> ## Documentation Index > Fetch the complete documentation index at: https://docs2.openclaw.ai/llms.txt > Use this file to discover all available pages before exploring further. # Modo de conversación El modo Talk cubre cinco formas de runtime: * **Talk nativo de macOS/iOS/Android**: reconocimiento de voz local, chat de Gateway y TTS `talk.speak`. Los nodos anuncian la capacidad `talk` y declaran qué comandos `talk.*` admiten. * **Talk de iOS (realtime)**: WebRTC propiedad del cliente para configuraciones realtime de OpenAI que seleccionan el transporte `webrtc` u omiten el transporte. Las configuraciones realtime explícitas de `gateway-relay`, `provider-websocket` y que no son de OpenAI permanecen en el relay propiedad de Gateway; las configuraciones no realtime usan el bucle de voz nativo. * **Talk de navegador**: `talk.client.create` para sesiones `webrtc`/`provider-websocket` propiedad del cliente, o `talk.session.create` para sesiones `gateway-relay` propiedad de Gateway. `managed-room` está reservado para la entrega a Gateway y salas de walkie-talkie. * **Talk de Android (realtime)**: actívalo con `talk.realtime.mode: "realtime"` y `talk.realtime.transport: "gateway-relay"`. De lo contrario, Android permanece en reconocimiento de voz nativo, chat de Gateway y `talk.speak`. * **Clientes solo de transcripción**: `talk.session.create({ mode: "transcription", transport: "gateway-relay", brain: "none" })`, luego `talk.session.appendAudio`, `talk.session.cancelTurn` y `talk.session.close` para subtítulos/dictado sin una respuesta de voz del asistente. Las notas de voz cargadas de una sola vez siguen usando la ruta de audio de [comprensión multimedia](/es/nodes/media-understanding). Talk nativo es un bucle continuo: escucha voz, envía la transcripción al modelo mediante la sesión activa, espera la respuesta y luego la reproduce con voz mediante el proveedor de Talk configurado (`talk.speak`). Talk realtime propiedad del cliente reenvía las llamadas a herramientas del proveedor mediante `talk.client.toolCall` en lugar de llamar directamente a `chat.send`. Mientras una consulta realtime está activa, los clientes pueden llamar a `talk.client.steer` o `talk.session.steer` para clasificar la entrada hablada como `status`, `steer`, `cancel` o `followup`. La dirección aceptada se encola en la ejecución embebida activa; la dirección rechazada devuelve un motivo como `no_active_run`, `not_streaming` o `compacting`. Talk solo de transcripción emite el mismo sobre de eventos de Talk que las sesiones realtime y STT/TTS, pero usa `mode: "transcription"` y `brain: "none"`. Todas las sesiones de Talk difunden eventos en el canal `talk.event`; los clientes se suscriben a él para recibir actualizaciones parciales/finales de transcripción (`transcript.delta`/`transcript.done`) y otra telemetría de sesión. ## Comportamiento (macOS) * Superposición siempre activa mientras el modo Talk está habilitado. * Transiciones de fase **Escuchando → Pensando → Hablando**. * En una pausa corta (ventana de silencio), se envía la transcripción actual. * Las respuestas se escriben en WebChat (igual que al escribir). * **Interrumpir al hablar** (activado de forma predeterminada): si el usuario habla mientras el asistente está hablando, la reproducción se detiene y la marca de tiempo de la interrupción se anota para el siguiente prompt. ## Directivas de voz en las respuestas El asistente puede anteponer a una respuesta una sola línea JSON para controlar la voz: ```json theme={"theme":{"light":"min-light","dark":"min-dark"}} { "voice": "", "once": true } ``` Reglas: * Solo la primera línea no vacía; la línea JSON se elimina antes de la reproducción TTS. * Las claves desconocidas se ignoran. * `once: true` se aplica solo a la respuesta actual; sin ella, la voz pasa a ser el nuevo valor predeterminado del modo Talk. Claves admitidas: `voice` / `voice_id` / `voiceId`, `model` / `model_id` / `modelId`, `speed`, `rate` (WPM), `stability`, `similarity`, `style`, `speakerBoost`, `seed`, `normalize`, `lang`, `output_format`, `latency_tier`, `once`. ## Configuración (`~/.openclaw/openclaw.json`) ```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}} { talk: { provider: "elevenlabs", providers: { elevenlabs: { voiceId: "elevenlabs_voice_id", modelId: "eleven_v3", outputFormat: "mp3_44100_128", apiKey: "elevenlabs_api_key", }, mlx: { modelId: "mlx-community/Soprano-80M-bf16", }, system: {}, }, speechLocale: "ru-RU", silenceTimeoutMs: 1500, interruptOnSpeech: true, realtime: { provider: "openai", providers: { openai: { apiKey: "openai_api_key", model: "gpt-realtime-2", speakerVoice: "cedar", }, }, instructions: "Speak warmly and keep answers brief.", mode: "realtime", transport: "webrtc", brain: "agent-consult", }, }, } ``` | Clave | Valor predeterminado | Notas | | ---------------------------------------- | ------------------------------------------ | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | `provider` | - | Proveedor TTS de Talk activo. Usa `elevenlabs`, `mlx` o `system` para rutas de reproducción locales de macOS. | | `providers..voiceId` | - | ElevenLabs recurre a `ELEVENLABS_VOICE_ID` / `SAG_VOICE_ID`, o a la primera voz disponible con una clave de API. | | `providers.elevenlabs.modelId` | `eleven_v3` | | | `providers.mlx.modelId` | `mlx-community/Soprano-80M-bf16` | | | `providers.elevenlabs.apiKey` | - | Recurre a `ELEVENLABS_API_KEY` (o al perfil de shell de gateway si está disponible). | | `speechLocale` | valor predeterminado del dispositivo | ID de configuración regional BCP 47 para el reconocimiento de voz de Talk en el dispositivo en iOS/macOS. | | `silenceTimeoutMs` | `700` ms macOS/Android, `900` ms iOS | Ventana de pausa antes de que Talk envíe la transcripción. | | `interruptOnSpeech` | `true` | | | `outputFormat` | `pcm_44100` macOS/iOS, `pcm_24000` Android | Configura `mp3_*` para forzar streaming MP3. | | `consultThinkingLevel` | sin definir | Anulación del nivel de pensamiento para la ejecución del agente detrás de las llamadas realtime `openclaw_agent_consult`. | | `consultFastMode` | sin definir | Anulación del modo rápido para llamadas realtime `openclaw_agent_consult`. | | `realtime.provider` | - | `openai` para WebRTC, `google` para WebSocket del proveedor, o un proveedor solo de puente mediante relay de Gateway. | | `realtime.providers.` | - | Configuración realtime propiedad del proveedor. Los navegadores reciben solo credenciales de sesión efímeras/restringidas, nunca una clave de API estándar. | | `realtime.providers.openai.speakerVoice` | `alloy` | ID de voz integrada de OpenAI Realtime (la clave anterior `voice` todavía funciona, pero está obsoleta). Voces actuales de `gpt-realtime-2`: `alloy`, `ash`, `ballad`, `cedar`, `coral`, `echo`, `marin`, `sage`, `shimmer`, `verse`; se recomiendan `marin` y `cedar` para la mejor calidad. | | `realtime.transport` | - | `webrtc`: WebRTC de OpenAI propiedad del cliente en iOS y en el navegador. `provider-websocket`: propiedad del navegador, permanece en el relay de Gateway en iOS. `gateway-relay`: mantiene el audio del proveedor en Gateway; Android usa realtime solo con este transporte. | | `realtime.brain` | - | `agent-consult` enruta las llamadas a herramientas realtime mediante la política de Gateway; `direct-tools` es compatibilidad heredada con herramientas directas; `none` es para transcripción/orquestación externa. | | `realtime.consultRouting` | - | `provider-direct` conserva la respuesta directa del proveedor cuando omite `openclaw_agent_consult`; `force-agent-consult` enruta las transcripciones de usuario finalizadas mediante OpenClaw en su lugar. | | `realtime.instructions` | - | Añade instrucciones del sistema orientadas al proveedor al prompt realtime integrado de OpenClaw (estilo/tono de voz); la guía predeterminada de `openclaw_agent_consult` se mantiene. | `talk.catalog` expone los ID canónicos de proveedor y los alias de registro, los modos/transportes/estrategias de brain/formatos de audio realtime/indicadores de capacidad válidos de cada proveedor, y el resultado de preparación seleccionado por el runtime. Los clientes Talk de primera parte deben leer ese catálogo en lugar de mantener alias de proveedor localmente; trata un Gateway antiguo que omite la preparación de grupo como no verificado, no como definitivamente no configurado. Los proveedores de transcripción por streaming se descubren mediante `talk.catalog.transcription`; el relay de Gateway actual usa la configuración del proveedor de streaming de Voice Call hasta que se publique una superficie de configuración de transcripción de Talk dedicada. ## Interfaz de usuario de macOS * Alternancia en la barra de menús: **Talk** * Pestaña Config: grupo **Modo Talk** (id. de voz + alternancia de interrupción) * Superposición: Escuchando (la nube pulsa con el nivel del micrófono) → Pensando (animación de hundimiento) → Hablando (anillos radiantes). Haz clic en la nube para dejar de hablar, haz clic en X para salir del modo Talk. ## Interfaz de Android * Alternancia en la pestaña Voz: **Talk** * **Mic** manual y **Talk** son modos de captura mutuamente excluyentes. * Mic manual y Talk en tiempo real prefieren un micrófono de auriculares Bluetooth Classic o BLE conectados; si se desconecta, la app solicita otra entrada de auriculares o vuelve al micrófono predeterminado, y restaura la preferencia predeterminada una vez que se detiene la captura. * Mic manual se detiene cuando la app sale del primer plano o el usuario abandona la pestaña Voz. * El modo Talk sigue ejecutándose hasta que se desactiva o el nodo se desconecta, usando el tipo de servicio en primer plano de micrófono de Android mientras está activo. * Android admite los formatos de salida `pcm_16000`, `pcm_22050`, `pcm_24000` y `pcm_44100` para streaming de baja latencia con `AudioTrack`. ## Notas * Requiere permisos de voz y micrófono. * Talk nativo usa la sesión activa de Gateway y solo recurre al sondeo del historial cuando los eventos de respuesta no están disponibles. * El gateway resuelve la reproducción de Talk mediante `talk.speak` usando el proveedor de Talk activo. Android solo recurre al TTS del sistema local cuando ese RPC no está disponible. * La reproducción MLX local de macOS usa el auxiliar `openclaw-mlx-tts` incluido cuando está presente, o un ejecutable en `PATH`. Define `OPENCLAW_MLX_TTS_BIN` para apuntar a un binario auxiliar personalizado durante el desarrollo. * Rangos de valores de directivas de voz (ElevenLabs): `stability`, `similarity` y `style` aceptan `0..1`; `speed` acepta `0.5..2`; `latency_tier` acepta `0..4`. ## Relacionado * [Activación por voz](/es/nodes/voicewake) * [Notas de audio y voz](/es/nodes/audio) * [Comprensión multimedia](/es/nodes/media-understanding)