对话模式

适用范围

在以下情况使用本页：

• 在 macOS/iOS/Android 上实现对话模式
• 更改语音/TTS/中断行为

对话模式是一个连续的语音对话循环：

1. 监听语音
2. 将转录发送到模型（主会话，chat.send）
3. 等待响应
4. 通过 ElevenLabs 播放（流式播放）

行为（macOS）

• 启用对话模式时的常驻覆盖层。
• 监听 → 思考 → 说话阶段转换。
• 在短暂停（静音窗口）时，发送当前转录。
• 回复写入 WebChat（与键入相同）。
• 语音中断（默认开启）：如果用户在助手说话时开始说话，我们停止播放并记录中断时间戳以供下一个提示使用。

回复中的语音指令

助手可以在回复前加上单行 JSON来控制语音：

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

规则：

• 仅第一行非空行。
• 忽略未知键。
• once: true 仅适用于当前回复。
• 没有 once，语音将成为对话模式的新默认值。
• JSON 行在 TTS 播放前被剥离。

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（~/.clawdbot/clawdbot.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（或在 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（或可用的 gateway shell 配置文件）
• 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 UI

• 菜单栏切换：对话
• 配置选项卡：对话模式组（语音 ID + 中断切换）
• 覆盖层：
  • 监听：云随麦克风级别脉动
  • 思考：下沉动画
  • 说话：辐射环
  • 点击云：停止说话
  • 点击 X：退出对话模式

注意事项

• 需要语音 + 麦克风权限。
• 使用会话密钥 main 的 chat.send。
• TTS 使用 ElevenLabs 流式 API，带有 ELEVENLABS_API_KEY，并在 macOS/iOS/Android 上进行增量播放以降低延迟。
• eleven_v3 的 stability 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，用于低延迟 AudioTrack 流式传输。