Médias et périphériques

Mode Conversation

Le mode Conversation est une boucle de conversation vocale continue :

Écoute de la parole
Envoi de la transcription au modèle (session principale, chat.send)
Attente de la réponse
Lecture vocale via ElevenLabs (lecture en flux)

Comportement (macOS)

Superposition toujours visible tant que le mode Conversation est activé.
Transitions de phases : Écoute → Réflexion → Parole.
Sur une courte pause (fenêtre de silence), la transcription en cours est envoyée.
Les réponses sont écrites dans le WebChat (comme une saisie).
Interrompre lors de la parole (activé par défaut) : si l'utilisateur commence à parler pendant que l'assistant parle, la lecture est arrêtée et l'horodatage de l'interruption est noté pour l'invite suivante.

Directives vocales dans les réponses

L'assistant peut préfixer sa réponse par une seule ligne JSON pour contrôler la voix :

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

Règles :

Seulement la première ligne non vide.
Les clés inconnues sont ignorées.
once: true s'applique uniquement à la réponse en cours.
Sans once, la voix devient la nouvelle valeur par défaut pour le mode Conversation.
La ligne JSON est supprimée avant la lecture TTS.

Clés prises en charge :

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

Configuration (~/.openclaw/openclaw.json)

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

Valeurs par défaut :

interruptOnSpeech: true
voiceId: utilise en secours ELEVENLABS_VOICE_ID / SAG_VOICE_ID (ou la première voix ElevenLabs si la clé API est disponible)
modelId: par défaut eleven_v3 si non défini
apiKey: utilise en secours ELEVENLABS_API_KEY (ou le profil du shell de la passerelle si disponible)
outputFormat: par défaut pcm_44100 sur macOS/iOS et pcm_24000 sur Android (définir mp3_* pour forcer la diffusion MP3)

Interface utilisateur macOS

Bouton de la barre des menus : Conversation
Onglet de configuration : groupe Mode Conversation (identifiant de voix + interrupteur d'interruption)
Superposition :
- Écoute : nuage pulsant avec le niveau du micro
- Réflexion : animation d'enfoncement
- Parole : cercles rayonnants
- Cliquer sur le nuage : arrêter la parole
- Cliquer sur X : quitter le mode Conversation

Notes

Nécessite les autorisations Reconnaissance vocale + Microphone.
Utilise chat.send avec la clé de session main.
La synthèse vocale utilise l'API de flux ElevenLabs avec ELEVENLABS_API_KEY et une lecture incrémentale sur macOS/iOS/Android pour une latence réduite.
stability pour eleven_v3 est validée à 0.0, 0.5, ou 1.0 ; les autres modèles acceptent 0..1.
latency_tier est validée à 0..4 si définie.
Android prend en charge les formats de sortie pcm_16000, pcm_22050, pcm_24000, et pcm_44100 pour une lecture en flux AudioTrack à faible latence.

Capture Caméra Réveil Vocal