Edit tts mode

satellite/llm.py

@@ -8,8 +8,18 @@ from .config import AGENTS, log
 from .text import clean_for_speech, find_sentence_end
 from .tts import speak, play_error_sound
 
-SYSTEM_PROMPT = "Отвечай кратко, 1-2 предложения, без markdown, без эмодзи."
+SYSTEM_PROMPT = (
+    "Отвечай кратко, 1-2 предложения, без markdown, без эмодзи. "
+    "Ответ будет озвучен голосом, поэтому: "
+    "числа пиши прописью (двадцать три, а не 23), "
+    "единицы измерения пиши полностью (километров в час, а не км/ч), "
+    "не используй спецсимволы (+, -, /, %, °) — заменяй словами (плюс, минус, из, процентов, градусов). "
+    "Температуру пиши так: 'плюс девять градусов', а не '+9°C'."
+)
 MAX_HISTORY = int(os.getenv("MAX_HISTORY", "20"))
+# "stream" — режем по предложениям (быстро, но рваная интонация)
+# "full"   — собираем весь ответ, потом TTS (естественно, но пауза перед началом)
+TTS_MODE = os.getenv("TTS_MODE", "full")
 
 RESET_PATTERNS = re.compile(
     r"(начни|начать|создай|открой|давай).{0,10}(новую|новый|чистую|чистый).{0,10}(сессию|сессия|диалог|разговор|чат)"
@@ -65,7 +75,10 @@ def ask_agent_stream(text: str, conv: "Conversation | None" = None, agent_id: st
     try:
         resp = session.post(
             f"{gateway_url}/v1/chat/completions",
-            headers={"x-openclaw-model": cfg["voice_model"]},
+            headers={
+                "x-openclaw-model": cfg["voice_model"],
+                "x-openclaw-session-key": cfg["session_key"],
+            },
             json={
                 "model": agent,
                 "stream": True,
@@ -115,13 +128,14 @@ def ask_agent_stream(text: str, conv: "Conversation | None" = None, agent_id: st
                     full_text += delta
                     buffer += delta
 
-                    last_punct = find_sentence_end(buffer, min_len=60)
-                    if last_punct > -1:
-                        sentence = clean_for_speech(buffer[:last_punct + 1])
-                        if sentence.strip():
-                            print(f"🔊 Говорю: {sentence}")
-                            speak(sentence, agent_id)
-                        buffer = buffer[last_punct + 1:].lstrip()
+                    if TTS_MODE == "stream":
+                        last_punct = find_sentence_end(buffer, min_len=120)
+                        if last_punct > -1:
+                            sentence = clean_for_speech(buffer[:last_punct + 1])
+                            if sentence.strip():
+                                print(f"🔊 Говорю: {sentence}")
+                                speak(sentence, agent_id)
+                            buffer = buffer[last_punct + 1:].lstrip()
 
                 except (json.JSONDecodeError, KeyError, IndexError):
                     continue
@@ -129,17 +143,24 @@ def ask_agent_stream(text: str, conv: "Conversation | None" = None, agent_id: st
         log.exception("Ошибка при чтении стрима")
         print(f"⚠️  Стрим прервался: {e}")
 
-    # Остаток
-    if buffer.strip():
-        sentence = clean_for_speech(buffer)
-        if sentence:
-            speak(sentence, agent_id)
-
     if not full_text:
         msg = "Не получил ответ, попробуй ещё раз."
         speak(msg, agent_id)
         return msg
 
     result = clean_for_speech(full_text)
+
+    if TTS_MODE == "full":
+        # LLM уже доcтримил — озвучиваем весь ответ одним куском с цельной интонацией
+        if result.strip():
+            print(f"🔊 Говорю: {result}")
+            speak(result, agent_id)
+    else:
+        # остаток буфера в stream-режиме
+        if buffer.strip():
+            tail = clean_for_speech(buffer)
+            if tail:
+                speak(tail, agent_id)
+
     conv.add_assistant(full_text)
     return result