Discord

OpenClaw از طریق Gateway رسمی Discord، به‌عنوان ربات به Discord متصل می‌شود. پیام‌های خصوصی و کانال‌های سرور پشتیبانی می‌شوند.

راه‌اندازی سریع

یک برنامه Discord همراه با ربات ایجاد کنید، ربات را به سرور خود بیفزایید و آن را با OpenClaw جفت کنید. در صورت امکان از یک سرور خصوصی استفاده کنید؛ اگر لازم است، ابتدا یکی ایجاد کنید (Create My Own > For me and my friends).

export DISCORD_BOT_TOKEN="YOUR_BOT_TOKEN"cat > discord.patch.json5 <<'JSON5'{channels: {discord: {  enabled: true,  token: { source: "env", provider: "default", id: "DISCORD_BOT_TOKEN" },},},}JSON5openclaw config patch --file ./discord.patch.json5 --dry-runopenclaw config patch --file ./discord.patch.json5openclaw gateway

{channels: {discord: {enabled: true,token: {source: "env",provider: "default",id: "DISCORD_BOT_TOKEN",},},},}

DISCORD_BOT_TOKEN=...

{channels: {discord: {enabled: true,accounts: {personal: {  token: { source: "env", provider: "default", id: "DISCORD_PERSONAL_TOKEN" },  applicationId: "111111111111111111",},work: {  token: { source: "env", provider: "default", id: "DISCORD_WORK_TOKEN" },  applicationId: "222222222222222222",},},},},}

openclaw pairing list discordopenclaw pairing approve discord <CODE>

توصیه‌شده: راه‌اندازی فضای کاری سرور

پس از کارکرد پیام‌های خصوصی، می‌توانید سرور خود را به فضای کاری کاملی تبدیل کنید که در آن هر کانال، نشست عامل مستقل خود را با زمینه مخصوص خود دارد. این حالت برای سرورهای خصوصی که فقط شما و رباتتان در آن حضور دارید توصیه می‌شود.

{channels: {discord: {groupPolicy: "allowlist",guilds: {YOUR_SERVER_ID: {  requireMention: true,  users: ["YOUR_USER_ID"],},},},},}

{channels: {discord: {guilds: {YOUR_SERVER_ID: {  requireMention: false,},},},},}

اکنون کانال‌ها را ایجاد و گفت‌وگو را آغاز کنید. عامل نام کانال را می‌بیند و هر کانال یک نشست مجزا است — #coding، #home، #research یا هر ساختاری را که با گردش‌کار شما سازگار است راه‌اندازی کنید.

مدل زمان اجرا

• Gateway مالک اتصال Discord است.
• مسیریابی پاسخ قطعی است: پاسخ ورودی Discord به Discord بازمی‌گردد.
• فراداده سرور/کانال Discord به‌عنوان زمینه نامطمئن به درخواست مدل افزوده می‌شود، نه به‌عنوان پیشوند قابل‌مشاهده برای کاربر در پاسخ. اگر مدلی آن پوشش را در پاسخ کپی کند، OpenClaw فراداده کپی‌شده را از پاسخ‌های خروجی و زمینه بازپخش آینده حذف می‌کند.
• به‌طور پیش‌فرض (session.dmScope=main)، گفت‌وگوهای مستقیم نشست اصلی عامل (agent:main:main) را به اشتراک می‌گذارند.
• کانال‌های سرور کلیدهای نشست مجزا دارند (agent:<agentId>:discord:channel:<channelId>).
• پیام‌های خصوصی گروهی به‌طور پیش‌فرض نادیده گرفته می‌شوند (channels.discord.dm.groupEnabled=false).
• فرمان‌های اسلش بومی در نشست‌های فرمان مجزا (agent:<agentId>:discord:slash:<userId>) اجرا می‌شوند، درحالی‌که همچنان CommandTargetSessionKey را به نشست گفت‌وگوی مسیریابی‌شده منتقل می‌کنند.
• تحویل اعلان متنی Cron/Heartbeat به Discord به پاسخ نهایی قابل‌مشاهده دستیار فروکاسته می‌شود و فقط یک بار ارسال می‌شود. وقتی عامل چند محموله قابل‌تحویل تولید کند، محموله‌های رسانه‌ای و مؤلفه‌های ساختاریافته همچنان به‌صورت چندپیامی باقی می‌مانند.

کانال‌های انجمن

کانال‌های انجمن و رسانه Discord فقط نوشته‌های رشته‌ای را می‌پذیرند. OpenClaw از دو روش برای ایجاد آن‌ها پشتیبانی می‌کند:

• برای ایجاد خودکار یک رشته، پیامی به والد انجمن (channel:<forumId>) ارسال کنید. عنوان رشته نخستین خط غیرخالی پیام است (که تا محدودیت ۱۰۰ نویسه‌ای Discord برای نام رشته کوتاه می‌شود).
• برای ایجاد مستقیم یک رشته، از openclaw message thread create استفاده کنید. برای کانال‌های انجمن، --message-id را ارسال نکنید.

برای ایجاد رشته، به والد انجمن ارسال کنید:

openclaw message send --channel discord --target channel:<forumId> \  --message "Topic title\nBody of the post"

یک رشته انجمن را به‌صورت صریح ایجاد کنید:

openclaw message thread create --channel discord --target channel:<forumId> \  --thread-name "Topic title" --message "Body of the post"

والدهای انجمن مؤلفه‌های Discord را نمی‌پذیرند. اگر به مؤلفه‌ها نیاز دارید، پیام را به خود رشته (channel:<threadId>) ارسال کنید.

مؤلفه‌های تعاملی

OpenClaw از محفظه‌های مؤلفه نسخه ۲ Discord برای پیام‌های عامل پشتیبانی می‌کند. از ابزار پیام با یک بار داده components استفاده کنید. نتایج تعامل به‌صورت پیام‌های ورودی عادی به عامل بازگردانده می‌شوند و از تنظیمات موجود replyToMode در Discord پیروی می‌کنند.

بلوک‌های پشتیبانی‌شده:

• text، section، separator، actions، media-gallery، file
• ردیف‌های کنش حداکثر ۵ دکمه یا یک منوی انتخاب را می‌پذیرند
• انواع انتخاب: string، user، role، mentionable، channel

مؤلفه‌ها به‌طور پیش‌فرض یک‌بارمصرف هستند. برای اینکه دکمه‌ها، گزینه‌های انتخاب و فرم‌ها تا زمان انقضا چندین بار قابل استفاده باشند، components.reusable=true را تنظیم کنید.

برای محدود کردن افرادی که می‌توانند روی یک دکمه کلیک کنند، allowedUsers را روی آن دکمه تنظیم کنید (شناسه‌های کاربری Discord، برچسب‌ها یا *). کاربران نامنطبق یک پیام رد موقت دریافت می‌کنند.

فراخوانی‌های برگشتی مؤلفه به‌طور پیش‌فرض پس از ۳۰ دقیقه منقضی می‌شوند. برای تغییر طول عمر دفتر ثبت فراخوانی‌های برگشتی حساب پیش‌فرض، channels.discord.agentComponents.ttlMs و برای هر حساب، channels.discord.accounts.<accountId>.agentComponents.ttlMs را تنظیم کنید. مقدار برحسب میلی‌ثانیه است، باید یک عدد صحیح مثبت باشد و حداکثر آن 86400000 (۲۴ ساعت) است. TTLهای طولانی‌تر برای گردش‌کارهای بازبینی/تأیید که باید دکمه‌ها برای مدت بیشتری قابل استفاده بمانند مناسب‌اند، اما بازه‌ای را که طی آن یک پیام قدیمی Discord همچنان می‌تواند کنشی را فعال کند افزایش می‌دهند. کوتاه‌ترین TTL متناسب را ترجیح دهید و هنگامی که فراخوانی‌های برگشتی منقضی‌شده می‌توانند غیرمنتظره باشند، مقدار پیش‌فرض را حفظ کنید.

فرمان‌های اسلش /model و /models یک انتخاب‌گر تعاملی مدل را با فهرست‌های کشویی ارائه‌دهنده، مدل و محیط اجرای سازگار، به‌همراه مرحله Submit باز می‌کنند. /models add منسوخ شده است و به‌جای ثبت مدل‌ها از گفت‌وگو، پیام منسوخ‌شدن را برمی‌گرداند. پاسخ انتخاب‌گر موقت است و فقط کاربری که آن را فراخوانده می‌تواند از آن استفاده کند. منوهای انتخاب Discord به ۲۵ گزینه محدود هستند؛ بنابراین وقتی می‌خواهید انتخاب‌گر مدل‌های کشف‌شده پویا را فقط برای ارائه‌دهندگان منتخب مانند openai یا vllm نمایش دهد، ورودی‌های provider/* را به agents.defaults.models اضافه کنید.

پیوست‌های فایل:

• بلوک‌های file باید به یک مرجع پیوست (attachment://<filename>) اشاره کنند
• پیوست را از طریق media/path/filePath ارائه کنید (یک فایل)؛ برای چند فایل از media-gallery استفاده کنید
• هنگامی که نام بارگذاری باید با مرجع پیوست مطابقت داشته باشد، برای بازنویسی آن از filename استفاده کنید

فرم‌های پنجره‌ای:

• components.modal را با حداکثر ۵ فیلد اضافه کنید
• انواع فیلد: text، checkbox، radio، select، role-select، user-select
• OpenClaw به‌طور خودکار یک دکمه فعال‌ساز اضافه می‌کند

مثال:

{  channel: "discord",  action: "send",  to: "channel:123456789012345678",  message: "Optional fallback text",  components: {    reusable: true,    text: "Choose a path",    blocks: [      {        type: "actions",        buttons: [          {            label: "Approve",            style: "success",            allowedUsers: ["123456789012345678"],          },          { label: "Decline", style: "danger" },        ],      },      {        type: "actions",        select: {          type: "string",          placeholder: "Pick an option",          options: [            { label: "Option A", value: "a" },            { label: "Option B", value: "b" },          ],        },      },    ],    modal: {      title: "Details",      triggerLabel: "Open form",      fields: [        { type: "text", label: "Requester" },        {          type: "select",          label: "Priority",          options: [            { label: "Low", value: "low" },            { label: "High", value: "high" },          ],        },      ],    },  },}

کنترل دسترسی و مسیریابی

{accessGroups: {operators: {  type: "message.senders",  members: {    "*": ["global-owner-id"],    discord: ["discord:123456789012345678"],    telegram: ["987654321"],  },},},channels: {discord: {  dmPolicy: "allowlist",  allowFrom: ["accessGroup:operators"],},},}

{accessGroups: {maintainers: {  type: "discord.channelAudience",  guildId: "1456350064065904867",  channelId: "1456744319972282449",  membership: "canViewChannel",},},channels: {discord: {  dmPolicy: "allowlist",  allowFrom: ["accessGroup:maintainers"],},},}

{accessGroups: {maintainers: {  type: "discord.channelAudience",  guildId: "1456350064065904867",  channelId: "1456744319972282449",},},channels: {discord: {  dmPolicy: "allowlist",  allowFrom: ["accessGroup:maintainers", "discord:123456789012345678"],},},}

{channels: {discord: {  groupPolicy: "allowlist",  guilds: {    "123456789012345678": {      requireMention: true,      ignoreOtherMentions: true,      users: ["987654321098765432"],      roles: ["123456789012345678"],      channels: {        general: { enabled: true },        help: { enabled: true, requireMention: true },      },    },  },},},}

مسیریابی عامل مبتنی بر نقش

برای مسیریابی اعضای انجمن Discord به عامل‌های مختلف بر اساس شناسه نقش، از bindings[].match.roles استفاده کنید. اتصال‌های مبتنی بر نقش فقط شناسه نقش را می‌پذیرند و پس از اتصال‌های همتا یا والد-همتا و پیش از اتصال‌های صرفاً مبتنی بر انجمن ارزیابی می‌شوند. اگر یک اتصال فیلدهای تطبیق دیگری نیز تنظیم کند (برای مثال peer + guildId + roles)، همه فیلدهای پیکربندی‌شده باید مطابقت داشته باشند.

{  bindings: [    {      agentId: "opus",      match: {        channel: "discord",        guildId: "123456789012345678",        roles: ["111111111111111111"],      },    },    {      agentId: "sonnet",      match: {        channel: "discord",        guildId: "123456789012345678",      },    },  ],}

فرمان‌های بومی و مجوزدهی فرمان

• مقدار پیش‌فرض commands.native برابر با "auto" است و برای Discord فعال است.
• بازنویسی به‌ازای هر کانال: channels.discord.commands.native.
• تنظیم commands.native=false ثبت و پاک‌سازی فرمان‌های اسلش Discord را هنگام راه‌اندازی نادیده می‌گیرد. فرمان‌هایی که پیش‌تر ثبت شده‌اند ممکن است تا زمانی که آن‌ها را از برنامه Discord حذف نکنید، همچنان در Discord قابل مشاهده باشند.
• احراز هویت فرمان‌های بومی از همان فهرست‌های مجاز/سیاست‌های Discord استفاده می‌کند که برای مدیریت پیام‌های عادی به کار می‌روند.
• ممکن است فرمان‌ها همچنان برای کاربران غیرمجاز در رابط کاربری Discord قابل مشاهده باشند؛ هنگام اجرا، احراز هویت OpenClaw اعمال می‌شود و پاسخ «مجاز نیستید» ارسال می‌گردد.
• تنظیمات پیش‌فرض فرمان اسلش: ephemeral: true (channels.discord.slashCommand.ephemeral).

برای فهرست فرمان‌ها و نحوه رفتار آن‌ها، به فرمان‌های اسلش مراجعه کنید.

جزئیات قابلیت‌ها

{channels: {discord: {  suppressEmbeds: false,},},}

{channels: {discord: {  streaming: {    mode: "progress",    progress: {      label: "auto",      maxLines: 8,      maxLineChars: 120,      toolProgress: true,      commentary: false,    },  },},},}

{  "channels": {    "discord": {      "streaming": {        "mode": "progress",        "progress": {          "toolProgress": true,          "commandText": "status"        }      }    }  }}

{session: {threadBindings: {  enabled: true,  idleHours: 24,  maxAgeHours: 0,},},channels: {discord: {  threadBindings: {    enabled: true,    idleHours: 24,    maxAgeHours: 0,    spawnSessions: true,    defaultSpawnContext: "fork",  },},},}

{agents: {list: [  {    id: "codex",    runtime: {      type: "acp",      acp: {        agent: "codex",        backend: "acpx",        mode: "persistent",        cwd: "/workspace/openclaw",      },    },  },],},bindings: [{  type: "acp",  agentId: "codex",  match: {    channel: "discord",    accountId: "default",    peer: { kind: "channel", id: "222222222222222222" },  },  acp: { label: "codex-main" },},],channels: {discord: {  guilds: {    "111111111111111111": {      channels: {        "222222222222222222": {          requireMention: false,        },      },    },  },},},}

{channels: {discord: {  configWrites: false,},},}

{channels: {discord: {  proxy: "http://proxy.example:8080",},},}

{channels: {discord: {  accounts: {    primary: {      proxy: "http://proxy.example:8080",    },  },},},}

{channels: {discord: {  pluralkit: {    enabled: true,    token: "pk_live_...", // اختیاری؛ برای سامانه‌های خصوصی لازم است  },},},}

{channels: {discord: {  mentionAliases: {    SupportLead: "123456789012345678",  },  accounts: {    ops: {      mentionAliases: {        OpsLead: "234567890123456789",      },    },  },},},}

{channels: {discord: {  status: "idle",},},}

{channels: {discord: {  activity: "زمان تمرکز",  activityType: 4,},},}

{channels: {discord: {  activity: "کدنویسی زنده",  activityType: 1,  activityUrl: "https://twitch.tv/openclaw",},},}

{channels: {discord: {  autoPresence: {    enabled: true,    intervalMs: 30000,    minUpdateIntervalMs: 15000,    exhaustedText: "توکن تمام شده است",  },},},}

ابزارها و دروازه‌های کنش

کنش‌های پیام Discord شامل پیام‌رسانی، مدیریت کانال، نظارت، حضور و فراداده هستند.

نمونه‌های اصلی:

• پیام‌رسانی: sendMessage، readMessages، editMessage، deleteMessage، threadReply
• واکنش‌ها: react، reactions، emojiList
• نظارت: timeout، kick، ban
• حضور: setPresence

کنش event-create یک پارامتر اختیاری image (نشانی URL یا مسیر فایل محلی) را برای تنظیم تصویر روی جلد رویداد زمان‌بندی‌شده می‌پذیرد.

دروازه‌های کنش زیر channels.discord.actions.* قرار دارند.

رفتار پیش‌فرض دروازه‌ها:

رابط کاربری مؤلفه‌های v2

OpenClaw برای تأییدهای اجرا و نشانگرهای میان‌زمینه‌ای از مؤلفه‌های v2 در Discord استفاده می‌کند. کنش‌های پیام Discord همچنین می‌توانند برای رابط کاربری سفارشی components را بپذیرند (پیشرفته؛ نیازمند ساخت بارِ مؤلفه از طریق ابزار discord است)، در حالی که embeds قدیمی همچنان دردسترس است اما توصیه نمی‌شود.

• channels.discord.ui.components.accentColor رنگ تأکیدی مورداستفاده در محفظه‌های مؤلفهٔ Discord را تنظیم می‌کند (هگزادسیمال). برای هر حساب: channels.discord.accounts.<id>.ui.components.accentColor.
• channels.discord.agentComponents.ttlMs مدت زمان ثبت‌ماندن فراخوان‌های بازگشتی مؤلفه‌های ارسال‌شدهٔ Discord را کنترل می‌کند (پیش‌فرض 1800000، حداکثر 86400000). برای هر حساب: channels.discord.accounts.<id>.agentComponents.ttlMs.
• وقتی مؤلفه‌های v2 وجود داشته باشند، embeds نادیده گرفته می‌شوند.
• پیش‌نمایش نشانی‌های URL ساده به‌طور پیش‌فرض سرکوب می‌شود. وقتی باید یک پیوند خروجی گسترش یابد، suppressEmbeds: false را روی کنش پیام تنظیم کنید.

نمونه:

{  channels: {    discord: {      ui: {        components: {          accentColor: "#5865F2",        },      },    },  },}

صوت

Discord دو سطح صوتی متمایز دارد: کانال‌های صوتی بی‌درنگ (گفت‌وگوهای پیوسته) و پیوست‌های پیام صوتی (قالب پیش‌نمایش شکل موج). Gateway از هر دو پشتیبانی می‌کند.

کانال‌های صوتی

فهرست بررسی راه‌اندازی:

1. Message Content Intent را در Discord Developer Portal فعال کنید.
2. هنگامی که فهرست‌های مجاز نقش/کاربر استفاده می‌شوند، Server Members Intent را فعال کنید.
3. ربات را با حوزه‌های bot و applications.commands دعوت کنید.
4. مجوزهای Connect، Speak، Send Messages و Read Message History را در کانال صوتی مقصد اعطا کنید.
5. فرمان‌های بومی (commands.native یا channels.discord.commands.native) را فعال کنید.
6. channels.discord.voice را پیکربندی کنید.

برای کنترل نشست‌ها از /vc join|leave|status استفاده کنید. این فرمان از عامل پیش‌فرض حساب استفاده می‌کند و همان قواعد فهرست مجاز و خط‌مشی گروهی سایر فرمان‌های Discord را دنبال می‌کند.

/vc join channel:<voice-channel-id>/vc status/vc leave

برای بررسی مجوزهای مؤثر ربات پیش از پیوستن:

openclaw channels capabilities --channel discord --target channel:<voice-channel-id>

نمونهٔ پیوستن خودکار:

{  channels: {    discord: {      voice: {        enabled: true,        model: "openai/gpt-5.6-sol",        autoJoin: [          {            guildId: "123456789012345678",            channelId: "234567890123456789",          },        ],        allowedChannels: [          {            guildId: "123456789012345678",            channelId: "234567890123456789",          },        ],        daveEncryption: true,        decryptionFailureTolerance: 24,        connectTimeoutMs: 30000,        reconnectGraceMs: 15000,        realtime: {          provider: "openai",          model: "gpt-realtime-2.1",          speakerVoice: "cedar",        },      },    },  },}

نکات:

• صدای Discord برای پیکربندی‌های صرفاً متنی به‌صورت اختیاری فعال می‌شود؛ برای فعال‌سازی فرمان‌های /vc، محیط اجرای صوتی و intent مربوط به GuildVoiceStates در Gateway، مقدار channels.discord.voice.enabled=true را تنظیم کنید (یا بلوک موجود channels.discord.voice را نگه دارید). گزینهٔ channels.discord.intents.voiceStates می‌تواند اشتراک intent را صریحاً بازنویسی کند؛ برای پیروی از وضعیت مؤثر فعال‌بودن صدا، آن را تنظیم‌نشده باقی بگذارید.
• voice.mode مسیر مکالمه را کنترل می‌کند. مقدار پیش‌فرض agent-proxy است: یک رابط صوتی بی‌درنگ زمان‌بندی نوبت‌ها، وقفه و پخش را مدیریت می‌کند، کارهای اساسی را از طریق openclaw_agent_consult به عامل مسیریابی‌شدهٔ OpenClaw می‌سپارد و نتیجه را مانند یک درخواست تایپ‌شدهٔ Discord از همان گوینده در نظر می‌گیرد. stt-tts جریان دسته‌ای قدیمی‌تر STT به‌همراه TTS را حفظ می‌کند. bidi به مدل بی‌درنگ اجازه می‌دهد مستقیماً مکالمه کند، درحالی‌که openclaw_agent_consult را برای مغز OpenClaw در دسترس قرار می‌دهد.
• voice.agentSession تعیین می‌کند کدام مکالمهٔ OpenClaw نوبت‌های صوتی را دریافت کند. برای استفاده از نشست خود کانال صوتی، آن را تنظیم‌نشده باقی بگذارید؛ یا آن را روی { mode: "target", target: "channel:<text-channel-id>" } تنظیم کنید تا کانال صوتی به‌عنوان افزونهٔ میکروفن/بلندگوی نشست یک کانال متنی موجود Discord، مانند #maintainers، عمل کند.
• voice.model مغز عامل OpenClaw را برای پاسخ‌های صوتی Discord و مشورت‌های بی‌درنگ بازنویسی می‌کند. برای به‌ارث‌بردن مدل عامل مسیریابی‌شده، آن را تنظیم‌نشده باقی بگذارید. این گزینه از voice.realtime.model جدا است.
• voice.followUsers به ربات اجازه می‌دهد همراه کاربران انتخاب‌شده به صدای Discord بپیوندد، جابه‌جا شود و خارج شود. دنبال‌کردن کاربران در صدا را ببینید.
• agent-proxy گفتار را از طریق discord-voice مسیریابی می‌کند؛ این مسیر مجوزدهی عادی مالک/ابزار را برای گوینده و نشست مقصد حفظ می‌کند، اما ابزار tts عامل را پنهان می‌کند، زیرا پخش در اختیار صدای Discord است. به‌طور پیش‌فرض، agent-proxy برای گویندگان مالک، دسترسی ابزاری کامل و هم‌ارز مالک را به مشورت می‌دهد (voice.realtime.toolPolicy: "owner") و به‌شدت ترجیح می‌دهد پیش از پاسخ‌های اساسی با عامل OpenClaw مشورت کند (voice.realtime.consultPolicy: "always"). در حالت پیش‌فرض always، لایهٔ بی‌درنگ پیش از دریافت پاسخ مشورت، عبارات پُرکننده را به‌طور خودکار بیان نمی‌کند؛ گفتار را ضبط و رونویسی می‌کند، سپس پاسخ مسیریابی‌شدهٔ OpenClaw را می‌خواند. اگر چند پاسخ مشورت اجباری درحالی تکمیل شوند که Discord هنوز در حال پخش پاسخ نخست است، پاسخ‌های گفتاری دقیق بعدی تا بیکارشدن پخش در صف می‌مانند و گفتار را در میانهٔ جمله جایگزین نمی‌کنند.
• در حالت stt-tts، STT از tools.media.audio استفاده می‌کند؛ voice.model بر رونویسی اثری ندارد.
• در حالت‌های بی‌درنگ، voice.realtime.provider، voice.realtime.model و voice.realtime.speakerVoice نشست صوتی بی‌درنگ را پیکربندی می‌کنند. برای OpenAI Realtime 2.1 همراه با مغز Codex، از voice.realtime.model: "gpt-realtime-2.1" و voice.model: "openai/gpt-5.6-sol" استفاده کنید.
• حالت‌های صوتی بی‌درنگ به‌طور پیش‌فرض فایل‌های نمایهٔ کوچک IDENTITY.md، USER.md و SOUL.md را در دستورالعمل‌های ارائه‌دهندهٔ بی‌درنگ قرار می‌دهند تا نوبت‌های مستقیم و سریع، همان هویت، مبنای کاربری و شخصیت عامل مسیریابی‌شدهٔ OpenClaw را حفظ کنند. برای سفارشی‌سازی، voice.realtime.bootstrapContextFiles را روی زیرمجموعه‌ای از آن‌ها تنظیم کنید یا برای غیرفعال‌کردن، آن را روی [] قرار دهید. فقط همین فایل‌های نمایه پشتیبانی می‌شوند؛ AGENTS.md در بافت عادی عامل باقی می‌ماند. بافت نمایهٔ تزریق‌شده، جایگزین openclaw_agent_consult برای کارهای فضای کاری، اطلاعات جاری، جست‌وجوی حافظه یا اقدام‌های متکی بر ابزار نمی‌شود.
• در حالت بی‌درنگ OpenAI با agent-proxy، مقدار voice.realtime.requireWakeName: true را تنظیم کنید تا صدای بی‌درنگ Discord تا زمانی که رونویسی با یک نام بیدارباش آغاز یا پایان نیافته است، ساکت بماند. نام‌های بیدارباش پیکربندی‌شده باید یک یا دو کلمه باشند. اگر voice.realtime.wakeNames تنظیم نشده باشد، OpenClaw از name عامل مسیریابی‌شده به‌همراه OpenClaw استفاده می‌کند و در صورت نبود آن، به شناسهٔ عامل به‌همراه OpenClaw برمی‌گردد. دروازه‌بانی نام بیدارباش، پاسخ خودکار ارائه‌دهندهٔ بی‌درنگ را غیرفعال می‌کند، نوبت‌های پذیرفته‌شده را از مسیر مشورت عامل OpenClaw عبور می‌دهد و هنگامی که پیش از رسیدن رونویسی نهایی، یک نام بیدارباش آغازین از رونویسی جزئی تشخیص داده شود، یک تأیید گفتاری کوتاه ارائه می‌کند.
• ارائه‌دهندهٔ بی‌درنگ OpenAI نام رویدادهای جاری Realtime 2 و نام‌های مستعار قدیمی سازگار با Codex را برای رویدادهای صوت خروجی و رونویسی می‌پذیرد؛ بنابراین تصویرهای لحظه‌ای سازگار ارائه‌دهنده می‌توانند بدون حذف صدای دستیار تغییر کنند.
• voice.realtime.bargeIn تعیین می‌کند آیا رویدادهای شروع گفتار در Discord پخش بی‌درنگ فعال را قطع کنند یا نه. اگر تنظیم نشده باشد، از تنظیم وقفهٔ صوت ورودی ارائه‌دهندهٔ بی‌درنگ پیروی می‌کند.
• voice.realtime.minBargeInAudioEndMs حداقل مدت پخش دستیار را پیش از آنکه ورود میان‌گفتار بی‌درنگ OpenAI صدا را قطع کند، کنترل می‌کند. پیش‌فرض: 250. برای وقفهٔ فوری در اتاق‌های کم‌پژواک، آن را روی 0 تنظیم کنید؛ یا برای چیدمان‌های بلندگویی با پژواک زیاد، مقدار آن را افزایش دهید.
• voice.tts فقط برای پخش صوتی stt-tts، مقدار messages.tts را بازنویسی می‌کند؛ حالت‌های بی‌درنگ به‌جای آن از voice.realtime.speakerVoice استفاده می‌کنند. برای استفاده از صدای OpenAI در پخش Discord، مقدار voice.tts.provider: "openai" را تنظیم کرده و زیر voice.tts.providers.openai.speakerVoice یک صدای تبدیل متن به گفتار انتخاب کنید. در مدل فعلی TTS شرکت OpenAI، cedar گزینهٔ مناسبی با آوای مردانه است.
• بازنویسی‌های systemPrompt اختصاصی هر کانال Discord، بر نوبت‌های رونویسی صوتی همان کانال صوتی اعمال می‌شوند.
• نوبت‌های رونویسی صوتی، برای فرمان‌ها و اقدام‌های کانالی محدودشده به مالک، وضعیت مالک را از allowFrom در Discord (یا dm.allowFrom) استخراج می‌کنند. قابلیت مشاهدهٔ ابزارهای عامل از سیاست ابزار پیکربندی‌شده برای نشست مسیریابی‌شده پیروی می‌کند.
• اگر voice.autoJoin برای یک انجمن چند ورودی داشته باشد، OpenClaw به آخرین کانال پیکربندی‌شده برای آن انجمن می‌پیوندد.
• voice.allowedChannels یک فهرست مجاز اختیاری برای محل حضور است. برای اجازه‌دادن به /vc join جهت پیوستن به هر کانال صوتی مجاز Discord، آن را تنظیم‌نشده باقی بگذارید. هنگامی که تنظیم شود، /vc join، پیوستن خودکار هنگام راه‌اندازی و جابه‌جایی‌های وضعیت صوتی ربات به ورودی‌های فهرست‌شدهٔ { guildId, channelId } محدود می‌شوند. برای ردکردن همهٔ پیوستن‌ها به صدای Discord، آن را روی یک آرایهٔ خالی تنظیم کنید. اگر Discord ربات را به خارج از فهرست مجاز منتقل کند، OpenClaw آن کانال را ترک می‌کند و در صورت وجود مقصد پیکربندی‌شده برای پیوستن خودکار، دوباره به آن می‌پیوندد.
• voice.daveEncryption و voice.decryptionFailureTolerance مستقیماً به گزینه‌های پیوستن @discordjs/voice منتقل می‌شوند؛ مقادیر پیش‌فرض بالادستی daveEncryption=true و decryptionFailureTolerance=24 هستند.
• OpenClaw برای دریافت صدای Discord و پخش خام PCM بی‌درنگ، از کُدک همراه libopus-wasm استفاده می‌کند. این بسته شامل یک ساخت سنجاق‌شدهٔ WebAssembly از libopus است و به افزونه‌های بومی opus نیاز ندارد.
• voice.connectTimeoutMs مدت انتظار اولیه برای وضعیت Ready در @discordjs/voice را برای تلاش‌های /vc join و پیوستن خودکار کنترل می‌کند. پیش‌فرض: 30000.
• voice.reconnectGraceMs تعیین می‌کند OpenClaw چه مدت منتظر بماند تا یک نشست صوتی قطع‌شده، اتصال مجدد را آغاز کند و سپس آن را از بین ببرد. پیش‌فرض: 15000.
• در حالت stt-tts، پخش صوتی صرفاً به‌دلیل شروع صحبت کاربر دیگری متوقف نمی‌شود. برای جلوگیری از حلقه‌های بازخورد، OpenClaw هنگام پخش TTS ضبط صوت جدید را نادیده می‌گیرد؛ برای نوبت بعدی، پس از پایان پخش صحبت کنید. حالت‌های بی‌درنگ، شروع گفتار را به‌عنوان سیگنال ورود میان‌گفتار به ارائه‌دهندهٔ بی‌درنگ ارسال می‌کنند.
• در حالت‌های بی‌درنگ، پژواک بلندگوها در یک میکروفن باز ممکن است مانند ورود میان‌گفتار به نظر برسد و پخش را قطع کند. برای اتاق‌های Discord با پژواک زیاد، مقدار voice.realtime.providers.openai.interruptResponseOnInputAudio: false را تنظیم کنید تا OpenAI در اثر صوت ورودی به‌طور خودکار وقفه ایجاد نکند. اگر همچنان می‌خواهید رویدادهای شروع گفتار Discord پخش فعال را قطع کنند، voice.realtime.bargeIn: true را اضافه کنید. پل بی‌درنگ OpenAI، قطع‌شدن‌های پخش کوتاه‌تر از voice.realtime.minBargeInAudioEndMs را که احتمالاً ناشی از پژواک/نویز هستند نادیده می‌گیرد و به‌جای پاک‌کردن پخش Discord، آن‌ها را به‌عنوان موارد ردشده ثبت می‌کند.
• voice.captureSilenceGraceMs تعیین می‌کند OpenClaw پس از آنکه Discord توقف گفتار یک گوینده را گزارش می‌کند، چه مدت پیش از نهایی‌کردن آن قطعهٔ صوتی برای STT منتظر بماند. پیش‌فرض: 2000؛ اگر Discord مکث‌های عادی را به رونویسی‌های جزئی و گسسته تقسیم می‌کند، مقدار آن را افزایش دهید.
• هنگامی که ElevenLabs ارائه‌دهندهٔ انتخاب‌شدهٔ TTS باشد، پخش صوتی Discord از TTS جریانی استفاده می‌کند و از جریان پاسخ ارائه‌دهنده آغاز می‌شود. ارائه‌دهندگان فاقد پشتیبانی از جریان، به مسیر فایل موقتِ صدای تولیدشده برمی‌گردند.
• OpenClaw خطاهای رمزگشایی دریافت را زیر نظر می‌گیرد و پس از چند خطای تکراری در یک بازهٔ کوتاه، با ترک کانال صوتی و پیوستن دوباره به آن، به‌طور خودکار بازیابی می‌شود.
• اگر پس از به‌روزرسانی، گزارش‌های دریافت بارها DecryptionFailed(UnencryptedWhenPassthroughDisabled) را نشان می‌دهند، یک گزارش وابستگی و گزارش‌های رویداد را جمع‌آوری کنید. خط همراه @discordjs/voice شامل اصلاح بالادستی حاشیه‌گذاری از PR شمارهٔ 11449 در discord.js است که مسئلهٔ شمارهٔ 11419 در discord.js را بست.
• رویدادهای دریافت The operation was aborted هنگامی که OpenClaw قطعهٔ ضبط‌شدهٔ یک گوینده را نهایی می‌کند، مورد انتظار هستند؛ این‌ها جزئیات تشخیصی مفصل‌اند، نه هشدار.
• گزارش‌های مفصل صدای Discord برای هر قطعهٔ پذیرفته‌شدهٔ گوینده، یک پیش‌نمایش یک‌خطی و محدود از رونویسی STT ارائه می‌دهند؛ بنابراین اشکال‌زدایی بدون تخلیهٔ متن رونویسی نامحدود، هم سمت کاربر و هم سمت پاسخ عامل را نشان می‌دهد.
• در حالت agent-proxy، سازوکار جایگزین مشورت اجباری قطعه‌های احتمالاً ناقص رونویسی، مانند متن پایان‌یافته با ... یا یک پیوند پایانی مانند «و»، و همچنین پایان‌بندی‌های آشکارا غیرقابل‌اقدام مانند «الان برمی‌گردم» یا «خداحافظ» را نادیده می‌گیرد. هنگامی که این کار از یک پاسخ قدیمیِ در صف جلوگیری کند، گزارش‌ها forced agent consult skipped reason=... را نشان می‌دهند.

دنبال‌کردن کاربران در صدا

هنگامی از voice.followUsers استفاده کنید که می‌خواهید ربات صوتی Discord به‌جای پیوستن به یک کانال ثابت هنگام راه‌اندازی یا انتظار برای /vc join، همراه یک یا چند کاربر شناخته‌شدهٔ Discord بماند.

{  channels: {    discord: {      voice: {        enabled: true,        followUsersEnabled: true,        followUsers: ["discord:123456789012345678"],        allowedChannels: [          {            guildId: "123456789012345678",            channelId: "234567890123456789",          },        ],      },    },  },}

رفتار:

• followUsers شناسه‌های خام کاربران Discord و مقادیر discord:<id> را می‌پذیرد. OpenClaw پیش از تطبیق رویدادهای وضعیت صوتی، هر دو قالب را نرمال‌سازی می‌کند.
• هنگامی که followUsers پیکربندی شده باشد، مقدار پیش‌فرض followUsersEnabled برابر true است. برای حفظ فهرست ذخیره‌شده و درعین‌حال توقف دنبال‌کردن خودکار صوتی، آن را روی false تنظیم کنید.
• هنگامی که یک کاربر دنبال‌شده به کانال صوتی مجاز می‌پیوندد، OpenClaw نیز به آن کانال می‌پیوندد. وقتی کاربر جابه‌جا شود، OpenClaw همراه او جابه‌جا می‌شود. وقتی کاربر دنبال‌شدهٔ فعال قطع اتصال کند، OpenClaw خارج می‌شود.
• اگر چند کاربر دنبال‌شده در یک انجمن باشند و کاربر دنبال‌شدهٔ فعال خارج شود، OpenClaw پیش از ترک انجمن به کانال یکی دیگر از کاربران دنبال‌شدهٔ ردیابی‌شده منتقل می‌شود. اگر چند کاربر دنبال‌شده هم‌زمان جابه‌جا شوند، آخرین رویداد مشاهده‌شدهٔ وضعیت صوتی اولویت دارد.
• allowedChannels همچنان اعمال می‌شود. کاربر دنبال‌شده در یک کانال غیرمجاز نادیده گرفته می‌شود و نشستی که مالکیت آن با قابلیت دنبال‌کردن است، به کاربر دنبال‌شدهٔ دیگری منتقل می‌شود یا خارج می‌شود.
• OpenClaw رویدادهای ازدست‌رفتهٔ وضعیت صوتی را هنگام راه‌اندازی و در بازه‌های محدود همگام‌سازی می‌کند. همگام‌سازی از انجمن‌های پیکربندی‌شده نمونه‌برداری می‌کند و تعداد جست‌وجوهای REST را در هر اجرا محدود می‌سازد؛ بنابراین ممکن است همگرایی فهرست‌های بسیار بزرگ followUsers بیش از یک بازه طول بکشد.
• اگر Discord یا یک مدیر ربات را هنگامی که در حال دنبال‌کردن کاربری است جابه‌جا کند، OpenClaw نشست صوتی را از نو می‌سازد و در صورت مجازبودن مقصد، مالکیت دنبال‌کردن را حفظ می‌کند. اگر ربات به خارج از allowedChannels منتقل شود، OpenClaw خارج می‌شود و در صورت وجود مقصد پیکربندی‌شده، دوباره به آن می‌پیوندد.
• بازیابی دریافت DAVE ممکن است پس از چند خطای رمزگشایی تکراری، همان کانال را ترک کند و دوباره به آن بپیوندد. نشست‌هایی که مالکیت آن‌ها با قابلیت دنبال‌کردن است، این مالکیت را در مسیر بازیابی حفظ می‌کنند؛ بنابراین قطع اتصال بعدی کاربر دنبال‌شده همچنان باعث ترک کانال می‌شود.

از میان حالت‌های پیوستن انتخاب کنید:

• برای چیدمان‌های شخصی یا اپراتوری که ربات باید هر زمان شما در کانال صوتی هستید به‌طور خودکار در آن حضور داشته باشد، از followUsers استفاده کنید.
• برای ربات‌های اتاق ثابت که حتی در نبود کاربران ردیابی‌شده در کانال صوتی نیز باید حاضر باشند، از autoJoin استفاده کنید.
• برای پیوستن‌های موردی یا اتاق‌هایی که حضور خودکار صوتی در آن‌ها غیرمنتظره خواهد بود، از /vc join استفاده کنید.

کُدک صوتی Discord:

• گزارش‌های دریافت صوتی discord voice: opus decoder: libopus-wasm را نشان می‌دهند.
• پخش بی‌درنگ، پیش از تحویل بسته‌ها به @discordjs/voice، PCM خام استریوی ۴۸ کیلوهرتز را با همان بستهٔ همراه libopus-wasm به Opus کدگذاری می‌کند.
• پخش فایل و جریان ارائه‌دهنده با ffmpeg به PCM خام استریوی ۴۸ کیلوهرتز تبدیل می‌شود و سپس برای جریان بسته‌های Opus ارسالی به Discord از libopus-wasm استفاده می‌کند.

خط لولهٔ STT به‌همراه TTS:

• صدای PCM ضبط‌شده از Discord به یک فایل موقت WAV تبدیل می‌شود.
• tools.media.audio تبدیل گفتار به متن (STT) را مدیریت می‌کند؛ برای مثال openai/gpt-4o-mini-transcribe.
• رونوشت از مسیر ورودی و مسیریابی Discord ارسال می‌شود، درحالی‌که LLM پاسخ با سیاست خروجی صوتی اجرا می‌شود که ابزار tts عامل را پنهان می‌کند و درخواست بازگرداندن متن را می‌دهد، زیرا پخش نهایی تبدیل متن به گفتار (TTS) بر عهده قابلیت صوتی Discord است.
• در صورت تنظیم voice.model، این گزینه فقط LLM پاسخ را برای همین نوبت کانال صوتی بازنویسی می‌کند.
• voice.tts روی messages.tts ادغام می‌شود؛ ارائه‌دهندگان دارای قابلیت پخش جریانی، صدا را مستقیماً به پخش‌کننده می‌دهند؛ در غیر این صورت، فایل صوتی حاصل در کانال متصل‌شده پخش می‌شود.

نمونه جلسه پیش‌فرض کانال صوتی با پراکسی عامل:

{  channels: {    discord: {      voice: {        enabled: true,        model: "openai/gpt-5.6-sol",        followUsersEnabled: true,        followUsers: ["123456789012345678"],        realtime: {          provider: "openai",          model: "gpt-realtime-2.1",          speakerVoice: "cedar",        },      },    },  },}

اگر بلوک voice.agentSession وجود نداشته باشد، هر کانال صوتی جلسه مسیریابی‌شده OpenClaw مخصوص خود را دریافت می‌کند. برای مثال، /vc join channel:234567890123456789 با جلسه همان کانال صوتی Discord گفتگو می‌کند. مدل بلادرنگ فقط بخش ورودی صوتی است؛ درخواست‌های اصلی به عامل پیکربندی‌شده OpenClaw واگذار می‌شوند. اگر مدل بلادرنگ بدون فراخوانی ابزار مشورت، رونوشتی نهایی تولید کند، OpenClaw به‌عنوان مسیر جایگزین مشورت را اجباری می‌کند تا رفتار پیش‌فرض همچنان مانند گفتگو با عامل باشد.

نمونه قدیمی STT به‌همراه TTS:

{  channels: {    discord: {      voice: {        enabled: true,        mode: "stt-tts",        model: "openai/gpt-5.4-mini",        tts: {          provider: "openai",          providers: {            openai: {              model: "gpt-4o-mini-tts",              speakerVoice: "cedar",            },          },        },      },    },  },}

نمونه بلادرنگ دوسویه:

{  channels: {    discord: {      voice: {        enabled: true,        mode: "bidi",        model: "openai/gpt-5.6-sol",        realtime: {          provider: "openai",          model: "gpt-realtime-2.1",          speakerVoice: "cedar",          toolPolicy: "safe-read-only",          consultPolicy: "always",        },      },    },  },}

قابلیت صوتی به‌عنوان امتداد جلسه موجود یک کانال Discord:

{  channels: {    discord: {      voice: {        enabled: true,        mode: "agent-proxy",        model: "openai/gpt-5.6-sol",        agentSession: {          mode: "target",          target: "channel:123456789012345678",        },        realtime: {          provider: "openai",          model: "gpt-realtime-2.1",          speakerVoice: "cedar",        },      },    },  },}

در حالت agent-proxy، ربات به کانال صوتی پیکربندی‌شده متصل می‌شود، اما نوبت‌های عامل OpenClaw از جلسه و عامل مسیریابی‌شده عادی کانال مقصد استفاده می‌کنند. جلسه صوتی بلادرنگ، نتیجه بازگردانده‌شده را در کانال صوتی بیان می‌کند. عامل ناظر همچنان می‌تواند مطابق سیاست ابزار خود از ابزارهای عادی پیام استفاده کند؛ ازجمله ارسال یک پیام جداگانه در Discord، اگر اقدام درست همین باشد.

هنگامی که یک اجرای واگذارشده OpenClaw فعال است، رونوشت‌های صوتی جدید Discord پیش از آغاز نوبت دیگری از عامل، به‌عنوان کنترل زنده اجرای جاری پردازش می‌شوند. عبارت‌هایی مانند «وضعیت»، «آن را لغو کن»، «از اصلاح کوچک‌تر استفاده کن» یا «وقتی تمام شد، آزمون‌ها را هم بررسی کن» به‌ترتیب به‌عنوان ورودی وضعیت، لغو، هدایت یا پیگیری برای جلسه فعال طبقه‌بندی می‌شوند. نتیجه وضعیت، لغو، هدایت پذیرفته‌شده و پیگیری در کانال صوتی بیان می‌شود تا تماس‌گیرنده بداند OpenClaw درخواست را پردازش کرده است یا نه.

شکل‌های مفید مقصد:

• target: "channel:123456789012345678" از طریق جلسه یک کانال متنی Discord مسیریابی می‌شود.
• target: "123456789012345678" به‌عنوان مقصد کانال در نظر گرفته می‌شود.
• target: "dm:123456789012345678" یا target: "user:123456789012345678" از طریق جلسه پیام مستقیم همان کاربر مسیریابی می‌شود.

نمونه OpenAI Realtime برای محیط‌های دارای پژواک زیاد:

{  channels: {    discord: {      voice: {        enabled: true,        mode: "bidi",        model: "openai/gpt-5.6-sol",        realtime: {          provider: "openai",          model: "gpt-realtime-2.1",          speakerVoice: "cedar",          bargeIn: true,          minBargeInAudioEndMs: 500,          consultPolicy: "always",          providers: {            openai: {              interruptResponseOnInputAudio: false,            },          },        },      },    },  },}

از این پیکربندی زمانی استفاده کنید که مدل صدای پخش‌شده خودش در Discord را از طریق میکروفن باز می‌شنود، اما همچنان می‌خواهید با صحبت‌کردن آن را قطع کنید. OpenClaw مانع می‌شود OpenAI صرفاً با دریافت صدای ورودی خام به‌طور خودکار پاسخ را قطع کند، درحالی‌که bargeIn: true اجازه می‌دهد رویدادهای شروع گوینده در Discord و صدای گوینده‌ای که از قبل فعال است، پاسخ‌های بلادرنگ فعال را پیش از رسیدن نوبت ضبط‌شده بعدی به OpenAI لغو کنند. سیگنال‌های بسیار زودهنگام ورود به مکالمه که مقدار audioEndMs آن‌ها کمتر از minBargeInAudioEndMs است، به‌احتمال زیاد پژواک یا نویز تلقی و نادیده گرفته می‌شوند تا مدل در نخستین فریم پخش قطع نشود.

لاگ‌های مورد انتظار صوتی:

• هنگام اتصال: discord voice: joining ... voiceSession=... supervisorSession=... agentSessionMode=... voiceModel=... realtimeModel=...
• هنگام شروع بلادرنگ: discord voice: realtime bridge starting ... autoRespond=false interruptResponse=false bargeIn=false minBargeInAudioEndMs=...
• هنگام صدای گوینده: discord voice: realtime speaker turn opened ...، discord voice: realtime input audio started ... outputAudioMs=... outputActive=... و discord voice: realtime speaker turn closed ... chunks=... discordBytes=... realtimeBytes=... interruptedPlayback=...
• هنگام ردکردن گفتار کهنه: discord voice: realtime forced agent consult skipped reason=incomplete-transcript ... یا reason=non-actionable-closing ...
• هنگام تکمیل پاسخ بلادرنگ: discord voice: realtime audio playback finishing reason=response.done ... audioMs=... chunks=...
• هنگام توقف یا بازنشانی پخش: discord voice: realtime audio playback stopped reason=... audioMs=... elapsedMs=... chunks=...
• هنگام مشورت بلادرنگ: discord voice: realtime consult requested ... voiceSession=... supervisorSession=... question=...
• هنگام پاسخ عامل: discord voice: agent turn answer ...
• هنگام صف‌شدن گفتار دقیق: discord voice: realtime exact speech queued ... queued=... outputAudioMs=... outputActive=... و سپس discord voice: realtime exact speech dequeued reason=player-idle ...
• هنگام تشخیص ورود به مکالمه: discord voice: realtime barge-in detected source=speaker-start ... یا discord voice: realtime barge-in detected source=active-speaker-audio ... و سپس discord voice: realtime barge-in requested reason=... outputAudioMs=... outputActive=...
• هنگام وقفه بلادرنگ: discord voice: realtime model interrupt requested client:response.cancel reason=barge-in و سپس یکی از discord voice: realtime model audio truncated client:conversation.item.truncate reason=barge-in audioEndMs=... یا discord voice: realtime model interrupt confirmed server:response.done status=cancelled ...
• هنگام نادیده‌گرفتن پژواک یا نویز: discord voice: realtime model interrupt ignored client:conversation.item.truncate.skipped reason=barge-in audioEndMs=0 minAudioEndMs=250
• هنگام غیرفعال‌بودن ورود به مکالمه: discord voice: realtime capture ignored during playback (barge-in disabled) ...
• هنگام بیکار بودن پخش: discord voice: realtime barge-in ignored reason=... outputActive=false ... playbackChunks=0

برای اشکال‌زدایی صدای قطع‌شده، لاگ‌های صوتی بلادرنگ را به‌صورت یک خط زمانی بخوانید:

1. realtime audio playback started یعنی Discord پخش صدای دستیار را آغاز کرده است. از این نقطه، پل شمارش قطعه‌های خروجی دستیار، بایت‌های PCM مربوط به Discord، بایت‌های بلادرنگ ارائه‌دهنده و مدت صدای تولیدشده را آغاز می‌کند.
2. realtime speaker turn opened فعال‌شدن یک گوینده در Discord را نشان می‌دهد. اگر پخش از قبل فعال باشد و bargeIn نیز فعال شده باشد، ممکن است پس از آن barge-in detected source=speaker-start ثبت شود.
3. realtime input audio started دریافت نخستین فریم واقعی صدا برای آن نوبت گوینده را نشان می‌دهد. وجود outputActive=true یا مقدار غیرصفر outputAudioMs در اینجا یعنی میکروفن درحالی ورودی می‌فرستد که پخش دستیار همچنان فعال است.
4. barge-in detected source=active-speaker-audio یعنی OpenClaw هنگام فعال‌بودن پخش دستیار، صدای زنده گوینده را دیده است. این مورد برای تشخیص تفاوت میان یک وقفه واقعی و رویداد شروع گوینده Discord که صدای مفیدی ندارد، کاربرد دارد.
5. barge-in requested reason=... یعنی OpenClaw از ارائه‌دهنده بلادرنگ خواسته پاسخ فعال را لغو یا کوتاه کند. این لاگ شامل outputAudioMs، outputActive و playbackChunks است تا بتوانید ببینید پیش از وقفه واقعاً چه مقدار از صدای دستیار پخش شده بود.
6. realtime audio playback stopped reason=... نقطه بازنشانی پخش محلی Discord است. دلیل مشخص می‌کند چه چیزی پخش را متوقف کرده است: barge-in، player-idle، provider-clear-audio، forced-agent-consult، stream-close یا session-close.
7. realtime speaker turn closed خلاصه نوبت ورودی ضبط‌شده است. chunks=0 یا hasAudio=false یعنی نوبت گوینده باز شده، اما هیچ صدای قابل‌استفاده‌ای به پل بلادرنگ نرسیده است. interruptedPlayback=true یعنی آن نوبت ورودی با خروجی دستیار هم‌پوشانی داشته و منطق ورود به مکالمه را فعال کرده است.

فیلدهای مفید:

• outputAudioMs: مدت صدای دستیار که ارائه‌دهنده بلادرنگ پیش از خط لاگ تولید کرده است.
• audioMs: مدت صدای دستیار که OpenClaw پیش از توقف پخش شمارش کرده است.
• elapsedMs: زمان واقعی سپری‌شده میان بازشدن و بسته‌شدن جریان پخش یا نوبت گوینده.
• discordBytes: بایت‌های PCM استریوی ۴۸ کیلوهرتز که به قابلیت صوتی Discord ارسال یا از آن دریافت شده‌اند.
• realtimeBytes: بایت‌های PCM با قالب ارائه‌دهنده که به ارائه‌دهنده بلادرنگ ارسال یا از آن دریافت شده‌اند.
• playbackChunks: قطعه‌های صدای دستیار که برای پاسخ فعال به Discord فرستاده شده‌اند.
• sinceLastAudioMs: فاصله میان آخرین فریم صدای ضبط‌شده گوینده و بسته‌شدن نوبت گوینده.

الگوهای رایج:

• قطع‌شدن فوری با source=active-speaker-audio، مقدار کم outputAudioMs و حضور همان کاربر در نزدیکی معمولاً نشان می‌دهد پژواک بلندگو وارد میکروفن شده است. مقدار voice.realtime.minBargeInAudioEndMs را افزایش دهید، صدای بلندگو را کم کنید، از هدفون استفاده کنید یا voice.realtime.providers.openai.interruptResponseOnInputAudio: false را تنظیم کنید.
• ثبت source=speaker-start و سپس speaker turn closed ... hasAudio=false یعنی Discord شروع فعالیت یک گوینده را گزارش کرده، اما هیچ صدایی به OpenClaw نرسیده است. این وضعیت می‌تواند ناشی از یک رویداد گذرای صوتی Discord، رفتار دروازه نویز یا فعال‌کردن بسیار کوتاه میکروفن توسط کارخواه باشد.
• ثبت audio playback stopped reason=stream-close بدون ورود به مکالمه نزدیک یا provider-clear-audio یعنی جریان پخش محلی Discord به‌طور غیرمنتظره پایان یافته است. لاگ‌های پیشین ارائه‌دهنده و پخش‌کننده Discord را بررسی کنید.
• capture ignored during playback (barge-in disabled) یعنی OpenClaw هنگام فعال‌بودن صدای دستیار، ورودی را عمداً کنار گذاشته است. اگر می‌خواهید گفتار پخش را قطع کند، voice.realtime.bargeIn را فعال کنید.
• barge-in ignored ... outputActive=false یعنی تشخیص فعالیت صوتی Discord یا ارائه‌دهنده، گفتار را گزارش کرده است، اما OpenClaw پخش فعالی برای قطع‌کردن نداشته است. این وضعیت نباید صدا را قطع کند.

اعتبارنامه‌ها برای هر مؤلفه جداگانه تعیین می‌شوند: احراز هویت مسیر LLM برای voice.model، احراز هویت STT برای tools.media.audio، احراز هویت TTS برای messages.tts/voice.tts و احراز هویت ارائه‌دهنده بلادرنگ برای voice.realtime.providers یا پیکربندی عادی احراز هویت ارائه‌دهنده.

پیام‌های صوتی

پیام‌های صوتی Discord پیش‌نمایش شکل موج را نمایش می‌دهند و به صدای OGG/Opus نیاز دارند. OpenClaw شکل موج را به‌طور خودکار تولید می‌کند، اما برای بررسی و تبدیل به ffmpeg و ffprobe روی میزبان Gateway نیاز دارد.

• یک مسیر فایل محلی ارائه کنید (نشانی‌های وب رد می‌شوند).
• محتوای متنی را حذف کنید (Discord وجود هم‌زمان متن و پیام صوتی در یک بار داده را رد می‌کند).
• هر قالب صوتی پذیرفته می‌شود؛ OpenClaw در صورت نیاز آن را به OGG/Opus تبدیل می‌کند.

message(action="send", channel="discord", target="channel:123", path="/path/to/audio.mp3", asVoice=true)

عیب‌یابی

openclaw doctoropenclaw channels status --probeopenclaw logs --follow

{channels: {discord: {  accounts: {    default: {      eventQueue: {        listenerTimeout: 120000,      },    },  },},},}

{channels: {defaults: {  botLoopProtection: {    maxEventsPerWindow: 20,    windowSeconds: 60,    cooldownSeconds: 60,  },},discord: {  // بازنویسی اختیاری در سراسر Discord. بلوک‌های حساب، فیلدهای منفرد را بازنویسی می‌کنند  // و فیلدهای حذف‌شده را از اینجا به ارث می‌برند.  botLoopProtection: {    maxEventsPerWindow: 4,  },  accounts: {    alpha: {      // آلفا فقط هنگامی به ربات‌های دیگر گوش می‌دهد که به آن اشاره کنند.      allowBots: "mentions",    },    bravo: {      // براوو به همه پیام‌های Discord ارسال‌شده توسط ربات‌ها گوش می‌دهد.      allowBots: true,      mentionAliases: {        // به براوو اجازه می‌دهد با شناسه کاربری پیکربندی‌شده، یک اشاره Discord به آلفا بنویسد.        Alpha: "ALPHA_DISCORD_USER_ID",      },      botLoopProtection: {        // پیش از مهار جفت، حداکثر پنج پیام در دقیقه مجاز باشد.        maxEventsPerWindow: 5,        windowSeconds: 60,        cooldownSeconds: 90,      },    },  },},},}

مرجع پیکربندی

مرجع اصلی: مرجع پیکربندی - Discord.

ایمنی و عملیات

• توکن‌های ربات را محرمانه در نظر بگیرید (در محیط‌های تحت نظارت، DISCORD_BOT_TOKEN ترجیح داده می‌شود).
• حداقل مجوزهای لازم Discord را اعطا کنید.
• اگر استقرار/وضعیت فرمان منقضی شده است، Gateway را راه‌اندازی مجدد کنید و با openclaw channels status --probe دوباره بررسی کنید.

مرتبط