Nodes and media

Obsługa obrazów i multimediów

Kanał WhatsApp działa przez Baileys Web. Ten dokument opisuje bieżące reguły obsługi multimediów dla wysyłania, Gateway i odpowiedzi agentów.

Cele

Wysyłanie multimediów z opcjonalnymi podpisami przez openclaw message send --media.
Umożliwienie automatycznym odpowiedziom ze skrzynki odbiorczej web dołączania multimediów obok tekstu.
Utrzymanie rozsądnych i przewidywalnych limitów dla poszczególnych typów.

openclaw message send --media <path-or-url> [--message <caption>]
- --media jest opcjonalne; podpis może być pusty przy wysyłaniu samych multimediów.
- --dry-run wypisuje rozwiązany ładunek; --json emituje { channel, to, messageId, mediaUrl, caption }.

Dane wejściowe: lokalna ścieżka pliku lub adres URL HTTP(S).
Przepływ: wczytaj do Buffer, wykryj rodzaj multimediów i zbuduj właściwy ładunek:
- Obrazy: zmiana rozmiaru i ponowna kompresja do JPEG (maksymalny bok 2048px) z celem channels.whatsapp.mediaMaxMb (domyślnie: 50 MB).
- Audio/Głos/Wideo: przekazywanie bez zmian do 16 MB; audio jest wysyłane jako notatka głosowa (ptt: true).
- Dokumenty: wszystko inne, do 100 MB, z zachowaniem nazwy pliku, gdy jest dostępna.
Odtwarzanie w stylu GIF w WhatsApp: wyślij MP4 z gifPlayback: true (CLI: --gif-playback), aby klienci mobilni zapętlali je inline.
Wykrywanie MIME preferuje bajty magiczne, potem nagłówki, potem rozszerzenie pliku.
Podpis pochodzi z --message albo reply.text; pusty podpis jest dozwolony.
Logowanie: tryb niewerbose pokazuje ↩️/✅; tryb verbose zawiera rozmiar i ścieżkę/URL źródła.

getReplyFromConfig zwraca { text?, mediaUrl?, mediaUrls? }.
Gdy multimedia są obecne, nadawca web rozwiązuje lokalne ścieżki lub adresy URL przy użyciu tego samego potoku co openclaw message send.
Wiele pozycji multimedialnych jest wysyłanych sekwencyjnie, jeśli zostały podane.

Gdy przychodzące wiadomości web zawierają multimedia, OpenClaw pobiera je do pliku tymczasowego i udostępnia zmienne szablonów:
- {{MediaUrl}} pseudo-URL dla przychodzących multimediów.
- {{MediaPath}} lokalna ścieżka tymczasowa zapisana przed uruchomieniem polecenia.
Gdy włączona jest piaskownica Docker dla sesji, przychodzące multimedia są kopiowane do obszaru roboczego piaskownicy, a MediaPath/MediaUrl są przepisywane na ścieżkę względną, taką jak media/inbound/<filename>.
Rozumienie multimediów (jeśli skonfigurowane przez tools.media.* lub współdzielone tools.media.models) działa przed szablonowaniem i może wstawiać bloki [Image], [Audio] i [Video] do Body.
- Audio ustawia {{Transcript}} i używa transkrypcji do parsowania poleceń, aby polecenia z ukośnikiem nadal działały.
- Opisy wideo i obrazów zachowują dowolny tekst podpisu na potrzeby parsowania poleceń.
- Jeśli aktywny główny model obrazów już natywnie obsługuje widzenie, OpenClaw pomija blok podsumowania [Image] i zamiast tego przekazuje oryginalny obraz do modelu.
Domyślnie przetwarzany jest tylko pierwszy pasujący załącznik obrazu/audio/wideo; ustaw tools.media.<cap>.attachments, aby przetwarzać wiele załączników.

Limity wysyłania wychodzącego (wysyłka WhatsApp web)

Obrazy: do channels.whatsapp.mediaMaxMb (domyślnie: 50 MB) po ponownej kompresji.
Audio/głos/wideo: limit 16 MB; dokumenty: limit 100 MB.
Zbyt duże lub nieczytelne multimedia → czytelny błąd w logach, a odpowiedź jest pomijana.

Limity rozumienia multimediów (transkrypcja/opis)

Domyślnie obraz: 10 MB (tools.media.image.maxBytes).
Domyślnie audio: 20 MB (tools.media.audio.maxBytes).
Domyślnie wideo: 50 MB (tools.media.video.maxBytes).
Zbyt duże multimedia pomijają rozumienie, ale odpowiedzi nadal przechodzą z oryginalną treścią.

Obejmij przepływy wysyłania i odpowiedzi dla przypadków obrazu/audio/dokumentu.
Zweryfikuj ponowną kompresję obrazów (ograniczenie rozmiaru) i flagę notatki głosowej dla audio.
Upewnij się, że odpowiedzi z wieloma multimediami rozsyłają się jako sekwencyjne wysyłki.

Was this useful?