Listening
先持续听用户讲话。
Nodes 导读
Talk Mode：连续语音对话的配置与行为
Talk Mode 开启后，设备会持续监听、发送转录、等待回复并朗读。配置时务必填对 `voiceId` 和 `apiKey`，否则无法发声；最容易忽略的是 `silenceTimeoutMs` 默认值因平台而异（macOS 700ms，Android 700ms，iOS 900ms），调整不当会导致对话节奏异常。
先讲这一页到底在解决什么
Talk Mode：连续语音对话的配置与行为
Talk Mode 开启后，设备会持续监听、发送转录、等待回复并朗读。配置时务必填对 `voiceId` 和 `apiKey`，否则无法发声；最容易忽略的是 `silenceTimeoutMs` 默认值因平台而异（macOS 700ms，Android 700ms，iOS 900ms），调整不当会导致对话节奏异常。
第一站
🔄 整个 Talk 模式就像一条小环线：听见你说，想一下，再把答案念出来
官方把这条链路写得很清楚。
Thinking
短暂停顿后，把转写内容送给模型开始想。
Speaking
拿到回复后走 ElevenLabs 之类 TTS 流式播报。
再回到听
播完不是结束，而是继续等你下一句。
第二站
✋ interrupt on speech 像“你一开口，我就闭嘴听你说”
这是这页最像真人对话礼貌的一部分。
interruptOnSpeech: true默认开。用户重新说话时，OpenClaw 会停掉当前播报，先把耳朵让出来。
silenceTimeoutMs这像判断“你真的说完了吗”的停顿窗口，太短会急，太长会拖。
Overlay phases
macOS 会把 Listening、Thinking、Speaking 做成明显状态变化，像会呼吸的小状态灯。
WebChat 同步
语音回复也会写进 WebChat，不会只在耳机里念完就没痕迹。
第三站
🎭 回复最前面那行 JSON，像是对 TTS 说的幕后舞台指令
它不是给用户看的正文，而是在悄悄告诉播报系统这次用什么声音、要不要只生效一次。
{\"voice\":\"...\",\"once\":true}像“这句临时换个声线说完就恢复”。
Without
once那就不是临时演出，而是把默认声线也改掉。
voiceId / modelId / speed这些都像舞台音响师的控制杆，调谁来念、念多快、风格多稳。
🎈 最后记一句
Talk mode 不是“语音输入”，而是“持续对话循环”。