وضع المحادثة

وضع المحادثة هو حلقة محادثة صوتية مستمرة:

1. الاستماع للكلام
2. إرسال النص المنقول إلى النموذج (الجلسة الرئيسية، chat.send)
3. انتظار الرد
4. نطقه عبر ElevenLabs (تشغيل البث)

السلوك (macOS)

• طبقة شفافة دائمة الظهور أثناء تفعيل وضع المحادثة.
• انتقالات المراحل: الاستماع → التفكير → التحدث.
• عند توقف قصير (نافذة صمت)، يتم إرسال النص المنقول الحالي.
• يتم كتابة الردود في WebChat (كما هو الحال عند الكتابة).
• مقاطعة عند الكلام (مفعلة افتراضيًا): إذا بدأ المستخدم بالكلام أثناء تحدث المساعد، نقوم بإيقاف التشغيل وتسجيل طابع زمني للمقاطعة للاستعلام التالي.

التوجيهات الصوتية في الردود

قد يسبق المساعد رده بسطر JSON واحد للتحكم في الصوت:

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

القواعد:

• أول سطر غير فارغ فقط.
• يتم تجاهل المفاتيح غير المعروفة.
• once: true تنطبق على الرد الحالي فقط.
• بدون once، يصبح الصوت هو الافتراضي الجديد لوضع المحادثة.
• يتم إزالة سطر JSON قبل تشغيل TTS.

المفاتيح المدعومة:

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

التكوين (~/.openclaw/openclaw.json)

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

الإعدادات الافتراضية:

• interruptOnSpeech: true
• voiceId: يتراجع إلى ELEVENLABS_VOICE_ID / SAG_VOICE_ID (أو أول صوت ElevenLabs عند توفر مفتاح API)
• modelId: الافتراضي هو eleven_v3 عند عدم التعيين
• apiKey: يتراجع إلى ELEVENLABS_API_KEY (أو ملف تعريف shell للبوابة إذا كان متاحًا)
• outputFormat: الافتراضي هو pcm_44100 على macOS/iOS و pcm_24000 على Android (اضبط mp3_* لإجبار بث MP3)

واجهة المستخدم لنظام macOS

• تبديل شريط القائمة: محادثة
• علامة التبويب التكوين: مجموعة وضع المحادثة (معرف الصوت + تبديل المقاطعة)
• الطبقة الشفافة:
  • الاستماع: سحابة تنبض مع مستوى الميكروفون
  • التفكير: رسوم متحركة للغوص
  • التحدث: حلقات مشعة
  • انقر على السحابة: إيقاف التحدث
  • انقر على X: الخروج من وضع المحادثة

ملاحظات

• يتطلب أذونات التعرف على الكلام + الميكروفون.
• يستخدم chat.send مع مفتاح الجلسة main.
• يستخدم TTS واجهة برمجة تطبيقات البث من ElevenLabs مع ELEVENLABS_API_KEY والتشغيل التدريجي على macOS/iOS/Android لكمون أقل.
• يتم التحقق من صحة stability لـ eleven_v3 لتكون 0.0، أو 0.5، أو 1.0؛ النماذج الأخرى تقبل 0..1.
• يتم التحقق من صحة latency_tier لتكون 0..4 عند تعيينها.
• يدعم Android تنسيقات الإخراج pcm_16000، pcm_22050، pcm_24000، و pcm_44100 لبث AudioTrack منخفض الكمون.

التقاط الكاميراإيقاظ الصوت