Discord

OpenClaw เชื่อมต่อกับ Discord ในฐานะบอตผ่าน Gateway อย่างเป็นทางการของ Discord รองรับทั้งข้อความส่วนตัวและช่องของเซิร์ฟเวอร์

การตั้งค่าอย่างรวดเร็ว

สร้างแอปพลิเคชัน Discord พร้อมบอต เพิ่มบอตไปยังเซิร์ฟเวอร์ของคุณ แล้วจับคู่กับ OpenClaw หากทำได้ ให้ใช้เซิร์ฟเวอร์ส่วนตัว หากจำเป็นให้สร้างเซิร์ฟเวอร์ก่อน (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>

แนะนำ: ตั้งค่าพื้นที่ทำงานของเซิร์ฟเวอร์

เมื่อข้อความส่วนตัวทำงานแล้ว คุณสามารถเปลี่ยนเซิร์ฟเวอร์ให้เป็นพื้นที่ทำงานเต็มรูปแบบ ซึ่งแต่ละช่องมีเซสชันเอเจนต์และบริบทแยกเป็นของตนเอง แนะนำสำหรับเซิร์ฟเวอร์ส่วนตัวที่มีเพียงคุณและบอตของคุณ

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

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

ตอนนี้ให้สร้างช่องและเริ่มสนทนา เอเจนต์จะเห็นชื่อช่อง และแต่ละช่องเป็นเซสชันที่แยกจากกัน คุณสามารถตั้งค่า #coding, #home, #research หรือช่องใด ๆ ที่เหมาะกับเวิร์กโฟลว์ของคุณ

โมเดลรันไทม์

• Gateway เป็นเจ้าของการเชื่อมต่อ Discord
• การกำหนดเส้นทางตอบกลับเป็นแบบตายตัว: ข้อความขาเข้าจาก Discord จะตอบกลับไปยัง Discord
• ระบบจะเพิ่มข้อมูลเมตาของเซิร์ฟเวอร์/ช่อง Discord ลงในพรอมต์ของโมเดลในฐานะบริบทที่ไม่น่าเชื่อถือ ไม่ใช่คำนำหน้าคำตอบที่ผู้ใช้มองเห็น หากโมเดลคัดลอกกรอบข้อมูลนั้นกลับมา OpenClaw จะนำข้อมูลเมตาที่คัดลอกออกจากคำตอบขาออกและบริบทสำหรับการเล่นซ้ำในอนาคต
• โดยค่าเริ่มต้น (session.dmScope=main) การสนทนาโดยตรงจะใช้เซสชันหลักของเอเจนต์ร่วมกัน (agent:main:main)
• ช่องของเซิร์ฟเวอร์ใช้คีย์เซสชันที่แยกจากกัน (agent:<agentId>:discord:channel:<channelId>)
• ข้อความส่วนตัวแบบกลุ่มจะถูกละเว้นโดยค่าเริ่มต้น (channels.discord.dm.groupEnabled=false)
• คำสั่งสแลชแบบเนทีฟทำงานในเซสชันคำสั่งที่แยกจากกัน (agent:<agentId>:discord:slash:<userId>) โดยยังคงส่ง CommandTargetSessionKey ไปยังเซสชันการสนทนาที่กำหนดเส้นทางไว้
• การส่งประกาศ Cron/Heartbeat แบบข้อความล้วนไปยัง Discord จะยุบเหลือเพียงคำตอบสุดท้ายที่ผู้ช่วยมองเห็นและส่งเพียงครั้งเดียว เพย์โหลดสื่อและคอมโพเนนต์แบบมีโครงสร้างจะยังคงส่งเป็นหลายข้อความเมื่อเอเจนต์สร้างเพย์โหลดที่ส่งมอบได้หลายรายการ

ช่องฟอรัม

ช่องฟอรัมและช่องสื่อของ Discord รับเฉพาะโพสต์ในเธรด OpenClaw รองรับการสร้างโพสต์ดังกล่าวสองวิธี:

• ส่งข้อความไปยังฟอรัมแม่ (channel:<forumId>) เพื่อสร้างเธรดโดยอัตโนมัติ ชื่อเธรดจะใช้บรรทัดแรกที่ไม่ว่างของข้อความ (ตัดให้ไม่เกินขีดจำกัดชื่อเธรด 100 อักขระของ Discord)
• ใช้ openclaw message thread create เพื่อสร้างเธรดโดยตรง อย่าส่ง --message-id สำหรับช่องฟอรัม

ส่งไปยังฟอรัมแม่เพื่อสร้างเธรด:

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

สร้างเธรดฟอรัมอย่างชัดเจน:

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

ฟอรัมแม่ไม่รองรับคอมโพเนนต์ของ Discord หากต้องการใช้คอมโพเนนต์ ให้ส่งไปยังตัวเธรดโดยตรง (channel:<threadId>)

คอมโพเนนต์แบบโต้ตอบ

OpenClaw รองรับคอนเทนเนอร์คอมโพเนนต์ v2 ของ Discord สำหรับข้อความจากเอเจนต์ ใช้เครื่องมือส่งข้อความพร้อมเพย์โหลด components ผลลัพธ์จากการโต้ตอบจะถูกส่งกลับไปยังเอเจนต์ในรูปแบบข้อความขาเข้าปกติ และเป็นไปตามการตั้งค่า replyToMode ของ Discord ที่มีอยู่

บล็อกที่รองรับ:

• text, section, separator, actions, media-gallery, file
• แถวการดำเนินการรองรับปุ่มสูงสุด 5 ปุ่ม หรือเมนูเลือกหนึ่งรายการ
• ประเภทการเลือก: string, user, role, mentionable, channel

ตามค่าเริ่มต้น คอมโพเนนต์จะใช้ได้ครั้งเดียว ตั้งค่า components.reusable=true เพื่อให้สามารถใช้ปุ่ม เมนูเลือก และแบบฟอร์มได้หลายครั้งจนกว่าจะหมดอายุ

หากต้องการจำกัดผู้ที่สามารถคลิกปุ่มได้ ให้ตั้งค่า allowedUsers บนปุ่มนั้น (รหัสผู้ใช้ Discord, แท็ก หรือ *) ผู้ใช้ที่ไม่ตรงเงื่อนไขจะได้รับข้อความปฏิเสธแบบชั่วคราวที่มองเห็นได้เฉพาะตนเอง

โดยค่าเริ่มต้น คอลแบ็กของคอมโพเนนต์จะหมดอายุหลังจาก 30 นาที ตั้งค่า channels.discord.agentComponents.ttlMs เพื่อเปลี่ยนอายุของรีจิสทรีคอลแบ็กสำหรับบัญชีเริ่มต้น หรือกำหนด channels.discord.accounts.<accountId>.agentComponents.ttlMs แยกตามบัญชี ค่านี้มีหน่วยเป็นมิลลิวินาที ต้องเป็นจำนวนเต็มบวก และมีค่าสูงสุด 86400000 (24 ชั่วโมง) ค่า TTL ที่ยาวขึ้นเหมาะกับเวิร์กโฟลว์การตรวจสอบ/อนุมัติที่ต้องการให้ปุ่มยังคงใช้งานได้ แต่จะขยายช่วงเวลาที่ข้อความ Discord เก่ายังสามารถทริกเกอร์การดำเนินการได้ ควรใช้ TTL ที่สั้นที่สุดซึ่งเพียงพอต่อการใช้งาน และคงค่าเริ่มต้นไว้หากคอลแบ็กเก่าอาจทำให้เกิดพฤติกรรมที่ไม่คาดคิด

คำสั่งแบบสแลช /model และ /models จะเปิดตัวเลือกโมเดลแบบโต้ตอบ ซึ่งมีรายการแบบเลื่อนลงสำหรับผู้ให้บริการ โมเดล และรันไทม์ที่เข้ากันได้ พร้อมขั้นตอน Submit คำสั่ง /models add เลิกใช้งานแล้ว และจะส่งคืนข้อความแจ้งการเลิกใช้งานแทนการลงทะเบียนโมเดลจากแชต การตอบกลับของตัวเลือกเป็นแบบชั่วคราวที่มองเห็นได้เฉพาะตนเอง และใช้งานได้เฉพาะผู้ใช้ที่เรียกคำสั่ง เมนูเลือกของ Discord จำกัดไว้ที่ 25 ตัวเลือก ดังนั้นให้เพิ่มรายการ provider/* ลงใน agents.defaults.models เมื่อต้องการให้ตัวเลือกแสดงโมเดลที่ค้นพบแบบไดนามิกเฉพาะสำหรับผู้ให้บริการที่เลือก เช่น openai หรือ vllm

ไฟล์แนบ:

• บล็อก file ต้องชี้ไปยังการอ้างอิงไฟล์แนบ (attachment://<filename>)
• ระบุไฟล์แนบผ่าน media/path/filePath (ไฟล์เดียว) ใช้ media-gallery สำหรับหลายไฟล์
• ใช้ filename เพื่อแทนที่ชื่อไฟล์ที่อัปโหลด เมื่อต้องการให้ชื่อตรงกับการอ้างอิงไฟล์แนบ

แบบฟอร์มโมดัล:

• เพิ่ม components.modal โดยมีฟิลด์ได้สูงสุด 5 ฟิลด์
• ประเภทฟิลด์: text, checkbox, radio, select, role-select, user-select
• OpenClaw จะเพิ่มปุ่มทริกเกอร์ให้อัตโนมัติ

ตัวอย่าง:

{  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" },          ],        },      ],    },  },}

การควบคุมการเข้าถึงและการกำหนดเส้นทาง

{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 },      },    },  },},},}

การกำหนดเส้นทางเอเจนต์ตามบทบาท

ใช้ bindings[].match.roles เพื่อกำหนดเส้นทางสมาชิกกิลด์ Discord ไปยังเอเจนต์ต่าง ๆ ตามรหัสบทบาท การผูกตามบทบาทรองรับเฉพาะรหัสบทบาท และจะถูกประเมินหลังการผูกแบบเพียร์หรือเพียร์แม่ แต่ก่อนการผูกเฉพาะกิลด์ หากการผูกกำหนดฟิลด์จับคู่อื่นด้วย (เช่น peer + guildId + roles) ฟิลด์ที่กำหนดค่าทั้งหมดต้องตรงกัน

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

คำสั่งเนทีฟและการตรวจสอบสิทธิ์คำสั่ง

• commands.native มีค่าเริ่มต้นเป็น "auto" และเปิดใช้งานสำหรับ Discord
• การเขียนทับแยกตามช่องทาง: channels.discord.commands.native
• commands.native=false จะข้ามการลงทะเบียนและการล้างคำสั่งแบบสแลชของ Discord ระหว่างการเริ่มต้นระบบ คำสั่งที่ลงทะเบียนไว้ก่อนหน้านี้อาจยังปรากฏใน Discord จนกว่าคุณจะลบออกจากแอป Discord
• การยืนยันสิทธิ์ของคำสั่งเนทีฟใช้รายการอนุญาต/นโยบายของ Discord ชุดเดียวกับการจัดการข้อความปกติ
• คำสั่งอาจยังปรากฏใน UI ของ Discord สำหรับผู้ใช้ที่ไม่ได้รับอนุญาต แต่เมื่อเรียกใช้งาน OpenClaw จะบังคับใช้การยืนยันสิทธิ์และตอบว่า "ไม่ได้รับอนุญาต"
• การตั้งค่าเริ่มต้นของคำสั่งแบบสแลช: ephemeral: true (channels.discord.slashCommand.ephemeral)

ดูแค็ตตาล็อกและลักษณะการทำงานของคำสั่งได้ที่ คำสั่งแบบสแลช

รายละเอียดฟีเจอร์

{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_...", // ไม่บังคับ; จำเป็นสำหรับระบบส่วนตัว  },},},}

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

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

{channels: {discord: {  activity: "Focus time",  activityType: 4,},},}

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

{channels: {discord: {  autoPresence: {    enabled: true,    intervalMs: 30000,    minUpdateIntervalMs: 15000,    exhaustedText: "token exhausted",  },},},}

เครื่องมือและด่านควบคุมการดำเนินการ

การดำเนินการกับข้อความ Discord ครอบคลุมการรับส่งข้อความ การดูแลช่อง การกลั่นกรอง สถานะการออนไลน์ และข้อมูลเมตา

ตัวอย่างหลัก:

• การรับส่งข้อความ: sendMessage, readMessages, editMessage, deleteMessage, threadReply
• ปฏิกิริยา: react, reactions, emojiList
• การกลั่นกรอง: timeout, kick, ban
• สถานะการออนไลน์: setPresence

การดำเนินการ event-create รองรับพารามิเตอร์ image ที่ไม่บังคับ (URL หรือพาธไฟล์ภายในเครื่อง) สำหรับกำหนดภาพปกของกิจกรรมตามกำหนดการ

ด่านควบคุมการดำเนินการอยู่ภายใต้ channels.discord.actions.*

พฤติกรรมเริ่มต้นของด่านควบคุม:

UI คอมโพเนนต์ v2

OpenClaw ใช้คอมโพเนนต์ Discord v2 สำหรับการอนุมัติการดำเนินการและเครื่องหมายข้ามบริบท การดำเนินการกับข้อความ Discord ยังสามารถรับ components สำหรับ UI แบบกำหนดเองได้ด้วย (ขั้นสูง; ต้องสร้างเพย์โหลดคอมโพเนนต์ผ่านเครื่องมือ Discord) ขณะที่ embeds แบบเดิมยังคงใช้งานได้แต่ไม่แนะนำ

• channels.discord.ui.components.accentColor กำหนดสีเน้นที่คอนเทนเนอร์คอมโพเนนต์ Discord ใช้ (เลขฐานสิบหก) แยกตามบัญชี: channels.discord.accounts.<id>.ui.components.accentColor
• channels.discord.agentComponents.ttlMs ควบคุมระยะเวลาที่คอลแบ็กของคอมโพเนนต์ Discord ที่ส่งไปแล้วยังคงลงทะเบียนอยู่ (ค่าเริ่มต้น 1800000, สูงสุด 86400000) แยกตามบัญชี: channels.discord.accounts.<id>.agentComponents.ttlMs
• ระบบจะละเว้น embeds เมื่อมีคอมโพเนนต์ v2
• การแสดงตัวอย่าง URL ธรรมดาจะถูกระงับโดยค่าเริ่มต้น กำหนด suppressEmbeds: false ในการดำเนินการกับข้อความเมื่อต้องการให้ลิงก์ขาออกเพียงลิงก์เดียวแสดงตัวอย่างแบบขยาย

ตัวอย่าง:

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

เสียง

Discord มีพื้นผิวเสียงสองแบบที่แตกต่างกัน ได้แก่ ช่องเสียง แบบเรียลไทม์ (การสนทนาต่อเนื่อง) และ ไฟล์แนบข้อความเสียง (รูปแบบแสดงตัวอย่างคลื่นเสียง) Gateway รองรับทั้งสองแบบ

ช่องเสียง

รายการตรวจสอบการตั้งค่า:

1. เปิดใช้ Message Content Intent ใน Discord Developer Portal
2. เปิดใช้ Server Members Intent เมื่อใช้รายการอนุญาตตามบทบาท/ผู้ใช้
3. เชิญบอตโดยใช้ขอบเขต bot และ applications.commands
4. ให้สิทธิ์ Connect, Speak, Send Messages และ Read Message History ในช่องเสียงเป้าหมาย
5. เปิดใช้คำสั่งแบบเนทีฟ (commands.native หรือ channels.discord.commands.native)
6. กำหนดค่า channels.discord.voice

ใช้ /vc join|leave|status เพื่อควบคุมเซสชัน คำสั่งนี้ใช้เอเจนต์เริ่มต้นของบัญชีและปฏิบัติตามกฎรายการอนุญาตและนโยบายกลุ่มเดียวกับคำสั่ง Discord อื่น

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

หากต้องการตรวจสอบสิทธิ์ที่มีผลจริงของบอตก่อนเข้าร่วม:

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

ตัวอย่างการเข้าร่วมอัตโนมัติ:

{  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",        },      },    },  },}

หมายเหตุ:

• เสียงของ Discord เป็นฟีเจอร์ที่ต้องเลือกเปิดใช้สำหรับการกำหนดค่าที่ใช้เฉพาะข้อความ ให้ตั้งค่า channels.discord.voice.enabled=true (หรือคงบล็อก channels.discord.voice ที่มีอยู่ไว้) เพื่อเปิดใช้คำสั่ง /vc, รันไทม์เสียง และเจตนาของ Gateway GuildVoiceStates ส่วน channels.discord.intents.voiceStates สามารถเขียนทับการสมัครรับเจตนานี้อย่างชัดเจนได้ หากไม่ตั้งค่า ระบบจะทำตามสถานะการเปิดใช้เสียงที่มีผลจริง
• voice.mode ควบคุมเส้นทางการสนทนา ค่าเริ่มต้นคือ agent-proxy: ส่วนหน้าสำหรับเสียงแบบเรียลไทม์จะจัดการจังหวะผลัดการพูด การขัดจังหวะ และการเล่นเสียง มอบหมายงานที่มีสาระให้เอเจนต์ OpenClaw ที่ถูกกำหนดเส้นทางผ่าน openclaw_agent_consult และปฏิบัติต่อผลลัพธ์เสมือนเป็นพรอมต์ Discord ที่ผู้พูดคนนั้นพิมพ์เข้ามา ส่วน stt-tts จะคงโฟลว์แบบชุดเดิมที่ใช้ STT ร่วมกับ TTS และ bidi ช่วยให้โมเดลเรียลไทม์สนทนาได้โดยตรง พร้อมเปิดให้ใช้ openclaw_agent_consult เป็นสมองของ OpenClaw
• voice.agentSession ควบคุมว่าการสนทนา OpenClaw ใดจะรับผลัดการพูดด้วยเสียง หากไม่ตั้งค่า จะใช้เซสชันของช่องเสียงเอง หรือตั้งค่าเป็น { mode: "target", target: "channel:<text-channel-id>" } เพื่อให้ช่องเสียงทำหน้าที่เป็นส่วนขยายไมโครโฟน/ลำโพงของเซสชันช่องข้อความ Discord ที่มีอยู่ เช่น #maintainers
• voice.model เขียนทับสมองเอเจนต์ OpenClaw สำหรับการตอบกลับด้วยเสียงใน Discord และการปรึกษาแบบเรียลไทม์ หากไม่ตั้งค่า จะสืบทอดโมเดลเอเจนต์ที่ถูกกำหนดเส้นทาง ค่านี้แยกจาก voice.realtime.model
• voice.followUsers ช่วยให้บอตเข้าร่วม ย้าย และออกจากเสียง Discord ตามผู้ใช้ที่เลือก โปรดดู ติดตามผู้ใช้ในเสียง
• agent-proxy กำหนดเส้นทางเสียงพูดผ่าน discord-voice ซึ่งยังคงการอนุญาตของเจ้าของ/เครื่องมือตามปกติสำหรับผู้พูดและเซสชันเป้าหมาย แต่ซ่อนเครื่องมือ tts ของเอเจนต์ เนื่องจากเสียง Discord เป็นผู้ควบคุมการเล่น ตามค่าเริ่มต้น agent-proxy ให้สิทธิ์เข้าถึงเครื่องมือแบบเต็มเทียบเท่าเจ้าของแก่การปรึกษาสำหรับผู้พูดที่เป็นเจ้าของ (voice.realtime.toolPolicy: "owner") และให้ความสำคัญอย่างยิ่งกับการปรึกษาเอเจนต์ OpenClaw ก่อนตอบคำถามที่มีสาระ (voice.realtime.consultPolicy: "always") ในโหมด always เริ่มต้นนี้ ชั้นเรียลไทม์จะไม่พูดข้อความถ่วงเวลาโดยอัตโนมัติก่อนคำตอบจากการปรึกษา แต่จะจับและถอดเสียงคำพูด จากนั้นจึงพูดคำตอบของ OpenClaw ที่ถูกกำหนดเส้นทาง หากคำตอบจากการปรึกษาแบบบังคับหลายรายการเสร็จสิ้นขณะที่ Discord ยังเล่นคำตอบแรกอยู่ คำตอบแบบใช้ข้อความตรงเป็นคำพูดรายการหลังจะถูกเข้าคิวจนกว่าการเล่นจะว่าง แทนที่จะเขียนทับเสียงพูดกลางประโยค
• ในโหมด stt-tts ระบบ STT ใช้ tools.media.audio และ voice.model ไม่มีผลต่อการถอดเสียง
• ในโหมดเรียลไทม์ voice.realtime.provider, voice.realtime.model และ voice.realtime.speakerVoice ใช้กำหนดค่าเซสชันเสียงเรียลไทม์ สำหรับ OpenAI Realtime 2.1 ร่วมกับสมอง Codex ให้ใช้ voice.realtime.model: "gpt-realtime-2.1" และ voice.model: "openai/gpt-5.6-sol"
• โดยค่าเริ่มต้น โหมดเสียงเรียลไทม์จะรวมไฟล์โปรไฟล์ขนาดเล็ก IDENTITY.md, USER.md และ SOUL.md ไว้ในคำสั่งของผู้ให้บริการเรียลไทม์ เพื่อให้ผลัดการพูดโดยตรงแบบรวดเร็วยังคงอัตลักษณ์ การยึดโยงกับผู้ใช้ และบุคลิกเดียวกับเอเจนต์ OpenClaw ที่ถูกกำหนดเส้นทาง ตั้งค่า voice.realtime.bootstrapContextFiles เป็นชุดย่อยเพื่อปรับแต่ง หรือเป็น [] เพื่อปิดใช้ รองรับเฉพาะไฟล์โปรไฟล์เหล่านี้เท่านั้น ส่วน AGENTS.md ยังคงอยู่ในบริบทเอเจนต์ตามปกติ บริบทโปรไฟล์ที่แทรกเข้ามาไม่สามารถใช้แทน openclaw_agent_consult สำหรับงานในพื้นที่ทำงาน ข้อเท็จจริงปัจจุบัน การค้นหาหน่วยความจำ หรือการดำเนินการที่อาศัยเครื่องมือได้
• ในโหมดเรียลไทม์ agent-proxy ของ OpenAI ให้ตั้งค่า voice.realtime.requireWakeName: true เพื่อให้เสียงเรียลไทม์ของ Discord เงียบอยู่จนกว่าข้อความถอดเสียงจะเริ่มต้นหรือลงท้ายด้วยชื่อปลุก ชื่อปลุกที่กำหนดค่าต้องมีหนึ่งหรือสองคำ หากไม่ได้ตั้งค่า voice.realtime.wakeNames OpenClaw จะใช้ name ของเอเจนต์ที่ถูกกำหนดเส้นทางร่วมกับ OpenClaw และหากไม่มีจะใช้รหัสเอเจนต์ร่วมกับ OpenClaw การคัดกรองด้วยชื่อปลุกจะปิดการตอบกลับอัตโนมัติของผู้ให้บริการเรียลไทม์ กำหนดเส้นทางผลัดการพูดที่ยอมรับผ่านเส้นทางการปรึกษาเอเจนต์ OpenClaw และกล่าวตอบรับสั้น ๆ เมื่อระบบจดจำชื่อปลุกที่อยู่ต้นข้อความจากการถอดเสียงบางส่วนได้ ก่อนข้อความถอดเสียงสุดท้ายจะมาถึง
• ผู้ให้บริการเรียลไทม์ของ OpenAI รองรับชื่อเหตุการณ์ Realtime 2 ปัจจุบันและนามแฝงแบบเดิมที่เข้ากันได้กับ Codex สำหรับเหตุการณ์เสียงเอาต์พุตและข้อความถอดเสียง ดังนั้นสแนปช็อตผู้ให้บริการที่เข้ากันได้จึงเปลี่ยนแปลงคลาดเคลื่อนได้โดยไม่ทำให้เสียงของผู้ช่วยสูญหาย
• voice.realtime.bargeIn ควบคุมว่าเหตุการณ์เริ่มพูดของผู้พูดใน Discord จะขัดจังหวะการเล่นเสียงเรียลไทม์ที่กำลังทำงานอยู่หรือไม่ หากไม่ตั้งค่า ระบบจะทำตามการตั้งค่าการขัดจังหวะด้วยเสียงอินพุตของผู้ให้บริการเรียลไทม์
• voice.realtime.minBargeInAudioEndMs ควบคุมระยะเวลาขั้นต่ำของการเล่นเสียงผู้ช่วย ก่อนที่การขัดจังหวะแบบเรียลไทม์ของ OpenAI จะตัดเสียง ค่าเริ่มต้น: 250 ตั้งค่าเป็น 0 เพื่อขัดจังหวะทันทีในห้องที่มีเสียงสะท้อนต่ำ หรือเพิ่มค่าในสภาพแวดล้อมที่ใช้ลำโพงและมีเสียงสะท้อนมาก
• voice.tts เขียนทับ messages.tts เฉพาะสำหรับการเล่นเสียงในโหมด stt-tts ส่วนโหมดเรียลไทม์จะใช้ voice.realtime.speakerVoice แทน สำหรับเสียง OpenAI ที่ใช้เล่นใน Discord ให้ตั้งค่า voice.tts.provider: "openai" และเลือกเสียงแปลงข้อความเป็นคำพูดภายใต้ voice.tts.providers.openai.speakerVoice โดย cedar เป็นตัวเลือกที่ให้โทนเสียงผู้ชายได้ดีบนโมเดล TTS ของ OpenAI ปัจจุบัน
• การเขียนทับ systemPrompt ของ Discord รายช่องจะมีผลกับผลัดการพูดจากข้อความถอดเสียงในช่องเสียงนั้น
• ผลัดการพูดจากข้อความถอดเสียงจะกำหนดสถานะเจ้าของจาก allowFrom ของ Discord (หรือ dm.allowFrom) สำหรับคำสั่งและการดำเนินการในช่องที่จำกัดเฉพาะเจ้าของ การมองเห็นเครื่องมือของเอเจนต์จะเป็นไปตามนโยบายเครื่องมือที่กำหนดค่าสำหรับเซสชันที่ถูกกำหนดเส้นทาง
• หาก voice.autoJoin มีหลายรายการสำหรับกิลด์เดียวกัน OpenClaw จะเข้าร่วมช่องสุดท้ายที่กำหนดค่าไว้สำหรับกิลด์นั้น
• voice.allowedChannels คือรายการอนุญาตสำหรับช่องที่พำนักซึ่งเป็นตัวเลือก หากไม่ตั้งค่า จะอนุญาตให้ /vc join เข้าสู่ช่องเสียง Discord ใด ๆ ที่ได้รับอนุญาต เมื่อตั้งค่า /vc join, การเข้าร่วมอัตโนมัติเมื่อเริ่มต้น และการย้ายสถานะเสียงของบอต จะถูกจำกัดไว้เฉพาะรายการ { guildId, channelId } ที่ระบุ ตั้งค่าเป็นอาร์เรย์ว่างเพื่อปฏิเสธการเข้าร่วมเสียง Discord ทั้งหมด หาก Discord ย้ายบอตออกนอกรายการอนุญาต OpenClaw จะออกจากช่องนั้นและกลับเข้าร่วมเป้าหมายการเข้าร่วมอัตโนมัติที่กำหนดค่าไว้เมื่อมีเป้าหมายดังกล่าว
• voice.daveEncryption และ voice.decryptionFailureTolerance จะถูกส่งต่อไปยังตัวเลือกการเข้าร่วมของ @discordjs/voice โดยค่าเริ่มต้นของต้นทางคือ daveEncryption=true และ decryptionFailureTolerance=24
• OpenClaw ใช้โคเดก libopus-wasm ที่รวมมาให้สำหรับการรับเสียง Discord และการเล่น PCM ดิบแบบเรียลไทม์ โดยมาพร้อมบิลด์ WebAssembly ของ libopus ที่ตรึงเวอร์ชันไว้ และไม่ต้องใช้ส่วนเสริม opus แบบเนทีฟ
• voice.connectTimeoutMs ควบคุมระยะเวลารอ Ready เริ่มต้นของ @discordjs/voice สำหรับความพยายาม /vc join และการเข้าร่วมอัตโนมัติ ค่าเริ่มต้น: 30000
• voice.reconnectGraceMs ควบคุมระยะเวลาที่ OpenClaw รอให้เซสชันเสียงที่ตัดการเชื่อมต่อเริ่มเชื่อมต่อใหม่ก่อนทำลายเซสชัน ค่าเริ่มต้น: 15000
• ในโหมด stt-tts การเล่นเสียงจะไม่หยุดเพียงเพราะผู้ใช้อื่นเริ่มพูด เพื่อหลีกเลี่ยงวงจรป้อนกลับ OpenClaw จะละเว้นการจับเสียงใหม่ขณะ TTS กำลังเล่น ให้พูดหลังจากเล่นเสร็จสำหรับผลัดถัดไป โหมดเรียลไทม์จะส่งต่อการเริ่มพูดของผู้พูดเป็นสัญญาณขัดจังหวะไปยังผู้ให้บริการเรียลไทม์
• ในโหมดเรียลไทม์ เสียงสะท้อนจากลำโพงที่เข้าสู่ไมโครโฟนซึ่งเปิดอยู่ อาจดูเหมือนการขัดจังหวะและหยุดการเล่นเสียง สำหรับห้อง Discord ที่มีเสียงสะท้อนมาก ให้ตั้งค่า voice.realtime.providers.openai.interruptResponseOnInputAudio: false เพื่อไม่ให้ OpenAI ขัดจังหวะอัตโนมัติเมื่อมีเสียงอินพุต เพิ่ม voice.realtime.bargeIn: true หากยังต้องการให้เหตุการณ์เริ่มพูดของผู้พูดใน Discord ขัดจังหวะการเล่นที่กำลังทำงานอยู่ บริดจ์เรียลไทม์ของ OpenAI จะละเว้นการตัดการเล่นที่สั้นกว่า voice.realtime.minBargeInAudioEndMs โดยถือว่าน่าจะเป็นเสียงสะท้อน/สัญญาณรบกวน และบันทึกว่าได้ข้ามเหตุการณ์นั้น แทนที่จะล้างการเล่นของ Discord
• voice.captureSilenceGraceMs ควบคุมระยะเวลาที่ OpenClaw รอหลังจาก Discord รายงานว่าผู้พูดหยุดพูด ก่อนสรุปเซกเมนต์เสียงนั้นเพื่อส่งให้ STT ค่าเริ่มต้น: 2000 ให้เพิ่มค่านี้หาก Discord แบ่งช่วงหยุดปกติออกเป็นข้อความถอดเสียงบางส่วนที่ขาดเป็นช่วง ๆ
• เมื่อเลือก ElevenLabs เป็นผู้ให้บริการ TTS การเล่นเสียง Discord จะใช้ TTS แบบสตรีมและเริ่มเล่นจากสตรีมการตอบกลับของผู้ให้บริการ ผู้ให้บริการที่ไม่รองรับการสตรีมจะย้อนกลับไปใช้เส้นทางไฟล์ชั่วคราวที่สังเคราะห์ขึ้น
• OpenClaw เฝ้าดูความล้มเหลวในการถอดรหัสของเสียงที่รับ และกู้คืนอัตโนมัติโดยออกจากแล้วกลับเข้าร่วมช่องเสียงหลังเกิดความล้มเหลวซ้ำ ๆ ภายในช่วงเวลาสั้น
• หากหลังอัปเดต บันทึกการรับแสดง DecryptionFailed(UnencryptedWhenPassthroughDisabled) ซ้ำ ๆ ให้รวบรวมรายงานการขึ้นต่อกันและบันทึก บรรทัด @discordjs/voice ที่รวมมาให้มีการแก้ไขปัญหาการเติมข้อมูลจาก PR #11449 ของ discord.js ต้นทาง ซึ่งปิดปัญหา #11419 ของ discord.js แล้ว
• เหตุการณ์การรับ The operation was aborted เป็นสิ่งที่คาดไว้เมื่อ OpenClaw สรุปเซกเมนต์เสียงของผู้พูดที่จับไว้ เหตุการณ์เหล่านี้เป็นข้อมูลวินิจฉัยแบบละเอียด ไม่ใช่คำเตือน
• บันทึกเสียง Discord แบบละเอียดจะมีตัวอย่างข้อความถอดเสียง STT หนึ่งบรรทัดที่จำกัดความยาวสำหรับแต่ละเซกเมนต์ของผู้พูดที่ยอมรับ เพื่อให้การแก้จุดบกพร่องแสดงทั้งฝั่งผู้ใช้และฝั่งคำตอบของเอเจนต์โดยไม่เทข้อความถอดเสียงที่ไม่จำกัดความยาว
• ในโหมด agent-proxy การย้อนกลับไปใช้การปรึกษาแบบบังคับจะข้ามส่วนข้อความถอดเสียงที่น่าจะไม่สมบูรณ์ เช่น ข้อความที่ลงท้ายด้วย ... หรือคำเชื่อมท้ายอย่าง "และ" รวมถึงคำปิดท้ายที่เห็นชัดว่าไม่ต้องดำเนินการ เช่น "เดี๋ยวกลับมา" หรือ "ลาก่อน" บันทึกจะแสดง forced agent consult skipped reason=... เมื่อกลไกนี้ป้องกันคำตอบเก่าที่ค้างอยู่ในคิว

ติดตามผู้ใช้ในเสียง

ใช้ voice.followUsers เมื่อต้องการให้บอตเสียง Discord อยู่กับผู้ใช้ Discord ที่รู้จักตั้งแต่หนึ่งคนขึ้นไป แทนการเข้าร่วมช่องคงที่เมื่อเริ่มต้นหรือรอ /vc join

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

ลักษณะการทำงาน:

• followUsers ยอมรับรหัสผู้ใช้ Discord แบบดิบและค่า discord:<id> OpenClaw จะปรับทั้งสองรูปแบบให้เป็นมาตรฐานก่อนจับคู่เหตุการณ์สถานะเสียง
• followUsersEnabled มีค่าเริ่มต้นเป็น true เมื่อกำหนดค่า followUsers ตั้งค่าเป็น false เพื่อเก็บรายการที่บันทึกไว้แต่หยุดการติดตามเสียงอัตโนมัติ
• เมื่อผู้ใช้ที่ติดตามเข้าร่วมช่องเสียงที่อนุญาต OpenClaw จะเข้าร่วมช่องนั้น เมื่อผู้ใช้ย้าย OpenClaw จะย้ายตาม และเมื่อผู้ใช้ที่กำลังติดตามตัดการเชื่อมต่อ OpenClaw จะออก
• หากมีผู้ใช้ที่ติดตามหลายคนอยู่ในกิลด์เดียวกัน และผู้ใช้ที่กำลังติดตามออก OpenClaw จะย้ายไปยังช่องของผู้ใช้ที่ติดตามและกำลังถูกตรวจสอบคนอื่นก่อนออกจากกิลด์ หากผู้ใช้ที่ติดตามหลายคนย้ายพร้อมกัน เหตุการณ์สถานะเสียงที่สังเกตเห็นล่าสุดจะมีผล
• allowedChannels ยังคงมีผล ผู้ใช้ที่ติดตามซึ่งอยู่ในช่องที่ไม่อนุญาตจะถูกละเว้น และเซสชันที่การติดตามเป็นเจ้าของจะย้ายไปยังผู้ใช้ที่ติดตามคนอื่นหรือออก
• OpenClaw จะกระทบยอดเหตุการณ์สถานะเสียงที่พลาดไปเมื่อเริ่มต้นและตามช่วงเวลาที่จำกัดไว้ การกระทบยอดจะสุ่มตรวจสอบกิลด์ที่กำหนดค่าและจำกัดจำนวนการค้นหาผ่าน REST ต่อรอบ ดังนั้นรายการ followUsers ที่มีขนาดใหญ่มากอาจต้องใช้มากกว่าหนึ่งช่วงเวลาจึงจะเข้าสู่สถานะสอดคล้องกัน
• หาก Discord หรือผู้ดูแลระบบย้ายบอตขณะที่กำลังติดตามผู้ใช้ OpenClaw จะสร้างเซสชันเสียงใหม่และคงความเป็นเจ้าของโดยการติดตามไว้เมื่อปลายทางได้รับอนุญาต หากบอตถูกย้ายออกนอก allowedChannels OpenClaw จะออกและกลับเข้าร่วมเป้าหมายที่กำหนดค่าไว้เมื่อมีเป้าหมายดังกล่าว
• การกู้คืนการรับ DAVE อาจออกจากและกลับเข้าร่วมช่องเดิมหลังจากถอดรหัสล้มเหลวซ้ำ ๆ เซสชันที่การติดตามเป็นเจ้าของจะคงความเป็นเจ้าของโดยการติดตามผ่านเส้นทางการกู้คืนนี้ ดังนั้นเมื่อผู้ใช้ที่ติดตามตัดการเชื่อมต่อในภายหลัง ระบบยังคงออกจากช่อง

เลือกระหว่างโหมดการเข้าร่วม:

• ใช้ followUsers สำหรับการตั้งค่าส่วนบุคคลหรือการตั้งค่าของผู้ควบคุม ซึ่งบอตควรอยู่ในเสียงโดยอัตโนมัติเมื่อคุณอยู่
• ใช้ autoJoin สำหรับบอตประจำห้องที่ควรอยู่แม้ไม่มีผู้ใช้ที่ติดตามอยู่ในเสียง
• ใช้ /vc join สำหรับการเข้าร่วมครั้งเดียวหรือห้องที่การปรากฏตัวด้วยเสียงอัตโนมัติอาจเป็นเรื่องไม่คาดคิด

โคเดกเสียง Discord:

• บันทึกการรับเสียงแสดง discord voice: opus decoder: libopus-wasm
• การเล่นแบบเรียลไทม์จะเข้ารหัส PCM สเตอริโอดิบ 48 kHz เป็น Opus ด้วยแพ็กเกจ libopus-wasm ที่รวมมาให้ชุดเดียวกัน ก่อนส่งแพ็กเก็ตให้ @discordjs/voice
• การเล่นจากไฟล์และสตรีมของผู้ให้บริการจะแปลงเป็น PCM สเตอริโอดิบ 48 kHz ด้วย ffmpeg จากนั้นใช้ libopus-wasm สำหรับสตรีมแพ็กเก็ต Opus ที่ส่งไปยัง Discord

ไปป์ไลน์ STT ร่วมกับ TTS:

• การบันทึกเสียง PCM ของ Discord จะถูกแปลงเป็นไฟล์ WAV ชั่วคราว
• tools.media.audio จัดการ STT เช่น openai/gpt-4o-mini-transcribe
• ทรานสคริปต์จะถูกส่งผ่านทางเข้าข้อความและการกำหนดเส้นทางของ Discord ขณะที่ LLM สำหรับการตอบกลับทำงานภายใต้นโยบายเอาต์พุตเสียงที่ซ่อนเครื่องมือ tts ของเอเจนต์และกำหนดให้ส่งคืนข้อความ เนื่องจากระบบเสียงของ Discord เป็นผู้ควบคุมการเล่น TTS ขั้นสุดท้าย
• เมื่อตั้งค่า voice.model ค่านี้จะแทนที่เฉพาะ LLM สำหรับการตอบกลับในรอบของช่องเสียงนี้
• voice.tts จะถูกรวมทับบน messages.tts โดยผู้ให้บริการที่รองรับการสตรีมจะส่งข้อมูลเข้าสู่เครื่องเล่นโดยตรง มิฉะนั้นไฟล์เสียงที่ได้จะถูกเล่นในช่องที่เข้าร่วมอยู่

ตัวอย่างเซสชันช่องเสียงแบบพร็อกซีเอเจนต์เริ่มต้น:

{  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",        },      },    },  },}

หากไม่มีบล็อก voice.agentSession ช่องเสียงแต่ละช่องจะมีเซสชัน OpenClaw ที่กำหนดเส้นทางไว้เป็นของตนเอง ตัวอย่างเช่น /vc join channel:234567890123456789 จะสื่อสารกับเซสชันของช่องเสียง Discord นั้น โมเดลแบบเรียลไทม์เป็นเพียงส่วนหน้าสำหรับเสียงเท่านั้น ส่วนคำขอที่มีเนื้อหาสาระจะถูกส่งต่อให้เอเจนต์ OpenClaw ที่กำหนดค่าไว้ หากโมเดลแบบเรียลไทม์สร้างทรานสคริปต์สุดท้ายโดยไม่เรียกใช้เครื่องมือปรึกษา OpenClaw จะบังคับให้มีการปรึกษาเป็นกลไกสำรอง เพื่อให้พฤติกรรมเริ่มต้นยังคงเหมือนการสนทนากับเอเจนต์

ตัวอย่าง STT ร่วมกับ TTS แบบเดิม:

{  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",            },          },        },      },    },  },}

ตัวอย่างการสื่อสารสองทิศทางแบบเรียลไทม์:

{  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",        },      },    },  },}

เสียงในฐานะส่วนขยายของเซสชันช่อง Discord ที่มีอยู่:

{  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",        },      },    },  },}

ในโหมด agent-proxy บอตจะเข้าร่วมช่องเสียงที่กำหนดค่าไว้ แต่รอบการทำงานของเอเจนต์ OpenClaw จะใช้เซสชันและเอเจนต์ที่กำหนดเส้นทางตามปกติของช่องเป้าหมาย เซสชันเสียงแบบเรียลไทม์จะพูดผลลัพธ์ที่ส่งคืนกลับเข้าไปในช่องเสียง เอเจนต์ควบคุมยังคงใช้เครื่องมือรับส่งข้อความตามปกติได้ตามนโยบายเครื่องมือของตน รวมถึงการส่งข้อความ Discord แยกต่างหาก หากเป็นการดำเนินการที่เหมาะสม

ขณะที่การทำงาน OpenClaw ที่มอบหมายไว้กำลังดำเนินอยู่ ทรานสคริปต์เสียง Discord ใหม่จะถูกใช้เป็นคำสั่งควบคุมการทำงานแบบสด ก่อนที่จะเริ่มรอบการทำงานของเอเจนต์อีกครั้ง วลีอย่าง "สถานะ", "ยกเลิกอันนั้น", "ใช้การแก้ไขที่เล็กกว่า" หรือ "เมื่อเสร็จแล้วให้ตรวจสอบการทดสอบด้วย" จะถูกจำแนกเป็นอินพุตสำหรับสถานะ การยกเลิก การชี้นำ หรือการติดตามผลของเซสชันที่กำลังทำงาน ผลลัพธ์ของสถานะ การยกเลิก การชี้นำที่ยอมรับ และการติดตามผลจะถูกพูดกลับเข้าไปในช่องเสียง เพื่อให้ผู้เรียกทราบว่า OpenClaw จัดการคำขอนั้นแล้วหรือไม่

รูปแบบเป้าหมายที่มีประโยชน์:

• target: "channel:123456789012345678" กำหนดเส้นทางผ่านเซสชันช่องข้อความ Discord
• target: "123456789012345678" จะถือว่าเป็นเป้าหมายช่อง
• target: "dm:123456789012345678" หรือ target: "user:123456789012345678" กำหนดเส้นทางผ่านเซสชันข้อความโดยตรงนั้น

ตัวอย่าง OpenAI Realtime สำหรับสภาพแวดล้อมที่มีเสียงสะท้อนมาก:

{  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,            },          },        },      },    },  },}

ใช้การตั้งค่านี้เมื่อโมเดลได้ยินเสียงที่ Discord เล่นกลับของตัวเองผ่านไมโครโฟนที่เปิดอยู่ แต่คุณยังต้องการขัดจังหวะด้วยการพูด OpenClaw จะป้องกันไม่ให้ OpenAI ขัดจังหวะโดยอัตโนมัติจากเสียงอินพุตดิบ ขณะที่ bargeIn: true ช่วยให้เหตุการณ์เริ่มพูดของผู้พูดใน Discord และเสียงของผู้พูดที่กำลังใช้งานอยู่สามารถยกเลิกการตอบกลับแบบเรียลไทม์ที่กำลังทำงาน ก่อนที่รอบเสียงที่บันทึกถัดไปจะไปถึง OpenAI สัญญาณแทรกเสียงที่เกิดเร็วมากและมีค่า audioEndMs ต่ำกว่า minBargeInAudioEndMs จะถือว่าอาจเป็นเสียงสะท้อนหรือสัญญาณรบกวนและถูกละเว้น เพื่อไม่ให้โมเดลหยุดเสียงตั้งแต่เฟรมแรกของการเล่น

บันทึกเสียงที่ควรพบ:

• เมื่อเข้าร่วม: discord voice: joining ... voiceSession=... supervisorSession=... agentSessionMode=... voiceModel=... realtimeModel=...
• เมื่อเริ่มทำงานแบบเรียลไทม์: discord voice: realtime bridge starting ... autoRespond=false interruptResponse=false bargeIn=false minBargeInAudioEndMs=...
• เมื่อมีเสียงจากผู้พูด: discord voice: realtime speaker turn opened ..., discord voice: realtime input audio started ... outputAudioMs=... outputActive=... และ discord voice: realtime speaker turn closed ... chunks=... discordBytes=... realtimeBytes=... interruptedPlayback=...
• เมื่อข้ามคำพูดเก่าที่ค้างอยู่: discord voice: realtime forced agent consult skipped reason=incomplete-transcript ... หรือ reason=non-actionable-closing ...
• เมื่อการตอบกลับแบบเรียลไทม์เสร็จสิ้น: discord voice: realtime audio playback finishing reason=response.done ... audioMs=... chunks=...
• เมื่อหยุดหรือรีเซ็ตการเล่น: discord voice: realtime audio playback stopped reason=... audioMs=... elapsedMs=... chunks=...
• เมื่อมีการปรึกษาแบบเรียลไทม์: discord voice: realtime consult requested ... voiceSession=... supervisorSession=... question=...
• เมื่อเอเจนต์ตอบ: discord voice: agent turn answer ...
• เมื่อจัดคิวคำพูดแบบตรงตามข้อความ: discord voice: realtime exact speech queued ... queued=... outputAudioMs=... outputActive=... ตามด้วย discord voice: realtime exact speech dequeued reason=player-idle ...
• เมื่อตรวจพบการแทรกเสียง: discord voice: realtime barge-in detected source=speaker-start ... หรือ discord voice: realtime barge-in detected source=active-speaker-audio ... ตามด้วย discord voice: realtime barge-in requested reason=... outputAudioMs=... outputActive=...
• เมื่อขัดจังหวะแบบเรียลไทม์: discord voice: realtime model interrupt requested client:response.cancel reason=barge-in ตามด้วย discord voice: realtime model audio truncated client:conversation.item.truncate reason=barge-in audioEndMs=... หรือ discord voice: realtime model interrupt confirmed server:response.done status=cancelled ...
• เมื่อละเว้นเสียงสะท้อนหรือสัญญาณรบกวน: discord voice: realtime model interrupt ignored client:conversation.item.truncate.skipped reason=barge-in audioEndMs=0 minAudioEndMs=250
• เมื่อปิดใช้การแทรกเสียง: discord voice: realtime capture ignored during playback (barge-in disabled) ...
• เมื่อไม่มีการเล่นเสียง: discord voice: realtime barge-in ignored reason=... outputActive=false ... playbackChunks=0

หากต้องการดีบักเสียงที่ถูกตัด ให้อ่านบันทึกเสียงแบบเรียลไทม์ตามลำดับเวลา:

1. realtime audio playback started หมายความว่า Discord เริ่มเล่นเสียงของผู้ช่วยแล้ว บริดจ์จะเริ่มนับส่วนข้อมูลเอาต์พุตของผู้ช่วย จำนวนไบต์ PCM ของ Discord จำนวนไบต์แบบเรียลไทม์ของผู้ให้บริการ และระยะเวลาเสียงที่สังเคราะห์ขึ้นนับจากจุดนี้
2. realtime speaker turn opened ระบุว่าผู้พูดใน Discord เริ่มทำงาน หากกำลังเล่นเสียงอยู่แล้วและเปิดใช้ bargeIn เหตุการณ์นี้อาจตามด้วย barge-in detected source=speaker-start
3. realtime input audio started ระบุเฟรมเสียงจริงเฟรมแรกที่ได้รับในรอบการพูดนั้น หากตรงนี้มี outputActive=true หรือ outputAudioMs ไม่เป็นศูนย์ แสดงว่าไมโครโฟนกำลังส่งอินพุตขณะที่เสียงของผู้ช่วยยังคงเล่นอยู่
4. barge-in detected source=active-speaker-audio หมายความว่า OpenClaw ตรวจพบเสียงสดจากผู้พูดขณะที่เสียงของผู้ช่วยกำลังเล่นอยู่ ข้อมูลนี้ช่วยแยกแยะการขัดจังหวะจริงออกจากเหตุการณ์เริ่มพูดของ Discord ที่ไม่มีเสียงที่ใช้งานได้
5. barge-in requested reason=... หมายความว่า OpenClaw ขอให้ผู้ให้บริการแบบเรียลไทม์ยกเลิกหรือตัดการตอบกลับที่กำลังทำงาน โดยมี outputAudioMs, outputActive และ playbackChunks เพื่อให้เห็นว่าเสียงของผู้ช่วยถูกเล่นจริงไปมากเพียงใดก่อนการขัดจังหวะ
6. realtime audio playback stopped reason=... คือจุดรีเซ็ตการเล่นเสียงภายใน Discord เหตุผลจะระบุว่าใครหยุดการเล่น ได้แก่ barge-in, player-idle, provider-clear-audio, forced-agent-consult, stream-close หรือ session-close
7. realtime speaker turn closed สรุปรอบอินพุตที่บันทึกไว้ หาก chunks=0 หรือ hasAudio=false หมายความว่ารอบการพูดเปิดขึ้น แต่ไม่มีเสียงที่ใช้งานได้ไปถึงบริดจ์แบบเรียลไทม์ หาก interruptedPlayback=true หมายความว่ารอบอินพุตนั้นทับซ้อนกับเอาต์พุตของผู้ช่วยและเรียกใช้ตรรกะการแทรกเสียง

ฟิลด์ที่มีประโยชน์:

• outputAudioMs: ระยะเวลาเสียงของผู้ช่วยที่ผู้ให้บริการแบบเรียลไทม์สร้างขึ้นก่อนบรรทัดบันทึกนั้น
• audioMs: ระยะเวลาเสียงของผู้ช่วยที่ OpenClaw นับได้ก่อนหยุดเล่น
• elapsedMs: เวลาตามนาฬิการะหว่างการเปิดและปิดสตรีมการเล่นหรือรอบการพูด
• discordBytes: จำนวนไบต์ PCM สเตอริโอ 48 kHz ที่ส่งไปยังหรือรับมาจากระบบเสียง Discord
• realtimeBytes: จำนวนไบต์ PCM ในรูปแบบของผู้ให้บริการที่ส่งไปยังหรือรับมาจากผู้ให้บริการแบบเรียลไทม์
• playbackChunks: ส่วนข้อมูลเสียงของผู้ช่วยที่ส่งต่อไปยัง Discord สำหรับการตอบกลับที่กำลังทำงาน
• sinceLastAudioMs: ช่วงเวลาระหว่างเฟรมเสียงล่าสุดของผู้พูดที่บันทึกได้กับการปิดรอบการพูด

รูปแบบที่พบบ่อย:

• เสียงถูกตัดทันทีโดยมี source=active-speaker-audio, ค่า outputAudioMs ต่ำ และผู้ใช้คนเดิมอยู่ใกล้เคียง มักบ่งชี้ว่าเสียงสะท้อนจากลำโพงเข้าสู่ไมโครโฟน ให้เพิ่ม voice.realtime.minBargeInAudioEndMs ลดระดับเสียงลำโพง ใช้หูฟัง หรือตั้งค่า voice.realtime.providers.openai.interruptResponseOnInputAudio: false
• source=speaker-start ตามด้วย speaker turn closed ... hasAudio=false หมายความว่า Discord รายงานว่าผู้พูดเริ่มพูด แต่ไม่มีเสียงไปถึง OpenClaw ซึ่งอาจเป็นเหตุการณ์เสียงชั่วคราวของ Discord พฤติกรรมของตัวกรองเสียงรบกวน หรือไคลเอนต์เปิดไมโครโฟนเพียงชั่วขณะ
• audio playback stopped reason=stream-close โดยไม่มีการแทรกเสียงหรือ provider-clear-audio ใกล้เคียง หมายความว่าสตรีมการเล่นเสียงภายใน Discord สิ้นสุดลงโดยไม่คาดคิด ให้ตรวจสอบบันทึกของผู้ให้บริการและเครื่องเล่น Discord ก่อนหน้านั้น
• capture ignored during playback (barge-in disabled) หมายความว่า OpenClaw ละทิ้งอินพุตโดยเจตนาขณะที่เสียงของผู้ช่วยกำลังเล่นอยู่ เปิดใช้ voice.realtime.bargeIn หากต้องการให้เสียงพูดขัดจังหวะการเล่น
• barge-in ignored ... outputActive=false หมายความว่า Discord หรือ VAD ของผู้ให้บริการรายงานเสียงพูด แต่ OpenClaw ไม่มีการเล่นเสียงที่กำลังทำงานให้ขัดจังหวะ กรณีนี้ไม่ควรตัดเสียง

ข้อมูลประจำตัวจะถูกแยกแก้ไขตามแต่ละองค์ประกอบ ได้แก่ การรับรองความถูกต้องของเส้นทาง LLM สำหรับ voice.model, การรับรองความถูกต้องของ STT สำหรับ tools.media.audio, การรับรองความถูกต้องของ TTS สำหรับ messages.tts/voice.tts และการรับรองความถูกต้องของผู้ให้บริการแบบเรียลไทม์สำหรับ voice.realtime.providers หรือการกำหนดค่าการรับรองความถูกต้องตามปกติของผู้ให้บริการ

ข้อความเสียง

ข้อความเสียง Discord แสดงตัวอย่างรูปคลื่นและต้องใช้เสียง OGG/Opus OpenClaw สร้างรูปคลื่นโดยอัตโนมัติ แต่ต้องมี ffmpeg และ ffprobe บนโฮสต์ Gateway เพื่อตรวจสอบและแปลงไฟล์

• ระบุ เส้นทางไฟล์ภายในเครื่อง (URL จะถูกปฏิเสธ)
• ไม่ต้องระบุเนื้อหาข้อความ (Discord ปฏิเสธข้อความและข้อความเสียงที่อยู่ในเพย์โหลดเดียวกัน)
• รองรับรูปแบบเสียงทุกชนิด โดย OpenClaw จะแปลงเป็น OGG/Opus ตามความจำเป็น

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

การแก้ไขปัญหา

openclaw doctoropenclaw channels status --probeopenclaw logs --follow

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

{channels: {defaults: {  botLoopProtection: {    maxEventsPerWindow: 20,    windowSeconds: 60,    cooldownSeconds: 60,  },},discord: {  // การเขียนทับสำหรับ Discord ทั้งหมดที่ไม่บังคับ บล็อกบัญชีจะเขียนทับแต่ละฟิลด์  // และรับช่วงฟิลด์ที่ละไว้จากที่นี่  botLoopProtection: {    maxEventsPerWindow: 4,  },  accounts: {    alpha: {      // Alpha รับฟังบอตอื่นเฉพาะเมื่อบอตเหล่านั้นกล่าวถึง Alpha      allowBots: "mentions",    },    bravo: {      // Bravo รับฟังข้อความ Discord ทั้งหมดที่บอตเป็นผู้ส่ง      allowBots: true,      mentionAliases: {        // อนุญาตให้ Bravo เขียนการกล่าวถึง Alpha ใน Discord ด้วย ID ผู้ใช้ที่กำหนดค่าไว้        Alpha: "ALPHA_DISCORD_USER_ID",      },      botLoopProtection: {        // อนุญาตได้สูงสุดห้าข้อความต่อนาทีก่อนระงับคู่นี้        maxEventsPerWindow: 5,        windowSeconds: 60,        cooldownSeconds: 90,      },    },  },},},}

ข้อมูลอ้างอิงการกำหนดค่า

ข้อมูลอ้างอิงหลัก: ข้อมูลอ้างอิงการกำหนดค่า - Discord

ความปลอดภัยและการดำเนินงาน

• จัดการโทเค็นของบอตเสมือนเป็นข้อมูลลับ (แนะนำให้ใช้ DISCORD_BOT_TOKEN ในสภาพแวดล้อมที่มีระบบกำกับดูแล)
• ให้สิทธิ์ Discord เท่าที่จำเป็นเท่านั้น
• หากการปรับใช้/สถานะคำสั่งล้าสมัย ให้รีสตาร์ต Gateway และตรวจสอบอีกครั้งด้วย openclaw channels status --probe

ที่เกี่ยวข้อง