语音与电话

实时语音输入与输出。四个通道覆盖整个矩阵：呼入通话、本地麦克风唤醒、呼出语音合成，以及 SIP 级实时对话。

ClawdTalk（实时 SIP）

由 Telnyx 提供支持的全双工 SIP 语音。智能体通过真实电话通话（呼入或呼出）进行对话。支持打断、回合中工具调用以及区域号码配置。

zeroclaw config set channels.clawdtalk.<alias>.allowed_destinations <value>

export ZEROCLAW_channels__clawdtalk__<alias>__allowed_destinations=

zeroclaw config set channels.clawdtalk.<alias>.api_key <value>

export ZEROCLAW_channels__clawdtalk__<alias>__api_key=

zeroclaw config set channels.clawdtalk.<alias>.connection_id <value>

export ZEROCLAW_channels__clawdtalk__<alias>__connection_id=

zeroclaw config set channels.clawdtalk.<alias>.excluded_tools <value>

export ZEROCLAW_channels__clawdtalk__<alias>__excluded_tools=

zeroclaw config set channels.clawdtalk.<alias>.from_number <value>

export ZEROCLAW_channels__clawdtalk__<alias>__from_number=

zeroclaw config set channels.clawdtalk.<alias>.webhook_secret <value>

export ZEROCLAW_channels__clawdtalk__<alias>__webhook_secret=

api_key（Telnyx）和 webhook_secret 是机密信息：

channels.clawdtalk.<alias>.api_key 是机密信息。 它以加密形式存储，绝不会以明文出现在 config.toml 中。请通过以下方式之一进行设置，这些方式会在写入时加密：

zeroclaw config set channels.clawdtalk.<alias>.api_key    # 提示输入掩码内容，以加密形式存储

配合使用： 使用 telnyx 模型提供方作为核心，并确保你的 Telnyx 账户拥有一个 SIP 连接，且其 webhook URL 正确指向 ZeroClaw 网关。

语音通话（Twilio / Telnyx / Plivo）

传统运营商语音：座席接听来电，转录来电者的语音，并通过 TTS 进行回复。延迟高于 ClawdTalk，但可用于任何普通电话号码，且无需配置 SIP 中继。外拨呼叫会拨打 from_number，并在启用 require_outbound_approval 时需要操作员审批。

zeroclaw config set channels.voice_call.<alias>.account_id <value>

export ZEROCLAW_channels__voice_call__<alias>__account_id=

zeroclaw config set channels.voice_call.<alias>.auth_token <value>

export ZEROCLAW_channels__voice_call__<alias>__auth_token=

zeroclaw config set channels.voice_call.<alias>.excluded_tools <value>

export ZEROCLAW_channels__voice_call__<alias>__excluded_tools=

zeroclaw config set channels.voice_call.<alias>.from_number <value>

export ZEROCLAW_channels__voice_call__<alias>__from_number=

zeroclaw config set channels.voice_call.<alias>.max_call_duration_secs <value>

export ZEROCLAW_channels__voice_call__<alias>__max_call_duration_secs=

zeroclaw config set channels.voice_call.<alias>.model_provider <value>

export ZEROCLAW_channels__voice_call__<alias>__model_provider=

zeroclaw config set channels.voice_call.<alias>.require_outbound_approval <value>

export ZEROCLAW_channels__voice_call__<alias>__require_outbound_approval=

zeroclaw config set channels.voice_call.<alias>.transcription_logging <value>

export ZEROCLAW_channels__voice_call__<alias>__transcription_logging=

zeroclaw config set channels.voice_call.<alias>.tts_voice <value>

export ZEROCLAW_channels__voice_call__<alias>__tts_voice=

zeroclaw config set channels.voice_call.<alias>.webhook_base_url <value>

export ZEROCLAW_channels__voice_call__<alias>__webhook_base_url=

zeroclaw config set channels.voice_call.<alias>.webhook_port <value>

export ZEROCLAW_channels__voice_call__<alias>__webhook_port=

语音唤醒（本地唤醒词）

在本地运行，监听麦克风，在听到唤醒词时触发代理交互。适用于：

• SBC 上的物理语音助手
• 桌面端“热词 → 提问”工作流
• 始终在线的家庭自动化代理

该代理不会将音频发送到任何地方；唤醒检测在本地完成。只有唤醒后的语音才会被捕获，并（单独）转录后传递给 LLM。

zeroclaw config set channels.voice_wake.<alias>.energy_threshold <value>

export ZEROCLAW_channels__voice_wake__<alias>__energy_threshold=

zeroclaw config set channels.voice_wake.<alias>.excluded_tools <value>

export ZEROCLAW_channels__voice_wake__<alias>__excluded_tools=

zeroclaw config set channels.voice_wake.<alias>.max_capture_secs <value>

export ZEROCLAW_channels__voice_wake__<alias>__max_capture_secs=

zeroclaw config set channels.voice_wake.<alias>.silence_timeout_ms <value>

export ZEROCLAW_channels__voice_wake__<alias>__silence_timeout_ms=

zeroclaw config set channels.voice_wake.<alias>.wake_word <value>

export ZEROCLAW_channels__voice_wake__<alias>__wake_word=

**构建标志：**Voice Wake 由 zeroclaw-channels 上的 voice-wake cargo 特性控制。使用 --features voice-wake 进行构建即可包含该功能。在 Android 上，Voice Wake 要求 Android 8（API 级别 26）或更高版本。

TTS（出站语音合成）

TTS 是各通道调用的输出服务，而非独立的入站通道。全局默认配置位于 tts 下。TTS 提供方实例在 providers.tts.<type>.<alias> 下配置（OpenAI、ElevenLabs、Google、Edge、Piper），并通过各 agent 的 tts_provider 为每个 agent 进行选择。有关提供方条目及各 agent 的接线方式，请参阅 Model Providers。提供方 API 密钥属于机密信息；应通过 gateway、zerocode 或 zeroclaw config set 设置，切勿以明文形式存储。

延迟预算

端到端延迟低于约 500 毫秒时，语音听起来是实时的。实际预算：

ClawdTalk 通过保持音频流实时传输，简化了其中几个步骤；而常规的 voice_call 则依次经历 STT + LLM + TTS。

STT

语音转文字与语音通道分开配置；请参阅 Config reference 中的 [transcription] 配置。语音通道在需要将音频转换为文本时，会调用当前激活的转录提供程序。

硬件说明

对于始终开启的语音功能，在 SBC 上：

• USB 麦克风：任何符合 UAC 标准的麦克风都可用。使用 arecord -l 验证操作系统是否能识别它。
• 扬声器：USB 音频输出或 SBC 的板载耳机接口；选择守护进程所运行用户的操作系统默认设备。
• 内置 AEC（声学回声消除）功能的麦克风可在扬声器靠近时显著提升唤醒可靠性。

有关 Android 特定的音频设置，请参阅 硬件 → Android。