Discord

آماده برای پیام‌های مستقیم و کانال‌های گیلد از طریق Gateway رسمی Discord.

راه‌اندازی سریع

باید یک برنامه جدید همراه با یک ربات بسازید، ربات را به سرور خود اضافه کنید و آن را با OpenClaw جفت کنید. پیشنهاد می‌کنیم ربات خود را به سرور خصوصی خودتان اضافه کنید. اگر هنوز یکی ندارید، ابتدا یکی بسازید (گزینه Create My Own > For me and my friends را انتخاب کنید).

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>

پیشنهادی: راه‌اندازی یک فضای کاری گیلد

وقتی پیام‌های مستقیم کار کردند، می‌توانید سرور Discord خود را به‌عنوان یک فضای کاری کامل راه‌اندازی کنید که هر کانال در آن نشست عامل خودش را با زمینه خودش دارد. این کار برای سرورهای خصوصی که فقط شما و رباتتان در آن هستید 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 چند کانال روی سرور Discord خود بسازید و شروع به چت کنید. عامل شما می‌تواند نام کانال را ببیند، و هر کانال نشست ایزوله خودش را دارد — بنابراین می‌توانید #coding، #home، #research یا هر چیزی را که با جریان کاری شما سازگار است راه‌اندازی کنید.

مدل runtime

• Gateway مالک اتصال Discord است.
• مسیریابی پاسخ قطعی است: پاسخ‌های ورودی Discord دوباره به Discord برمی‌گردند.
• فرادادهٔ سرور/کانال Discord به‌عنوان زمینهٔ نامطمئن به اعلان مدل افزوده می‌شود، نه به‌عنوان پیشوند پاسخ قابل مشاهده برای کاربر. اگر مدلی آن پوشش را دوباره کپی کند، OpenClaw فرادادهٔ کپی‌شده را از پاسخ‌های خروجی و از زمینهٔ بازپخش آینده حذف می‌کند.
• به‌طور پیش‌فرض (session.dmScope=main)، گفت‌وگوهای مستقیم جلسهٔ اصلی عامل را به‌اشتراک می‌گذارند (agent:main:main).
• کانال‌های سرور، کلیدهای جلسهٔ ایزوله هستند (agent:<agentId>:discord:channel:<channelId>).
• پیام‌های مستقیم گروهی به‌طور پیش‌فرض نادیده گرفته می‌شوند (channels.discord.dm.groupEnabled=false).
• فرمان‌های اسلش بومی در جلسه‌های فرمان ایزوله اجرا می‌شوند (agent:<agentId>:discord:slash:<userId>)، درحالی‌که همچنان CommandTargetSessionKey را به جلسهٔ گفت‌وگوی مسیریابی‌شده حمل می‌کنند.
• تحویل اعلان Cron/Heartbeat فقط متنی به Discord، پاسخ نهاییِ قابل مشاهده برای دستیار را یک‌بار استفاده می‌کند. رسانه و بارهای مؤلفهٔ ساخت‌یافته وقتی عامل چند بار قابل تحویل تولید می‌کند، همچنان چندپیامی می‌مانند.

کانال‌های انجمن

کانال‌های انجمن و رسانهٔ Discord فقط پست‌های رشته را می‌پذیرند. OpenClaw از دو روش برای ایجاد آن‌ها پشتیبانی می‌کند:

• به والد انجمن (channel:<forumId>) پیام بفرستید تا یک رشته به‌طور خودکار ایجاد شود. عنوان رشته از نخستین خط غیرخالی پیام شما استفاده می‌کند.
• از openclaw message thread create برای ایجاد مستقیم رشته استفاده کنید. برای کانال‌های انجمن --message-id را ارسال نکنید.

مثال: ارسال به والد انجمن برای ایجاد رشته

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

مثال: ایجاد صریح یک رشتهٔ انجمن

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، به خود رشته بفرستید (channel:<threadId>).

مؤلفه‌های تعاملی

OpenClaw از ظرف‌های مؤلفهٔ v2 Discord برای پیام‌های عامل پشتیبانی می‌کند. از ابزار پیام با بار components استفاده کنید. نتیجه‌های تعامل به‌عنوان پیام‌های ورودی عادی به عامل مسیریابی می‌شوند و تنظیمات موجود replyToMode مربوط به Discord را دنبال می‌کنند.

بلوک‌های پشتیبانی‌شده:

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

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

برای محدود کردن اینکه چه کسی می‌تواند روی دکمه کلیک کند، allowedUsers را روی آن دکمه تنظیم کنید (شناسه‌های کاربر Discord، برچسب‌ها، یا *). وقتی پیکربندی شده باشد، کاربران نامطابق یک رد ناپایدار دریافت می‌کنند.

بازخوانی‌های مؤلفه به‌طور پیش‌فرض پس از ۳۰ دقیقه منقضی می‌شوند. برای تغییر طول عمر رجیستری بازخوانی برای حساب پیش‌فرض Discord، channels.discord.agentComponents.ttlMs را تنظیم کنید، یا برای بازنویسی یک حساب در راه‌اندازی چندحسابی، channels.discord.accounts.<accountId>.agentComponents.ttlMs را تنظیم کنید. مقدار بر حسب میلی‌ثانیه است، باید یک عدد صحیح مثبت باشد، و سقف آن 86400000 (۲۴ ساعت) است. TTLهای طولانی‌تر برای گردش‌کارهای بازبینی یا تأیید که نیاز دارند دکمه‌ها قابل استفاده بمانند مفیدند، اما پنجره‌ای را هم طولانی‌تر می‌کنند که در آن یک پیام قدیمی Discord هنوز می‌تواند کنشی را فعال کند. کوتاه‌ترین TTL متناسب با گردش‌کار را ترجیح دهید، و وقتی بازخوانی‌های کهنه غافلگیرکننده هستند مقدار پیش‌فرض را نگه دارید.

فرمان‌های اسلش /model و /models یک انتخاب‌گر تعاملی مدل را با فهرست‌های کشویی ارائه‌دهنده، مدل و زمان‌اجرای سازگار، به‌همراه یک مرحلهٔ ارسال، باز می‌کنند. /models add منسوخ شده و اکنون به‌جای ثبت مدل‌ها از گفت‌وگو، یک پیام منسوخ‌شدن برمی‌گرداند. پاسخ انتخاب‌گر ناپایدار است و فقط کاربر فراخواننده می‌تواند از آن استفاده کند. منوهای انتخاب Discord به ۲۵ گزینه محدودند، بنابراین وقتی می‌خواهید انتخاب‌گر مدل‌های کشف‌شدهٔ پویا را فقط برای ارائه‌دهندگان منتخب مانند openai یا vllm نشان دهد، ورودی‌های provider/* را به agents.defaults.models اضافه کنید.

پیوست‌های فایل:

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

فرم‌های مودال:

• components.modal را با حداکثر ۵ فیلد اضافه کنید
• انواع فیلد: text، checkbox، radio، select، role-select، user-select
• OpenClaw به‌طور خودکار یک دکمهٔ محرک 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: { allow: true },        help: { allow: true, requireMention: true },      },    },  },},},}

مسیریابی عامل مبتنی بر نقش

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

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

فرمان‌های بومی و احراز مجوز فرمان

• مقدار پیش‌فرض commands.native برابر "auto" است و برای Discord فعال است.
• بازنویسی برای هر کانال: channels.discord.commands.native.
• commands.native=false ثبت و پاک‌سازی فرمان‌های اسلش Discord را هنگام راه‌اندازی رد می‌کند. فرمان‌های ثبت‌شده قبلی ممکن است تا زمانی که آن‌ها را از برنامه Discord حذف کنید، همچنان در Discord دیده شوند.
• احراز مجوز فرمان بومی از همان فهرست‌های مجاز/سیاست‌های Discord استفاده می‌کند که پردازش پیام عادی استفاده می‌کند.
• فرمان‌ها ممکن است همچنان در رابط کاربری Discord برای کاربرانی که مجاز نیستند دیده شوند؛ اجرا همچنان احراز مجوز OpenClaw را اعمال می‌کند و «مجاز نیست» برمی‌گرداند.

برای فهرست فرمان‌ها و رفتار، فرمان‌های اسلش را ببینید.

تنظیمات پیش‌فرض فرمان اسلش:

• ephemeral: true

جزئیات قابلیت

{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_...", // optional; needed for private systems  },},},}

{channels: {discord: {  mentionAliases: {    Vladislava: "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",  },},},}

ابزارها و gateهای action

actionهای پیام Discord شامل پیام‌رسانی، مدیریت کانال، moderation، حضور، و actionهای metadata هستند.

نمونه‌های اصلی:

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

action‏ event-create یک پارامتر اختیاری image می‌پذیرد (URL یا مسیر فایل محلی) تا تصویر cover رویداد زمان‌بندی‌شده را تنظیم کند.

gateهای action زیر channels.discord.actions.* قرار دارند.

رفتار پیش‌فرض gate:

UI کامپوننت‌های v2

OpenClaw از کامپوننت‌های v2 در Discord برای تأییدهای exec و markerهای بین‌زمینه‌ای استفاده می‌کند. actionهای پیام Discord همچنین می‌توانند برای UI سفارشی components بپذیرند (پیشرفته؛ نیازمند ساخت payload کامپوننت از طریق tool مربوط به discord)، درحالی‌که embeds قدیمی همچنان در دسترس است اما توصیه نمی‌شود.

• channels.discord.ui.components.accentColor رنگ accent استفاده‌شده توسط containerهای کامپوننت Discord را تنظیم می‌کند (hex).
• برای هر حساب با channels.discord.accounts.<id>.ui.components.accentColor تنظیم کنید.
• channels.discord.agentComponents.ttlMs کنترل می‌کند callbackهای کامپوننت ارسال‌شده Discord چه مدت ثبت‌شده باقی بمانند (پیش‌فرض 1800000، حداکثر 86400000). برای هر حساب با channels.discord.accounts.<id>.agentComponents.ttlMs تنظیم کنید.
• وقتی کامپوننت‌های v2 وجود داشته باشند، embeds نادیده گرفته می‌شوند.
• پیش‌نمایش‌های URL ساده به‌صورت پیش‌فرض سرکوب می‌شوند. زمانی که یک لینک خروجی واحد باید گسترش یابد، در action پیام suppressEmbeds: false را تنظیم کنید.

نمونه:

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

صدا

Discord دو سطح صدای متمایز دارد: کانال‌های صوتی realtime (گفت‌وگوهای پیوسته) و پیوست‌های پیام صوتی (قالب پیش‌نمایش waveform). Gateway از هر دو پشتیبانی می‌کند.

کانال‌های صوتی

چک‌لیست راه‌اندازی:

1. Message Content Intent را در Discord Developer Portal فعال کنید.
2. وقتی allowlistهای role/user استفاده می‌شوند، Server Members Intent را فعال کنید.
3. bot را با scopeهای bot و applications.commands دعوت کنید.
4. در کانال صوتی هدف، Connect، Speak، Send Messages، و Read Message History را اعطا کنید.
5. فرمان‌های native را فعال کنید (commands.native یا channels.discord.commands.native).
6. channels.discord.voice را پیکربندی کنید.

برای کنترل sessionها از /vc join|leave|status استفاده کنید. این فرمان از عامل پیش‌فرض حساب استفاده می‌کند و همان قواعد allowlist و سیاست گروهی را مانند دیگر فرمان‌های Discord دنبال می‌کند.

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

برای بررسی مجوزهای مؤثر bot پیش از پیوستن، اجرا کنید:

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

نمونه auto-join:

{  channels: {    discord: {      voice: {        enabled: true,        model: "openai/gpt-5.5",        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",          speakerVoice: "cedar",        },      },    },  },}

نکات:

• voice.tts فقط برای پخش صدای stt-tts، messages.tts را بازنویسی می‌کند. حالت‌های بی‌درنگ از voice.realtime.speakerVoice استفاده می‌کنند.
• voice.mode مسیر مکالمه را کنترل می‌کند. پیش‌فرض agent-proxy است: یک فرانت‌اند صوتی بی‌درنگ زمان‌بندی نوبت، وقفه و پخش را مدیریت می‌کند، کارهای محتوایی را از طریق openclaw_agent_consult به عامل OpenClaw مسیریابی‌شده واگذار می‌کند، و نتیجه را مانند یک اعلان تایپ‌شده Discord از همان گوینده در نظر می‌گیرد. stt-tts جریان قدیمی‌تر STT دسته‌ای به‌همراه TTS را نگه می‌دارد. bidi به مدل بی‌درنگ اجازه می‌دهد مستقیماً مکالمه کند، درحالی‌که openclaw_agent_consult را برای مغز OpenClaw در دسترس می‌گذارد.
• voice.agentSession کنترل می‌کند کدام مکالمه OpenClaw نوبت‌های صوتی را دریافت کند. برای استفاده از نشست خود کانال صوتی، آن را تنظیم‌نشده بگذارید، یا { mode: "target", target: "channel:<text-channel-id>" } را تنظیم کنید تا کانال صوتی به‌عنوان افزونه میکروفون/بلندگوی یک نشست موجود کانال متنی 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 بگذارید. این گزینه از voice.realtime.model جداست.
• voice.followUsers به بات اجازه می‌دهد همراه کاربران انتخاب‌شده به صدای Discord بپیوندد، جابه‌جا شود و خارج شود. برای قواعد رفتار و نمونه‌ها، 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 هدف حفظ می‌کند، اما ابزار tts عامل را پنهان می‌کند چون صدای Discord مالک پخش است. به‌طور پیش‌فرض، agent-proxy برای گویندگان مالک، دسترسی کامل ابزار معادل مالک را به مشورت می‌دهد (voice.realtime.toolPolicy: "owner") و قویاً ترجیح می‌دهد پیش از پاسخ‌های محتوایی با عامل OpenClaw مشورت کند (voice.realtime.consultPolicy: "always"). در حالت پیش‌فرض always، لایه بی‌درنگ پیش از پاسخ مشورت، پرکننده را خودکار به گفتار تبدیل نمی‌کند؛ گفتار را ضبط و رونویسی می‌کند، سپس پاسخ مسیریابی‌شده OpenClaw را پخش می‌کند. اگر چند پاسخ مشورت اجباری درحالی تمام شوند که Discord هنوز پاسخ نخست را پخش می‌کند، پاسخ‌های گفتاری دقیق بعدی به‌جای جایگزین‌کردن گفتار در میانه جمله، تا بیکارشدن پخش در صف می‌مانند.
• در حالت stt-tts، STT از tools.media.audio استفاده می‌کند؛ voice.model روی رونویسی اثر نمی‌گذارد.
• در حالت‌های بی‌درنگ، voice.realtime.provider، voice.realtime.model و voice.realtime.speakerVoice نشست صوتی بی‌درنگ را پیکربندی می‌کنند. برای OpenAI Realtime 2 به‌همراه مغز Codex، از voice.realtime.model: "gpt-realtime-2" و voice.model: "openai/gpt-5.5" استفاده کنید.
• حالت‌های صوتی بی‌درنگ به‌طور پیش‌فرض فایل‌های کوچک نمایه IDENTITY.md، USER.md و SOUL.md را در دستورالعمل‌های ارائه‌دهنده بی‌درنگ قرار می‌دهند تا نوبت‌های مستقیم سریع همان هویت، زمینه کاربر و پرسونا را مانند عامل OpenClaw مسیریابی‌شده حفظ کنند. برای سفارشی‌سازی، voice.realtime.bootstrapContextFiles را روی زیرمجموعه‌ای تنظیم کنید، یا برای غیرفعال‌کردن آن [] را تنظیم کنید. فایل‌های بوت‌استرپ بی‌درنگ پشتیبانی‌شده به همان فایل‌های نمایه محدودند؛ AGENTS.md در زمینه عادی عامل باقی می‌ماند. زمینه نمایه تزریق‌شده جایگزین openclaw_agent_consult برای کارهای فضای‌کاری، حقایق جاری، جست‌وجوی حافظه یا اقدام‌های متکی به ابزار نمی‌شود.
• در حالت بی‌درنگ OpenAI agent-proxy، voice.realtime.requireWakeName: true را تنظیم کنید تا صدای بی‌درنگ Discord تا زمانی که یک رونویسی با نام بیدارباش شروع یا تمام نشده است ساکت بماند. نام‌های بیدارباش پیکربندی‌شده باید یک یا دو واژه باشند. اگر voice.realtime.wakeNames تنظیم نشده باشد، OpenClaw از name عامل مسیریابی‌شده به‌همراه OpenClaw استفاده می‌کند، و در صورت نبود آن به شناسه عامل به‌همراه OpenClaw برمی‌گردد. دروازه‌گذاری با نام بیدارباش، پاسخ خودکار ارائه‌دهنده بی‌درنگ را غیرفعال می‌کند، نوبت‌های پذیرفته‌شده را از مسیر مشورت عامل OpenClaw عبور می‌دهد، و وقتی یک نام بیدارباش ابتدایی از رونویسی جزئی پیش از رسیدن رونویسی نهایی تشخیص داده شود، یک تأیید گفتاری کوتاه می‌دهد.
• ارائه‌دهنده بی‌درنگ OpenAI نام رویدادهای فعلی Realtime 2 و نام‌های مستعار قدیمی سازگار با Codex را برای رویدادهای صوت خروجی و رونویسی می‌پذیرد، بنابراین اسنپ‌شات‌های سازگار ارائه‌دهنده می‌توانند بدون حذف صدای دستیار دچار تغییر شوند.
• voice.realtime.bargeIn کنترل می‌کند که آیا رویدادهای شروع گوینده Discord پخش بی‌درنگ فعال را قطع کنند یا نه. اگر تنظیم‌نشده باشد، از تنظیم وقفه صوت ورودی ارائه‌دهنده بی‌درنگ پیروی می‌کند.
• voice.realtime.minBargeInAudioEndMs حداقل مدت پخش دستیار پیش از آن را کنترل می‌کند که یک ورود میانی بی‌درنگ OpenAI صدا را کوتاه کند. پیش‌فرض: 250. برای وقفه فوری در اتاق‌های با پژواک کم، 0 را تنظیم کنید، یا برای چیدمان‌های بلندگوی دارای پژواک زیاد آن را افزایش دهید.
• برای یک صدای OpenAI روی پخش Discord، voice.tts.provider: "openai" را تنظیم کنید و زیر voice.tts.providers.openai.speakerVoice یک صدای Text-to-speech انتخاب کنید. cedar روی مدل TTS فعلی OpenAI انتخاب خوبی با صدایی مردانه است.
• بازنویسی‌های systemPrompt هر کانال Discord روی نوبت‌های رونویسی صوتی همان کانال صوتی اعمال می‌شوند.
• نوبت‌های رونویسی صوتی وضعیت مالک را برای فرمان‌های محدود به مالک و اقدام‌های کانال از allowFrom در Discord (یا dm.allowFrom) به‌دست می‌آورند. نمایانی ابزار عامل از سیاست ابزار پیکربندی‌شده برای نشست مسیریابی‌شده پیروی می‌کند.
• صدای Discord برای پیکربندی‌های فقط متنی اختیاری است؛ برای فعال‌کردن فرمان‌های /vc، زمان‌اجرای صوتی، و intent مربوط به Gateway با نام GuildVoiceStates، channels.discord.voice.enabled=true را تنظیم کنید (یا یک بلوک موجود channels.discord.voice را نگه دارید).
• channels.discord.intents.voiceStates می‌تواند اشتراک intent وضعیت صدا را صریحاً بازنویسی کند. برای اینکه intent از فعال‌سازی مؤثر صدا پیروی کند، آن را تنظیم‌نشده بگذارید.
• اگر voice.autoJoin چند ورودی برای یک guild داشته باشد، OpenClaw به آخرین کانال پیکربندی‌شده برای آن guild می‌پیوندد.
• voice.allowedChannels یک allowlist اقامت اختیاری است. برای اجازه‌دادن به /vc join برای ورود به هر کانال صوتی مجاز Discord، آن را تنظیم‌نشده بگذارید. وقتی تنظیم شود، /vc join، پیوستن خودکار هنگام راه‌اندازی، و جابه‌جایی‌های وضعیت صوتی بات به ورودی‌های فهرست‌شده { guildId, channelId } محدود می‌شوند. برای رد همه پیوستن‌های صوتی Discord، آن را روی آرایه خالی تنظیم کنید. اگر Discord بات را به خارج از allowlist منتقل کند، OpenClaw آن کانال را ترک می‌کند و وقتی هدف پیوستن خودکار پیکربندی‌شده‌ای در دسترس باشد، دوباره به آن می‌پیوندد.
• voice.daveEncryption و voice.decryptionFailureTolerance به گزینه‌های پیوستن @discordjs/voice منتقل می‌شوند.
• پیش‌فرض‌های @discordjs/voice در صورت تنظیم‌نشدن، daveEncryption=true و decryptionFailureTolerance=24 هستند.
• OpenClaw از کدک همراه libopus-wasm برای دریافت صدای Discord و پخش PCM خام بی‌درنگ استفاده می‌کند. این کدک یک ساخت WebAssembly سنجاق‌شده libopus را ارسال می‌کند و به افزونه‌های opus بومی نیاز ندارد.
• voice.connectTimeoutMs انتظار اولیه Ready در @discordjs/voice را برای /vc join و تلاش‌های پیوستن خودکار کنترل می‌کند. پیش‌فرض: 30000.
• voice.reconnectGraceMs کنترل می‌کند OpenClaw پس از قطع یک نشست صوتی، پیش از نابودکردن آن، چه مدت منتظر شروع اتصال دوباره بماند. پیش‌فرض: 15000.
• در حالت stt-tts، پخش صدا صرفاً به‌خاطر شروع صحبت کاربر دیگر متوقف نمی‌شود. برای جلوگیری از حلقه‌های بازخورد، OpenClaw هنگام پخش TTS ضبط صدای جدید را نادیده می‌گیرد؛ برای نوبت بعدی پس از پایان پخش صحبت کنید. حالت‌های بی‌درنگ شروع گوینده را به‌عنوان سیگنال‌های ورود میانی به ارائه‌دهنده بی‌درنگ ارسال می‌کنند.
• در حالت‌های بی‌درنگ، پژواک بلندگوها در یک میکروفون باز می‌تواند شبیه ورود میانی به‌نظر برسد و پخش را قطع کند. برای اتاق‌های Discord با پژواک زیاد، voice.realtime.providers.openai.interruptResponseOnInputAudio: false را تنظیم کنید تا OpenAI به‌طور خودکار با صوت ورودی وقفه ایجاد نکند. اگر همچنان می‌خواهید رویدادهای شروع گوینده Discord پخش فعال را قطع کنند، voice.realtime.bargeIn: true را اضافه کنید. پل بی‌درنگ OpenAI کوتاه‌سازی‌های پخش کوتاه‌تر از voice.realtime.minBargeInAudioEndMs را به‌عنوان پژواک/نویز محتمل نادیده می‌گیرد و به‌جای پاک‌کردن پخش Discord، آن‌ها را به‌عنوان ردشده ثبت می‌کند.
• voice.captureSilenceGraceMs کنترل می‌کند OpenClaw پس از گزارش Discord مبنی بر توقف یک گوینده، چه مدت پیش از نهایی‌کردن آن قطعه صوتی برای STT صبر کند. پیش‌فرض: 2000؛ اگر Discord مکث‌های عادی را به رونویسی‌های جزئی بریده‌بریده تقسیم می‌کند، این مقدار را افزایش دهید.
• وقتی ElevenLabs ارائه‌دهنده TTS انتخاب‌شده باشد، پخش صدای Discord از TTS جریانی استفاده می‌کند و از جریان پاسخ ارائه‌دهنده شروع می‌شود. ارائه‌دهندگان بدون پشتیبانی جریان به مسیر فایل موقت سنتز‌شده برمی‌گردند.
• OpenClaw همچنین خطاهای رمزگشایی دریافت را پایش می‌کند و پس از خطاهای تکراری در یک پنجره کوتاه، با ترک و پیوستن دوباره به کانال صوتی، خودکار بازیابی می‌شود.
• اگر پس از به‌روزرسانی، لاگ‌های دریافت مکرراً DecryptionFailed(UnencryptedWhenPassthroughDisabled) را نشان می‌دهند، یک گزارش وابستگی و لاگ‌ها را جمع‌آوری کنید. خط همراه @discordjs/voice شامل اصلاح padding بالادستی از PR شماره #11449 در discord.js است که issue شماره #11419 در discord.js را بست.
• رویدادهای دریافت The operation was aborted زمانی که OpenClaw یک قطعه گوینده ضبط‌شده را نهایی می‌کند مورد انتظارند؛ آن‌ها عیب‌یابی‌های پرجزئیات هستند، نه هشدار.
• لاگ‌های پرجزئیات صدای Discord برای هر قطعه گوینده پذیرفته‌شده، یک پیش‌نمایش محدود و تک‌خطی از رونویسی STT دارند، بنابراین اشکال‌زدایی هم سمت کاربر و هم سمت پاسخ عامل را بدون بیرون‌ریختن متن رونویسی نامحدود نشان می‌دهد.
• در حالت agent-proxy، fallback مشورت اجباری قطعه‌های رونویسی احتمالاً ناقص را نادیده می‌گیرد؛ مانند متنی که به ... ختم می‌شود یا یک اتصال‌دهنده پایانی مثل and دارد، به‌علاوه پایان‌بندی‌های آشکارا غیرقابل‌اقدام مانند “be right back” یا “bye”. وقتی این کار از یک پاسخ صف‌شده کهنه جلوگیری کند، لاگ‌ها forced agent consult skipped reason=... را نشان می‌دهند.

دنبال‌کردن کاربران در صدا

وقتی می‌خواهید بات صوتی Discord به‌جای پیوستن به یک کانال ثابت هنگام راه‌اندازی یا منتظرماندن برای /vc join، همراه یک یا چند کاربر شناخته‌شده Discord بماند، از voice.followUsers استفاده کنید.

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

رفتار:

• followUsers شناسه‌های خام کاربر Discord و مقدارهای discord:<id> را می‌پذیرد. OpenClaw پیش از تطبیق رویدادهای وضعیت صدا، هر دو قالب را نرمال‌سازی می‌کند.
• وقتی followUsers پیکربندی شده باشد، پیش‌فرض followUsersEnabled برابر true است. برای نگه‌داشتن فهرست ذخیره‌شده اما توقف دنبال‌کردن خودکار صدا، آن را روی false تنظیم کنید.
• وقتی کاربر دنبال‌شده به یک کانال صوتی مجاز می‌پیوندد، OpenClaw به آن کانال می‌پیوندد. وقتی کاربر جابه‌جا می‌شود، OpenClaw همراه او جابه‌جا می‌شود. وقتی کاربر دنبال‌شده فعال قطع اتصال می‌کند، OpenClaw خارج می‌شود.
• اگر چند کاربر دنبال‌شده در یک guild باشند و کاربر دنبال‌شده فعال خارج شود، OpenClaw پیش از ترک guild به کانال کاربر دنبال‌شده ردیابی‌شده دیگری منتقل می‌شود. اگر چند کاربر دنبال‌شده هم‌زمان جابه‌جا شوند، آخرین رویداد وضعیت صوتی مشاهده‌شده برنده است.
• allowedChannels همچنان اعمال می‌شود. کاربر دنبال‌شده در کانال غیرمجاز نادیده گرفته می‌شود، و یک نشست متعلق به دنبال‌کردن به کاربر دنبال‌شده دیگری منتقل می‌شود یا خارج می‌شود.
• OpenClaw رویدادهای وضعیت صوتی ازدست‌رفته را هنگام راه‌اندازی و در یک بازه محدود همگام‌سازی می‌کند. همگام‌سازی از guildهای پیکربندی‌شده نمونه‌برداری می‌کند و تعداد جست‌وجوهای REST را در هر اجرا محدود می‌کند، بنابراین فهرست‌های بسیار بزرگ followUsers ممکن است برای همگراشدن به بیش از یک بازه نیاز داشته باشند.
• اگر Discord یا یک مدیر، بات را درحالی‌که کاربری را دنبال می‌کند جابه‌جا کند، OpenClaw نشست صوتی را بازسازی می‌کند و وقتی مقصد مجاز باشد مالکیت دنبال‌کردن را حفظ می‌کند. اگر بات به خارج از allowedChannels منتقل شود، OpenClaw خارج می‌شود و وقتی هدف پیکربندی‌شده‌ای وجود داشته باشد دوباره به آن می‌پیوندد.
• بازیابی دریافت DAVE ممکن است پس از خطاهای رمزگشایی تکراری، همان کانال را ترک کند و دوباره به آن بپیوندد. نشست‌های متعلق به دنبال‌کردن در این مسیر بازیابی مالکیت دنبال‌کردن خود را حفظ می‌کنند، بنابراین قطع اتصال بعدی کاربر دنبال‌شده همچنان کانال را ترک می‌کند.

بین حالت‌های پیوستن انتخاب کنید:

• برای چیدمان‌های شخصی یا اپراتوری که بات باید هنگام حضور شما در صدا به‌طور خودکار در صدا باشد، از followUsers استفاده کنید.
• برای بات‌های اتاق ثابت که حتی وقتی هیچ کاربر ردیابی‌شده‌ای در صدا نیست باید حاضر باشند، از autoJoin استفاده کنید.
• برای پیوستن‌های موردی یا اتاق‌هایی که حضور صوتی خودکار غافلگیرکننده خواهد بود، از /vc join استفاده کنید.

کدک صدای Discord:

• لاگ‌های دریافت صوت نشان می‌دهند discord voice: opus decoder: libopus-wasm.
• پخش بلادرنگ، PCM خام استریوی 48 kHz را پیش از تحویل بسته‌ها به @discordjs/voice، با همان بستهٔ همراه libopus-wasm به Opus کدگذاری می‌کند.
• پخش فایل و جریانِ provider با ffmpeg به PCM خام استریوی 48 kHz تبدیل می‌شود، سپس برای جریان بستهٔ Opus که به Discord فرستاده می‌شود از libopus-wasm استفاده می‌کند.

خط لولهٔ STT به‌همراه TTS:

• دریافت PCM از Discord به یک فایل موقت WAV تبدیل می‌شود.
• tools.media.audio مدیریت STT را انجام می‌دهد، برای مثال openai/gpt-4o-mini-transcribe.
• رونوشت از مسیر ورودی و مسیریابی Discord عبور داده می‌شود، در حالی که LLM پاسخ با سیاست خروجی صوتی اجرا می‌شود که ابزار tts عامل را پنهان می‌کند و متن بازگشتی می‌خواهد، چون صوت Discord مالک پخش نهایی TTS است.
• voice.model، وقتی تنظیم شده باشد، فقط LLM پاسخ را برای این نوبتِ کانال صوتی بازنویسی می‌کند.
• voice.tts روی messages.tts ادغام می‌شود؛ providerهای دارای قابلیت جریان‌دهی مستقیماً player را تغذیه می‌کنند، وگرنه فایل صوتی حاصل در کانال ملحق‌شده پخش می‌شود.

نمونهٔ نشست کانال صوتی پیش‌فرض agent-proxy:

{  channels: {    discord: {      voice: {        enabled: true,        model: "openai/gpt-5.5",        followUsersEnabled: true,        followUsers: ["123456789012345678"],        realtime: {          provider: "openai",          model: "gpt-realtime-2",          speakerVoice: "cedar",        },      },    },  },}

بدون بلوک voice.agentSession، هر کانال صوتی نشست مسیریابی‌شدهٔ OpenClaw خودش را دریافت می‌کند. برای مثال، /vc join channel:234567890123456789 با نشست همان کانال صوتی Discord صحبت می‌کند. مدل بلادرنگ فقط پیشانهٔ صوتی است؛ درخواست‌های اصلی به عامل OpenClaw پیکربندی‌شده تحویل داده می‌شوند. اگر مدل بلادرنگ بدون فراخوانی ابزار مشورت، رونوشت نهایی تولید کند، OpenClaw مشورت را به‌عنوان fallback اجباری می‌کند تا پیش‌فرض همچنان مانند صحبت با عامل رفتار کند.

نمونهٔ 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",            },          },        },      },    },  },}

نمونهٔ bidi بلادرنگ:

{  channels: {    discord: {      voice: {        enabled: true,        mode: "bidi",        model: "openai/gpt-5.5",        realtime: {          provider: "openai",          model: "gpt-realtime-2",          speakerVoice: "cedar",          toolPolicy: "safe-read-only",          consultPolicy: "always",        },      },    },  },}

صوت به‌عنوان افزونهٔ یک نشست کانال Discord موجود:

{  channels: {    discord: {      voice: {        enabled: true,        mode: "agent-proxy",        model: "openai/gpt-5.5",        agentSession: {          mode: "target",          target: "channel:123456789012345678",        },        realtime: {          provider: "openai",          model: "gpt-realtime-2",          speakerVoice: "cedar",        },      },    },  },}

در حالت agent-proxy، ربات به کانال صوتی پیکربندی‌شده ملحق می‌شود، اما نوبت‌های عامل OpenClaw از نشست و عامل مسیریابی‌شدهٔ عادیِ کانال هدف استفاده می‌کنند. نشست صوتی بلادرنگ نتیجهٔ بازگشتی را دوباره در کانال صوتی می‌گوید. عامل ناظر همچنان می‌تواند مطابق سیاست ابزار خود از ابزارهای پیام عادی استفاده کند، از جمله ارسال یک پیام جداگانه در Discord اگر آن اقدام درست باشد.

وقتی یک اجرای واگذارشدهٔ OpenClaw فعال است، رونوشت‌های صوتی جدید Discord پیش از شروع نوبت عامل دیگر، به‌عنوان کنترل اجرای زنده پردازش می‌شوند. عبارت‌هایی مانند "status"، "cancel that"، "use the smaller fix"، یا "when you're done also check tests" به‌عنوان وضعیت، لغو، هدایت، یا ورودی پیگیری برای نشست فعال طبقه‌بندی می‌شوند. نتیجه‌های وضعیت، لغو، هدایت پذیرفته‌شده، و پیگیری در کانال صوتی گفته می‌شوند تا تماس‌گیرنده بداند OpenClaw درخواست را مدیریت کرده است یا نه.

شکل‌های هدف مفید:

• target: "channel:123456789012345678" از طریق نشست کانال متنی Discord مسیریابی می‌شود.
• target: "123456789012345678" به‌عنوان هدف کانال پردازش می‌شود.
• target: "dm:123456789012345678" یا target: "user:123456789012345678" از طریق نشست پیام مستقیم همان کاربر مسیریابی می‌شود.

نمونهٔ OpenAI Realtime با اکو زیاد:

{  channels: {    discord: {      voice: {        enabled: true,        mode: "bidi",        model: "openai/gpt-5.5",        realtime: {          provider: "openai",          model: "gpt-realtime-2",          speakerVoice: "cedar",          bargeIn: true,          minBargeInAudioEndMs: 500,          consultPolicy: "always",          providers: {            openai: {              interruptResponseOnInputAudio: false,            },          },        },      },    },  },}

وقتی مدل پخش خودش در Discord را از طریق میکروفون باز می‌شنود، اما همچنان می‌خواهید با صحبت کردن آن را قطع کنید، از این استفاده کنید. OpenClaw جلوی قطع خودکار OpenAI بر اساس صوت ورودی خام را می‌گیرد، در حالی که bargeIn: true اجازه می‌دهد رویدادهای شروع گوینده در Discord و صوت گوینده‌ای که از قبل فعال است، پاسخ‌های بلادرنگ فعال را پیش از رسیدن نوبت ضبط‌شدهٔ بعدی به OpenAI لغو کنند. سیگنال‌های بسیار زودهنگام ورود با audioEndMs کمتر از minBargeInAudioEndMs به‌عنوان اکو/نویز احتمالی در نظر گرفته و نادیده گرفته می‌شوند تا مدل در اولین فریم پخش قطع نشود.

لاگ‌های صوتی مورد انتظار:

• هنگام پیوستن: discord voice: joining ... voiceSession=... supervisorSession=... agentSessionMode=... voiceModel=... realtimeModel=...
• هنگام شروع بلادرنگ: discord voice: realtime bridge starting ... autoRespond=false interruptResponse=false bargeIn=false minBargeInAudioEndMs=...
• هنگام صوت 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 گفتار کهنهٔ نادیده‌گرفته‌شده: 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/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 گفتار دقیق در صف: discord voice: realtime exact speech queued ... queued=... outputAudioMs=... outputActive=...، سپس discord voice: realtime exact speech dequeued reason=player-idle ...
• هنگام تشخیص ورود: discord voice: realtime barge-in detected source=speaker-start ... یا discord voice: realtime barge-in detected source=active-speaker-audio ...، سپس discord voice: realtime barge-in requested reason=... outputAudioMs=... outputActive=...
• هنگام وقفهٔ بلادرنگ: discord voice: realtime model interrupt requested client:response.cancel reason=barge-in، سپس یا 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 اکو/نویز نادیده‌گرفته‌شده: discord voice: realtime model interrupt ignored client:conversation.item.truncate.skipped reason=barge-in audioEndMs=0 minAudioEndMs=250
• هنگام غیرفعال بودن ورود: discord voice: realtime capture ignored during playback (barge-in disabled) ...
• هنگام پخش بیکار: discord voice: realtime barge-in ignored reason=... outputActive=false ... playbackChunks=0

برای اشکال‌زدایی صوت قطع‌شده، لاگ‌های صوتی بلادرنگ را مانند یک خط زمانی بخوانید:

1. realtime audio playback started یعنی Discord شروع به پخش صوت دستیار کرده است. پل از همین نقطه شمردن قطعه‌های خروجی دستیار، بایت‌های PCM Discord، بایت‌های بلادرنگ provider، و مدت صوت سنتزشده را شروع می‌کند.
2. realtime speaker turn opened فعال شدن یک گویندهٔ Discord را مشخص می‌کند. اگر پخش از قبل فعال باشد و bargeIn فعال شده باشد، ممکن است پس از آن barge-in detected source=speaker-start بیاید.
3. realtime input audio started اولین فریم صوتی واقعیِ دریافت‌شده برای آن نوبت گوینده را مشخص می‌کند. outputActive=true یا یک outputAudioMs غیرصفر در اینجا یعنی میکروفون در حالی ورودی می‌فرستد که پخش دستیار هنوز فعال است.
4. barge-in detected source=active-speaker-audio یعنی OpenClaw هنگام فعال بودن پخش دستیار، صوت زندهٔ گوینده را دیده است. این برای تشخیص یک وقفهٔ واقعی از رویداد شروع گویندهٔ Discord بدون صوت مفید، کاربرد دارد.
5. barge-in requested reason=... یعنی OpenClaw از provider بلادرنگ خواسته است پاسخ فعال را لغو یا کوتاه کند. این شامل outputAudioMs، outputActive، و playbackChunks است تا بتوانید ببینید پیش از وقفه واقعاً چه مقدار صوت دستیار پخش شده بود.
6. realtime audio playback stopped reason=... نقطهٔ بازنشانی پخش محلی Discord است. دلیل نشان می‌دهد چه کسی 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 نوبت ورودی ضبط‌شده را خلاصه می‌کند. chunks=0 یا hasAudio=false یعنی نوبت گوینده باز شد اما هیچ صوت قابل استفاده‌ای به پل بلادرنگ نرسید. interruptedPlayback=true یعنی آن نوبت ورودی با خروجی دستیار هم‌پوشانی داشت و منطق ورود را فعال کرد.

فیلدهای مفید:

• outputAudioMs: مدت صوت دستیار که پیش از خط لاگ توسط provider بلادرنگ تولید شده است.
• audioMs: مدت صوت دستیار که OpenClaw پیش از توقف پخش شمرده است.
• elapsedMs: زمان ساعت دیواری بین باز کردن و بستن جریان پخش یا نوبت گوینده.
• discordBytes: بایت‌های PCM استریوی 48 kHz که به صوت Discord فرستاده یا از آن دریافت شده‌اند.
• realtimeBytes: بایت‌های PCM با قالب provider که به provider بلادرنگ فرستاده یا از آن دریافت شده‌اند.
• playbackChunks: قطعه‌های صوتی دستیار که برای پاسخ فعال به Discord ارسال شده‌اند.
• sinceLastAudioMs: فاصلهٔ بین آخرین فریم صوتی ضبط‌شدهٔ گوینده و بسته شدن نوبت گوینده.

الگوهای رایج:

• قطع فوری با source=active-speaker-audio، مقدار کم outputAudioMs، و همان کاربر در نزدیکی معمولاً به ورود اکوی بلندگو به میکروفون اشاره دارد. 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.
• source=speaker-start و سپس speaker turn closed ... hasAudio=false یعنی Discord شروع گوینده را گزارش کرده اما هیچ صوتی به OpenClaw نرسیده است. این می‌تواند یک رویداد گذرای صوتی Discord، رفتار دروازهٔ نویز، یا روشن شدن بسیار کوتاه میکروفون از طرف کلاینت باشد.
• audio playback stopped reason=stream-close بدون ورود نزدیک یا provider-clear-audio یعنی جریان پخش محلی Discord به‌طور غیرمنتظره پایان یافته است. لاگ‌های قبلی provider و player مربوط به Discord را بررسی کنید.
• capture ignored during playback (barge-in disabled) یعنی OpenClaw عمداً ورودی را هنگام فعال بودن صوت دستیار حذف کرده است. اگر می‌خواهید گفتار پخش را قطع کند، voice.realtime.bargeIn را فعال کنید.
• barge-in ignored ... outputActive=false یعنی Discord یا VAD provider گفتار را گزارش کرده، اما OpenClaw هیچ پخش فعالی برای قطع کردن نداشته است. این نباید صوت را قطع کند.

اعتبارنامه‌ها برای هر مؤلفه جداگانه resolve 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 provider بلادرنگ برای voice.realtime.providers یا پیکربندی عادی احراز هویت همان provider.

پیام‌های صوتی

پیام‌های صوتی Discord پیش‌نمایش موج صوتی نشان می‌دهند و به صوت OGG/Opus نیاز دارند. OpenClaw موج صوتی را خودکار تولید می‌کند، اما برای بازرسی و تبدیل به ffmpeg و ffprobe روی میزبان Gateway نیاز دارد.

• یک مسیر فایل محلی ارائه کنید (URLها رد می‌شوند).
• محتوای متنی را حذف کنید (Discord پیام متنی + پیام صوتی را در یک payload 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: {  // Optional Discord-wide override. Account blocks override individual  // fields and inherit omitted fields from here.  botLoopProtection: {    maxEventsPerWindow: 4,  },  accounts: {    mantis: {      // Mantis listens to other bots only when they mention her.      allowBots: "mentions",    },    molty: {      // Molty listens to all bot-authored Discord messages.      allowBots: true,      mentionAliases: {        // Lets Molty write a Mantis Discord mention with the configured user id.        Mantis: "MANTIS_DISCORD_USER_ID",      },      botLoopProtection: {        // Allow up to five messages per minute before suppressing the pair.        maxEventsPerWindow: 5,        windowSeconds: 60,        cooldownSeconds: 90,      },    },  },},},}

مرجع پیکربندی

مرجع اصلی: مرجع پیکربندی - Discord.

ایمنی و عملیات

• با tokenهای ربات مانند secrets رفتار کنید (DISCORD_BOT_TOKEN در محیط‌های تحت نظارت ترجیح داده می‌شود).
• کمترین مجوزهای لازم Discord را اعطا کنید.
• اگر deploy/state فرمان کهنه است، gateway را بازراه‌اندازی کنید و دوباره با openclaw channels status --probe بررسی کنید.

مرتبط