Talk Mode（语音对话模式）

Talk Mode 是一个持续的语音对话循环：

1. 监听语音
2. 将转录文本发送给模型（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 Talk Mode 后始终显示常驻浮窗。
• 监听 → 思考 → 说话 阶段切换。
• 短暂停顿（静默窗口）后，当前转录文本被发送。
• 回复写入 WebChat（与手动输入相同）。
• 说话时打断（默认开启）：用户开始说话时，若助手正在播放语音，则停止播放，并在下次提示中记录打断时间戳。

回复中的语音指令

助手可以在回复开头加一个 单行 JSON 来控制语音：

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

规则：

• 仅首个非空行生效。
• 未知键被忽略。
• once: true 仅对当前回复生效。
• 不带 once 时，voice 成为 Talk Mode 的新默认值。
• 该 JSON 行在 TTS 播放前被剥除。

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",
    silenceTimeoutMs: 1500,
    interruptOnSpeech: true,
  },
}

默认值：

• interruptOnSpeech：true
• silenceTimeoutMs：未设置时使用平台默认停顿窗口（macOS 和 Android 为 700ms，iOS 为 900ms）
• voiceId：回退到 ELEVENLABS_VOICE_ID / SAG_VOICE_ID（或 API key 可用时的第一个 ElevenLabs voice）
• modelId：未设置时默认 eleven_v3
• apiKey：回退到 ELEVENLABS_API_KEY（或网关 shell profile 中的密钥）
• outputFormat：macOS/iOS 默认 pcm_44100，Android 默认 pcm_24000（设置 mp3_* 强制 MP3 流式传输）

macOS UI

• 菜单栏开关：Talk
• 配置标签页：Talk Mode 分组（voice id + 打断开关）
• 浮窗：
  • 监听中：云朵随麦克风电平脉动
  • 思考中：下沉动画
  • 说话中：辐射光环
  • 点击云朵：停止语音播放
  • 点击 X：退出 Talk Mode

注意事项

• 需要语音和麦克风权限。
• 使用 chat.send 对会话键 main 发送消息。
• TTS 使用 ElevenLabs 流式 API，配合 ELEVENLABS_API_KEY 在 macOS/iOS/Android 上进行增量播放以降低延迟。
• eleven_v3 的 stability 有效值为 0.0、0.5 或 1.0；其他模型接受 0..1。
• 设置 latency_tier 时有效值为 0..4。
• Android 支持 pcm_16000、pcm_22050、pcm_24000 和 pcm_44100 输出格式，用于低延迟 AudioTrack 流式播放。