其他模型接受0..1。
• 设置latency_tier时验证为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。