交谈模式

交谈模式是一种持续的语音对话循环： 1) 听取语音 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进行流式播放

行为（macOS）

• 始终显示的图层：当开启交谈模式时始终显示。
• 听→思考→说的阶段转换。
• 在短暂停顿（静音窗口）时，发送当前转录文本。
• 回复内容会写入WebChat（与手动输入相同）。
• 语音中断功能（默认开启）：如果用户在助手说话时开始说话，我们会停止播放，并记录中断时间戳以供下一次提示使用。

回复中的语音指令

助手可能在其回复前加上一个单独的JSON行来控制语音： json “``````json {“voice”:”","once":true}

规则：
- 仅处理第一行非空内容。
- 未知的键会被忽略。
- `once: true` 仅对当前回复生效。
- 如果没有 `once`，则语音会成为“Talk模式”的新默认设置。
- 在TTS播放前，JSON行会被去除前后空格。

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`

## 配置文件 (`~/.clawdbot/clawdbot.json`)
json5
{
  "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（或当 API 密钥可用时使用第一个 ElevenLabs 语音）
• modelId: 未设置时默认为 eleven_v3
• apiKey: 回退到 ELEVENLABS_API_KEY（或如果可用则使用网关 shell 配置文件）
• outputFormat: 在 macOS/iOS 上默认为 pcm_44100，在 Android 上默认为 pcm_24000（设置为 mp3_* 可强制使用 MP3 流式传输）

macOS 界面

• 菜单栏切换按钮：Talk
• 配置标签页：Talk Mode 组（语音 ID + 中断切换）
• 覆盖层：
  • Listening：云朵脉冲显示麦克风音量
  • Thinking：下沉动画
  • Speaking：辐射环动画
  • 点击云朵：停止说话
  • 点击 X：退出 Talk 模式

注意事项

• 需要 Speech 和 Microphone 权限。
• 使用 chat.send 对 session key main 进行操作。
• TTS 使用 ElevenLabs 流式 API，并在 macOS/iOS/Android 上使用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。
• 当设置 latency_tier 时，其有效值为 0..4。
• Android 支持 pcm_16000、pcm_22050、pcm_24000 和 pcm_44100 的输出格式，用于低延迟的 AudioTrack 流式传输。