Talk Mode 是 OpenClaw 的语音对话功能—— 不用打字，直接说话，AI 用语音回答你。 手不方便的时候，这个功能特别好用。
完整交互链路
你说话（麦克风）
↓ 语音录制（Node App）
↓ STT 语音识别（转文字）
↓ 文字发送到 OpenClaw Gateway
AI 处理（Claude）
↓ 文字回复
↓ TTS 文字转语音
你听到 AI 的语音回复
整个过程：说话 → 2-4 秒 → 听到 AI 回答
启用 Talk Mode
Talk Mode 需要已配对的 Node 设备（iOS/Android/macOS）。
iOS 配置
在 OpenClaw iOS App 中：
设置 → Talk Mode → 启用
选择语音识别语言：中文（普通话）/ English
配置 TTS 引擎
macOS 配置
json
{
"nodeHost": {
"talk": {
"enabled": true,
"inputDevice": "default",
"language": "zh-CN",
"tts": {
"engine": "system",
"voice": "Tingting"
}
}
}
}Android 配置
在 OpenClaw Android App 中：
设置 → 语音功能 → Talk Mode
选择语言：中文（简体）
TTS 语音引擎选择
OpenClaw 支持多种 TTS 引擎：
| 引擎 | 音质 | 延迟 | 费用 |
|---|---|---|---|
| 系统 TTS（iOS/macOS/Android） | ⭐⭐⭐ | 极低 | 免费 |
| ElevenLabs | ⭐⭐⭐⭐⭐ | 低 | 按字符计费 |
| OpenAI TTS | ⭐⭐⭐⭐ | 低 | 按字符计费 |
配置 ElevenLabs（最自然的语音）：
json
{
"tts": {
"provider": "elevenlabs",
"apiKey": "your-elevenlabs-key",
"voice": "Sarah",
"model": "eleven_turbo_v2_5"
}
}Voice Wake（语音唤醒词）
Voice Wake 让你不需要点击，直接喊唤醒词就能开始对话：
json
{
"voiceWake": {
"enabled": true,
"keyword": "Hey Claw",
"language": "en-US",
"sensitivity": 0.7
}
}中文唤醒词：
json
{
"keyword": "你好助手",
"language": "zh-CN"
}工作流程：
你说「Hey Claw」
↓ 唤醒词检测（本地处理，不联网）
↓ 开始录音（3-10 秒）
你说出问题
↓ 自动停止录音（静音检测）
↓ 发送到 AI 处理
AI 语音回复
延迟优化
影响 Talk Mode 延迟的关键因素：
1. STT 语音识别延迟
- 系统 STT（iOS/macOS）最快（本地处理）
- 建议优先使用本地 STT
2. AI 处理延迟
- 使用 claude-haiku-4-5（比 Sonnet 快 3-5 倍）
- 对于语音场景，速度比精度重要
3. TTS 语音合成延迟
- 系统 TTS 最快（本地处理）
- ElevenLabs 延迟约 300-500ms
推荐组合（低延迟配置）：
STT: 系统（本地）
AI: claude-haiku-4-5
TTS: 系统（本地）
总延迟: 约 1-2 秒
典型使用场景
场景一：车载语音助手
开车时：
「Hey Claw，导航到最近的加油站」
「帮我发消息给张三，说我晚点到」
「今天有什么重要邮件吗？」
场景二：烹饪助手
双手沾满面粉时：
「下一步是什么？」（询问食谱步骤）
「这个菜要加多少盐？」
「计时 5 分钟」
场景三：健身陪练
运动时：
「帮我记录今天跑了 5 公里」
「俯卧撑做了 30 个」
「给我一个热身建议」
Talk Mode + 摄像头：多模态语音交互
结合 Node 的摄像头能力：
你：「这道菜熟了吗？」（说话同时触发摄像头拍照）
AI：[分析摄像头图片] 从照片看，肉的颜色还偏粉，
建议再煮 3-5 分钟
来源：OpenClaw 官方文档 - docs.openclaw.ai/nodes/talk