Discord

OpenClaw เชื่อมต่อกับ Discord ในฐานะบอตผ่าน Discord gateway อย่างเป็นทางการ รองรับ DM และช่องของกิลด์

การตั้งค่าอย่างรวดเร็ว

สร้างแอปพลิเคชัน Discord พร้อมบอต เพิ่มบอตไปยังเซิร์ฟเวอร์ของคุณ แล้วจับคู่กับ OpenClaw หากทำได้ควรใช้เซิร์ฟเวอร์ส่วนตัว และสร้างเซิร์ฟเวอร์ก่อน (Create My Own > For me and my friends) หากจำเป็น

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: ตั้งค่าพื้นที่ทำงานของกิลด์

เมื่อ DM ทำงานแล้ว คุณสามารถเปลี่ยนเซิร์ฟเวอร์ให้เป็นพื้นที่ทำงานเต็มรูปแบบ โดยแต่ละช่องมีเซสชันเอเจนต์และบริบทของตนเอง แนะนำสำหรับเซิร์ฟเวอร์ส่วนตัวที่มีเพียงคุณกับบอต

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

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

จากนั้นสร้างช่องและเริ่มแชต เอเจนต์จะเห็นชื่อช่อง และแต่ละช่องเป็นเซสชันที่แยกจากกัน ตั้งค่า #coding, #home, #research หรือรายการอื่นที่เหมาะกับเวิร์กโฟลว์ของคุณ

โมเดลรันไทม์

• Gateway เป็นเจ้าของการเชื่อมต่อ Discord
• การกำหนดเส้นทางการตอบกลับเป็นแบบกำหนดแน่นอน: ข้อความขาเข้าจาก Discord จะตอบกลับไปยัง Discord
• เมทาดาทาของกิลด์/ช่อง Discord จะถูกเพิ่มลงในพรอมต์ของโมเดลในฐานะบริบทที่ไม่น่าเชื่อถือ ไม่ใช่คำนำหน้าการตอบกลับที่ผู้ใช้มองเห็น หากโมเดลคัดลอกกรอบข้อมูลนั้นกลับมา OpenClaw จะลบเมทาดาทาที่คัดลอกออกจากการตอบกลับขาออกและบริบทสำหรับการเล่นซ้ำในอนาคต
• โดยค่าเริ่มต้น (session.dmScope=main) แชตโดยตรงจะแชร์เซสชันหลักของเอเจนต์ (agent:main:main)
• ช่องของกิลด์ใช้คีย์เซสชันที่แยกจากกัน (agent:<agentId>:discord:channel:<channelId>)
• DM แบบกลุ่มจะถูกละเว้นโดยค่าเริ่มต้น (channels.discord.dm.groupEnabled=false)
• คำสั่ง Slash แบบเนทีฟทำงานในเซสชันคำสั่งที่แยกจากกัน (agent:<agentId>:discord:slash:<userId>) แต่ยังคงส่ง CommandTargetSessionKey ไปยังเซสชันการสนทนาที่กำหนดเส้นทางไว้
• การส่งประกาศ Cron/Heartbeat แบบข้อความล้วนไปยัง Discord จะรวมเหลือคำตอบสุดท้ายที่ผู้ช่วยมองเห็นและส่งเพียงครั้งเดียว เพย์โหลดสื่อและคอมโพเนนต์แบบมีโครงสร้างจะยังคงเป็นหลายข้อความเมื่อเอเจนต์สร้างเพย์โหลดที่ส่งมอบได้หลายรายการ

ช่องฟอรัม

ช่องฟอรัมและช่องสื่อของ Discord ยอมรับเฉพาะโพสต์ในเธรดเท่านั้น OpenClaw รองรับการสร้างโพสต์เหล่านี้ 2 วิธี:

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

ส่งไปยังฟอรัมหลักเพื่อสร้างเธรด:

openclaw message send --channel discord --target channel:<forumId> \  --message "ชื่อหัวข้อ\nเนื้อหาของโพสต์"

สร้างเธรดฟอรัมอย่างชัดเจน:

openclaw message thread create --channel discord --target channel:<forumId> \  --thread-name "ชื่อหัวข้อ" --message "เนื้อหาของโพสต์"

ฟอรัมหลักไม่รองรับคอมโพเนนต์ของ Discord หากต้องการใช้คอมโพเนนต์ ให้ส่งไปยังตัวเธรดเอง (channel:<threadId>)

คอมโพเนนต์แบบโต้ตอบ

OpenClaw รองรับคอนเทนเนอร์คอมโพเนนต์ v2 ของ Discord สำหรับข้อความจากเอเจนต์ ใช้เครื่องมือข้อความพร้อมเพย์โหลด components ผลลัพธ์จากการโต้ตอบจะถูกส่งกลับไปยังเอเจนต์เป็นข้อความขาเข้าตามปกติ และเป็นไปตามการตั้งค่า replyToMode ของ Discord ที่มีอยู่

บล็อกที่รองรับ:

• text, section, separator, actions, media-gallery, file
• แถวการดำเนินการรองรับปุ่มได้สูงสุด 5 ปุ่มหรือเมนูเลือก 1 เมนู
• ประเภทการเลือก: string, user, role, mentionable, channel

โดยค่าเริ่มต้น คอมโพเนนต์ใช้ได้เพียงครั้งเดียว ตั้งค่า components.reusable=true เพื่อให้สามารถใช้ปุ่ม รายการเลือก และฟอร์มได้หลายครั้งจนกว่าจะหมดอายุ

หากต้องการจำกัดผู้ที่สามารถคลิกปุ่ม ให้ตั้งค่า allowedUsers บนปุ่มนั้น (ID ผู้ใช้ Discord, แท็ก หรือ *) ผู้ใช้ที่ไม่ตรงตามเงื่อนไขจะได้รับข้อความปฏิเสธแบบชั่วคราว

โดยค่าเริ่มต้น คอลแบ็กของคอมโพเนนต์จะหมดอายุหลังจาก 30 นาที ตั้งค่า channels.discord.agentComponents.ttlMs เพื่อเปลี่ยนอายุของรีจิสทรีคอลแบ็กสำหรับบัญชีเริ่มต้น หรือ channels.discord.accounts.<accountId>.agentComponents.ttlMs สำหรับแต่ละบัญชี ค่านี้มีหน่วยเป็นมิลลิวินาที ต้องเป็นจำนวนเต็มบวก และจำกัดไว้สูงสุดที่ 86400000 (24 ชั่วโมง) TTL ที่นานขึ้นเหมาะกับขั้นตอนการตรวจสอบ/อนุมัติที่ต้องการให้ปุ่มยังคงใช้งานได้ แต่จะขยายช่วงเวลาที่ข้อความ Discord เก่ายังสามารถทริกเกอร์การดำเนินการได้ ควรใช้ TTL ที่สั้นที่สุดซึ่งเพียงพอต่อการใช้งาน และคงค่าเริ่มต้นไว้หากคอลแบ็กที่ล้าสมัยอาจก่อให้เกิดผลลัพธ์ที่ไม่คาดคิด

คำสั่งแบบสแลช /model และ /models จะเปิดเครื่องมือเลือกโมเดลแบบโต้ตอบ ซึ่งมีรายการแบบเลื่อนลงสำหรับผู้ให้บริการ โมเดล และรันไทม์ที่เข้ากันได้ พร้อมขั้นตอน Submit /models add เลิกใช้แล้วและจะส่งคืนข้อความแจ้งการเลิกใช้แทนการลงทะเบียนโมเดลจากแชต การตอบกลับจากเครื่องมือเลือกเป็นแบบชั่วคราวและใช้งานได้เฉพาะผู้ใช้ที่เรียกใช้เท่านั้น เมนูเลือกของ Discord จำกัดไว้ที่ 25 ตัวเลือก ดังนั้นให้เพิ่มรายการ provider/* ลงใน agents.defaults.modelPolicy.allow เมื่อต้องการให้เครื่องมือเลือกแสดงโมเดลที่ค้นพบแบบไดนามิกเฉพาะสำหรับผู้ให้บริการที่เลือก เช่น openai หรือ vllm

ไฟล์แนบ:

• บล็อก file ต้องชี้ไปยังข้อมูลอ้างอิงไฟล์แนบ (attachment://<filename>)
• ระบุไฟล์แนบผ่าน media/path/filePath (ไฟล์เดียว) และใช้ media-gallery สำหรับหลายไฟล์
• ใช้ filename เพื่อแทนที่ชื่ออัปโหลดเมื่อต้องการให้ตรงกับข้อมูลอ้างอิงไฟล์แนบ

ฟอร์มโมดอล:

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

ตัวอย่าง:

{  channel: "discord",  action: "send",  to: "channel:123456789012345678",  message: "ข้อความสำรองที่ไม่บังคับ",  components: {    reusable: true,    text: "เลือกเส้นทาง",    blocks: [      {        type: "actions",        buttons: [          {            label: "อนุมัติ",            style: "success",            allowedUsers: ["123456789012345678"],          },          { label: "ปฏิเสธ", style: "danger" },        ],      },      {        type: "actions",        select: {          type: "string",          placeholder: "เลือกตัวเลือก",          options: [            { label: "ตัวเลือก A", value: "a" },            { label: "ตัวเลือก B", value: "b" },          ],        },      },    ],    modal: {      title: "รายละเอียด",      triggerLabel: "เปิดฟอร์ม",      fields: [        { type: "text", label: "ผู้ร้องขอ" },        {          type: "select",          label: "ลำดับความสำคัญ",          options: [            { label: "ต่ำ", value: "low" },            { label: "สูง", 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 ไปยังเอเจนต์ต่างกันตาม ID บทบาท การผูกตามบทบาทรองรับเฉพาะ ID บทบาท และจะได้รับการประเมินหลังการผูกแบบเพียร์หรือเพียร์หลัก และก่อนการผูกเฉพาะกิลด์ หากการผูกกำหนดฟิลด์การจับคู่อื่นด้วย (ตัวอย่างเช่น peer + guildId + roles) ฟิลด์ที่กำหนดค่าไว้ทั้งหมดต้องตรงกัน

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

คำสั่งแบบเนทีฟและการอนุญาตคำสั่ง

• commands.native มีค่าเริ่มต้นเป็น "auto" และเปิดใช้งานสำหรับ Discord
• การกำหนดทับต่อช่อง: channels.discord.commands.native
• commands.native=false จะข้ามการลงทะเบียนและการล้างคำสั่งแบบ slash ของ Discord ระหว่างการเริ่มต้น คำสั่งที่ลงทะเบียนไว้ก่อนหน้านี้อาจยังคงปรากฏใน Discord จนกว่าจะลบออกจากแอป Discord
• การอนุญาตคำสั่งแบบเนทีฟใช้รายการอนุญาต/นโยบายของ Discord ชุดเดียวกับการจัดการข้อความปกติ
• คำสั่งอาจยังคงปรากฏใน UI ของ Discord สำหรับผู้ใช้ที่ไม่ได้รับอนุญาต แต่เมื่อเรียกใช้ OpenClaw จะบังคับใช้การอนุญาตและตอบกลับว่า "ไม่ได้รับอนุญาต"
• การตั้งค่าเริ่มต้นของคำสั่งแบบ slash: ephemeral: true (channels.discord.slashCommand.ephemeral)

ดูแค็ตตาล็อกและลักษณะการทำงานของคำสั่งได้ที่ คำสั่งแบบ Slash

รายละเอียดคุณสมบัติ

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

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

{channels: {discord: {  subagentProgress: true,},},}

{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: {      intents: { presence: true },      guilds: {        "111111111111111111": {          presenceEvents: {            channelId: "222222222222222222",            users: ["333333333333333333"], // ไม่บังคับ; จำกัดผู้ชมช่องให้แคบลงอีก            reconnectSuppressSeconds: 300, // ไม่บังคับ; ช่วงเวลางดส่งสำหรับเซสชันใหม่ (0 ปิดใช้งาน)            burstLimit: 8, // ไม่บังคับ; จำนวนเหตุการณ์สูงสุดต่อช่วงการเกิดเหตุการณ์ต่อเนื่อง            burstWindowSeconds: 60, // ไม่บังคับ; หน้าต่างแบบเลื่อนสำหรับตรวจจับการเกิดเหตุการณ์ต่อเนื่อง          },        },      },    },  },}

{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: "เวลามีสมาธิ",  activityType: 4,},},}

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

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

เครื่องมือและเกตการดำเนินการ

การดำเนินการกับข้อความ Discord ครอบคลุมการรับส่งข้อความ การดูแลช่อง การควบคุม การแสดง Presence และข้อมูลเมตา

ตัวอย่างหลัก:

• การรับส่งข้อความ: sendMessage, readMessages, editMessage, deleteMessage, threadReply
• รีแอ็กชัน: react, reactions, emojiList
• การควบคุม: timeout, kick, ban
• Presence: setPresence

การดำเนินการ event-create รับพารามิเตอร์ image ที่ไม่บังคับ (URL หรือเส้นทางไฟล์ภายในเครื่อง) เพื่อตั้งค่าภาพปกของกิจกรรมตามกำหนดเวลา

เกตการดำเนินการอยู่ภายใต้ channels.discord.actions.*

ลักษณะการทำงานเริ่มต้นของเกต:

UI ของ Components v2

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

• channels.discord.ui.components.accentColor กำหนดสีเน้นที่คอนเทนเนอร์คอมโพเนนต์ Discord ใช้ (เลขฐานสิบหก) ต่อบัญชี: channels.discord.accounts.<id>.ui.components.accentColor
• channels.discord.agentComponents.ttlMs ควบคุมระยะเวลาที่คอลแบ็กของคอมโพเนนต์ Discord ที่ส่งแล้วจะยังคงลงทะเบียนอยู่ (ค่าเริ่มต้น 1800000, สูงสุด 86400000) ต่อบัญชี: channels.discord.accounts.<id>.agentComponents.ttlMs
• embeds จะถูกละเว้นเมื่อมีคอมโพเนนต์ v2
• ตัวอย่าง URL แบบข้อความธรรมดาจะถูกระงับโดยค่าเริ่มต้น ตั้งค่า suppressEmbeds: false ในการดำเนินการกับข้อความ เมื่อต้องการให้ลิงก์ขาออกรายการเดียวขยายตัวอย่าง

ตัวอย่าง:

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

เสียง

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

ช่องเสียง

รายการตรวจสอบการตั้งค่า:

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

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

/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 เป็นฟีเจอร์ที่ต้องเลือกเปิดใช้สำหรับการกำหนดค่าแบบข้อความเท่านั้น ให้ตั้งค่า channels.discord.voice.enabled=true (หรือคงบล็อก channels.discord.voice ที่มีอยู่ไว้) เพื่อเปิดใช้คำสั่ง /vc, รันไทม์เสียง และเจตนา Gateway GuildVoiceStates โดย channels.discord.intents.voiceStates สามารถเขียนทับการสมัครรับเจตนาได้อย่างชัดเจน ปล่อยไว้โดยไม่ตั้งค่าเพื่อให้เป็นไปตามสถานะการเปิดใช้เสียงที่มีผล
• voice.mode ควบคุมเส้นทางการสนทนา ค่าเริ่มต้นคือ agent-proxy: ส่วนหน้าของเสียงแบบเรียลไทม์จะจัดการจังหวะการผลัดกันพูด การขัดจังหวะ และการเล่นเสียง มอบหมายงานสำคัญให้เอเจนต์ OpenClaw ที่กำหนดเส้นทางไว้ผ่าน openclaw_agent_consult และปฏิบัติต่อผลลัพธ์เสมือนพรอมต์ Discord ที่ผู้พูดคนนั้นพิมพ์ stt-tts จะคงโฟลว์ STT แบบแบตช์ร่วมกับ TTS รุ่นเก่าไว้ ส่วน bidi ช่วยให้โมเดลเรียลไทม์สนทนาได้โดยตรง พร้อมเปิดให้ใช้ openclaw_agent_consult สำหรับสมอง OpenClaw
• voice.agentSession ควบคุมว่าการสนทนา OpenClaw ใดจะได้รับรอบการพูดด้วยเสียง ปล่อยไว้โดยไม่ตั้งค่าเพื่อใช้เซสชันของช่องเสียงเอง หรือตั้งเป็น { mode: "target", target: "channel:<text-channel-id>" } เพื่อให้ช่องเสียงทำหน้าที่เป็นส่วนขยายไมโครโฟน/ลำโพงของเซสชันช่องข้อความ Discord ที่มีอยู่ เช่น #maintainers
• voice.model เขียนทับสมองเอเจนต์ OpenClaw สำหรับการตอบกลับด้วยเสียงใน Discord และการปรึกษาแบบเรียลไทม์ ปล่อยไว้โดยไม่ตั้งค่าเพื่อสืบทอดโมเดลของเอเจนต์ที่กำหนดเส้นทางไว้ ค่านี้แยกจาก voice.realtime.model
• voice.followUsers ช่วยให้บอตเข้าร่วม ย้าย และออกจากเสียงของ Discord ตามผู้ใช้ที่เลือก ดูการติดตามผู้ใช้ในเสียง
• agent-proxy กำหนดเส้นทางคำพูดผ่าน discord-voice ซึ่งคงการให้สิทธิ์เจ้าของ/เครื่องมือตามปกติสำหรับผู้พูดและเซสชันเป้าหมาย แต่ซ่อนเครื่องมือ tts ของเอเจนต์ เนื่องจากเสียงของ Discord เป็นผู้ควบคุมการเล่น ตามค่าเริ่มต้น agent-proxy จะให้สิทธิ์เข้าถึงเครื่องมือเทียบเท่าเจ้าของอย่างเต็มรูปแบบแก่การปรึกษาสำหรับผู้พูดที่เป็นเจ้าของ (voice.realtime.toolPolicy: "owner") และกำหนดให้ควรปรึกษาเอเจนต์ OpenClaw ก่อนให้คำตอบสำคัญอย่างยิ่ง (voice.realtime.consultPolicy: "always") ในโหมด always เริ่มต้นนี้ เลเยอร์เรียลไทม์จะไม่พูดข้อความถ่วงเวลาโดยอัตโนมัติก่อนคำตอบจากการปรึกษา แต่จะจับและถอดเสียงคำพูด แล้วจึงพูดคำตอบของ OpenClaw ที่กำหนดเส้นทางไว้ หากคำตอบจากการปรึกษาแบบบังคับหลายรายการเสร็จสิ้นขณะที่ Discord ยังคงเล่นคำตอบแรกอยู่ คำตอบแบบข้อความตรงตามคำพูดรายการถัดไปจะเข้าคิวจนกว่าการเล่นจะว่าง แทนที่จะเปลี่ยนคำพูดกลางประโยค
• ในโหมด stt-tts STT จะใช้ tools.media.audio; 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 เพื่อให้รอบการตอบโดยตรงที่รวดเร็วคงอัตลักษณ์ การยึดโยงกับผู้ใช้ และบุคลิกเดียวกับเอเจนต์ OpenClaw ที่กำหนดเส้นทางไว้ ตั้งค่า voice.realtime.bootstrapContextFiles เป็นชุดย่อยเพื่อปรับแต่ง หรือ [] เพื่อปิดใช้ รองรับเฉพาะไฟล์โปรไฟล์เหล่านั้น ส่วน AGENTS.md จะยังคงอยู่ในบริบทเอเจนต์ตามปกติ บริบทโปรไฟล์ที่แทรกเข้ามาไม่ใช้แทน openclaw_agent_consult สำหรับงานในเวิร์กสเปซ ข้อเท็จจริงปัจจุบัน การค้นหาหน่วยความจำ หรือการดำเนินการที่อาศัยเครื่องมือ
• ในโหมดเรียลไทม์ agent-proxy ของ OpenAI การควบคุมด้วยชื่อปลุกจะปรับตามห้องโดยค่าเริ่มต้น: มนุษย์หนึ่งคนสามารถพูดได้อย่างเป็นธรรมชาติโดยไม่ต้องใช้ชื่อปลุก ขณะที่มนุษย์ตั้งแต่สองคนขึ้นไปต้องเริ่มต้นหรือจบรอบการพูดด้วยชื่อปลุก บอตอื่นไม่นับเป็นคน ตั้งค่า voice.realtime.requireWakeName: true เพื่อกำหนดให้ต้องใช้ชื่อปลุกเสมอ หรือ false เพื่อไม่กำหนดให้ใช้เลย ชื่อปลุกที่กำหนดค่าต้องมีหนึ่งหรือสองคำ หากไม่ได้ตั้งค่า voice.realtime.wakeNames OpenClaw จะใช้ name ของเอเจนต์ที่กำหนดเส้นทางไว้ร่วมกับ OpenClaw และใช้รหัสเอเจนต์ร่วมกับ OpenClaw เป็นทางเลือกสำรอง การควบคุมด้วยชื่อปลุกที่ทำงานอยู่จะปิดการตอบกลับอัตโนมัติของผู้ให้บริการเรียลไทม์ กำหนดเส้นทางรอบการพูดที่ยอมรับผ่านเส้นทางการปรึกษาเอเจนต์ OpenClaw และให้เสียงตอบรับสั้น ๆ เมื่อตรวจพบชื่อปลุกที่นำหน้าจากการถอดเสียงบางส่วนก่อนที่ข้อความถอดเสียงฉบับสมบูรณ์จะมาถึง นโยบายจะติดตามการเข้าร่วมและออกแบบสดโดยไม่ต้องเชื่อมต่อเสียงใหม่
• ผู้ให้บริการเรียลไทม์ของ OpenAI รองรับชื่อเหตุการณ์ Realtime 2 ปัจจุบันและชื่อแทนรุ่นเก่าที่เข้ากันได้กับ Codex สำหรับเหตุการณ์เสียงเอาต์พุตและข้อความถอดเสียง ดังนั้นสแนปช็อตผู้ให้บริการที่เข้ากันได้จึงเปลี่ยนแปลงคลาดเคลื่อนได้โดยไม่ทำให้เสียงผู้ช่วยสูญหาย
• voice.realtime.bargeIn ควบคุมว่าเหตุการณ์เริ่มพูดของผู้พูดใน Discord จะขัดจังหวะการเล่นเรียลไทม์ที่กำลังทำงานอยู่หรือไม่ หากไม่ได้ตั้งค่า จะเป็นไปตามการตั้งค่าการขัดจังหวะด้วยเสียงอินพุตของผู้ให้บริการเรียลไทม์
• voice.realtime.minBargeInAudioEndMs ควบคุมระยะเวลาขั้นต่ำในการเล่นเสียงของผู้ช่วย ก่อนที่การแทรกพูดในโหมดเรียลไทม์ของ OpenAI จะตัดเสียง ค่าเริ่มต้น: 250 ตั้งค่า 0 เพื่อขัดจังหวะทันทีในห้องที่มีเสียงสะท้อนต่ำ หรือเพิ่มค่าสำหรับการตั้งค่าลำโพงที่มีเสียงสะท้อนมาก
• voice.tts เขียนทับ messages.tts สำหรับการเล่นเสียง stt-tts เท่านั้น โหมดเรียลไทม์จะใช้ voice.realtime.speakerVoice แทน สำหรับเสียง OpenAI ในการเล่นผ่าน Discord ให้ตั้งค่า voice.tts.provider: "openai" และเลือกเสียงแปลงข้อความเป็นคำพูดภายใต้ voice.tts.providers.openai.speakerVoice โดย cedar เป็นตัวเลือกเสียงโทนผู้ชายที่ดีบนโมเดล TTS ปัจจุบันของ OpenAI
• การเขียนทับ systemPrompt ของ Discord รายช่องจะมีผลกับรอบข้อความถอดเสียงจากเสียงสำหรับช่องเสียงนั้น
• เมื่อ OpenClaw เข้าร่วมช่องเสียง เซสชันเอเจนต์ที่กำหนดเส้นทางไว้จะได้รับเหตุการณ์ระบบแบบเงียบที่มีรายชื่อผู้เข้าร่วมปัจจุบัน การเข้าร่วมและออกของผู้เข้าร่วมในภายหลังจะอัปเดตเซสชันนั้นโดยไม่ทริกเกอร์การตอบกลับด้วยเสียงที่ไม่ได้ร้องขอ โดยชื่อที่แสดงใน Discord จะถือเป็นป้ายกำกับที่ไม่น่าเชื่อถือ รอบการพูดด้วยเสียงที่ได้รับอนุญาตจะได้รับสแนปช็อตรายชื่อใหม่ด้วย
• รอบข้อความถอดเสียงจากเสียงและคำสั่ง /vc ใช้รายการ Discord ใน commands.ownerAllowFrom เพื่อกำหนดสถานะเจ้าของ เมื่อไม่ได้กำหนดค่าเจ้าของคำสั่ง Discord ค่า allowFrom (หรือ dm.allowFrom รุ่นเก่า) ของบัญชี Discord ที่เลือกยังคงสามารถให้สิทธิ์เข้าถึงเสียงได้โดยไม่ให้สถานะเจ้าของ การมองเห็นเครื่องมือเอเจนต์เป็นไปตามนโยบายเครื่องมือที่กำหนดค่าไว้สำหรับเซสชันที่กำหนดเส้นทาง
• หาก voice.autoJoin มีหลายรายการสำหรับกิลด์เดียวกัน OpenClaw จะเข้าร่วมช่องสุดท้ายที่กำหนดค่าไว้สำหรับกิลด์นั้น
• voice.allowedChannels คือรายการอนุญาตสำหรับการพำนักที่เป็นตัวเลือก ปล่อยไว้โดยไม่ตั้งค่าเพื่ออนุญาตให้ /vc join เข้าสู่ช่องเสียง Discord ใด ๆ ที่ได้รับอนุญาต เมื่อตั้งค่าแล้ว /vc join, การเข้าร่วมอัตโนมัติเมื่อเริ่มต้น และการย้ายสถานะเสียงของบอตจะจำกัดเฉพาะรายการ { guildId, channelId } ที่ระบุ ตั้งค่าเป็นอาร์เรย์ว่างเพื่อปฏิเสธการเข้าร่วมเสียง Discord ทั้งหมด หาก Discord ย้ายบอตออกนอกรายการอนุญาต OpenClaw จะออกจากช่องนั้นและเข้าร่วมเป้าหมายการเข้าร่วมอัตโนมัติที่กำหนดค่าไว้อีกครั้งเมื่อมีเป้าหมายดังกล่าว
• voice.daveEncryption และ voice.decryptionFailureTolerance จะส่งผ่านไปยังตัวเลือกการเข้าร่วมของ @discordjs/voice; ค่าเริ่มต้นจากต้นทางคือ daveEncryption=true และ decryptionFailureTolerance=24
• OpenClaw ใช้ตัวแปลงสัญญาณ libopus-wasm ที่รวมมาให้สำหรับการรับเสียง Discord และการเล่น PCM ดิบแบบเรียลไทม์ โดยมาพร้อมบิลด์ WebAssembly ของ libopus ที่ตรึงเวอร์ชันไว้และไม่ต้องใช้ส่วนเสริม opus แบบเนทีฟ
• voice.connectTimeoutMs ควบคุมการรอสถานะ Ready ครั้งแรกของ @discordjs/voice สำหรับ /vc join และความพยายามเข้าร่วมอัตโนมัติ ค่าเริ่มต้น: 30000
• voice.reconnectGraceMs ควบคุมระยะเวลาที่ OpenClaw รอให้เซสชันเสียงที่ตัดการเชื่อมต่อเริ่มเชื่อมต่อใหม่ก่อนทำลายเซสชัน ค่าเริ่มต้น: 15000
• ในโหมด stt-tts การเล่นเสียงจะไม่หยุดเพียงเพราะผู้ใช้อื่นเริ่มพูด เพื่อหลีกเลี่ยงวงจรป้อนกลับ OpenClaw จะละเว้นการจับเสียงใหม่ขณะที่ TTS กำลังเล่น ให้พูดหลังจากการเล่นจบเพื่อเริ่มรอบถัดไป โหมดเรียลไทม์จะส่งต่อการเริ่มพูดของผู้พูดเป็นสัญญาณแทรกพูดไปยังผู้ให้บริการเรียลไทม์
• ในโหมดเรียลไทม์ เสียงสะท้อนจากลำโพงเข้าสู่ไมโครโฟนที่เปิดอยู่อาจดูเหมือนการแทรกพูดและขัดจังหวะการเล่น สำหรับห้อง Discord ที่มีเสียงสะท้อนมาก ให้ตั้งค่า voice.realtime.providers.openai.interruptResponseOnInputAudio: false เพื่อป้องกันไม่ให้ OpenAI ขัดจังหวะโดยอัตโนมัติเมื่อมีเสียงอินพุต เพิ่ม voice.realtime.bargeIn: true หากยังต้องการให้เหตุการณ์เริ่มพูดของผู้พูดใน Discord ขัดจังหวะการเล่นที่กำลังทำงานอยู่ บริดจ์เรียลไทม์ของ OpenAI จะละเว้นการตัดการเล่นที่สั้นกว่า voice.realtime.minBargeInAudioEndMs โดยถือว่าน่าจะเป็นเสียงสะท้อน/สัญญาณรบกวน และบันทึกเป็นรายการที่ข้ามแทนการล้างการเล่นของ Discord
• voice.captureSilenceGraceMs ควบคุมระยะเวลาที่ OpenClaw รอหลังจาก Discord รายงานว่าผู้พูดหยุดพูด ก่อนสรุปส่วนเสียงนั้นสำหรับ STT ค่าเริ่มต้น: 2000; เพิ่มค่านี้หาก Discord แบ่งช่วงหยุดตามปกติเป็นข้อความถอดเสียงบางส่วนที่ขาดเป็นช่วง ๆ
• เมื่อเลือก ElevenLabs เป็นผู้ให้บริการ TTS การเล่นเสียงผ่าน Discord จะใช้ TTS แบบสตรีมและเริ่มเล่นจากสตรีมการตอบกลับของผู้ให้บริการ ผู้ให้บริการที่ไม่รองรับการสตรีมจะใช้เส้นทางไฟล์ชั่วคราวที่สังเคราะห์แล้วเป็นทางเลือกสำรอง
• OpenClaw เฝ้าดูความล้มเหลวในการถอดรหัสข้อมูลที่รับ และกู้คืนโดยอัตโนมัติด้วยการออกจากแล้วเข้าร่วมช่องเสียงใหม่หลังจากเกิดความล้มเหลวซ้ำหลายครั้งในช่วงเวลาสั้น ๆ
• หากบันทึกการรับแสดง DecryptionFailed(UnencryptedWhenPassthroughDisabled) ซ้ำ ๆ หลังอัปเดต ให้รวบรวมรายงานการขึ้นต่อกันและบันทึก บรรทัด @discordjs/voice ที่รวมมาให้มีการแก้ไขการเติมข้อมูลจากต้นทางใน PR #11449 ของ discord.js ซึ่งปิดปัญหา #11419 ของ discord.js
• เหตุการณ์รับ The operation was aborted เป็นสิ่งที่คาดไว้เมื่อ OpenClaw สรุปส่วนเสียงของผู้พูดที่จับไว้ เหตุการณ์เหล่านี้เป็นข้อมูลวินิจฉัยแบบละเอียด ไม่ใช่คำเตือน
• บันทึกเสียง Discord แบบละเอียดมีตัวอย่างข้อความถอดเสียง STT หนึ่งบรรทัดที่จำกัดความยาวสำหรับแต่ละส่วนเสียงของผู้พูดที่ยอมรับ เพื่อให้การแก้ไขข้อบกพร่องแสดงทั้งฝั่งผู้ใช้และฝั่งคำตอบของเอเจนต์โดยไม่ทิ้งข้อความถอดเสียงยาวแบบไม่จำกัด
• ในโหมด agent-proxy ทางเลือกสำรองของการปรึกษาแบบบังคับจะข้ามส่วนข้อความถอดเสียงที่น่าจะไม่สมบูรณ์ เช่น ข้อความที่ลงท้ายด้วย ... หรือคำเชื่อมท้ายอย่าง "และ" รวมถึงคำปิดท้ายที่ชัดเจนว่าไม่ต้องดำเนินการ เช่น "เดี๋ยวกลับมา" หรือ "ลาก่อน" บันทึกจะแสดง forced agent consult skipped reason=... เมื่อกลไกนี้ป้องกันคำตอบเก่าที่ค้างอยู่ในคิว

การติดตามผู้ใช้ในเสียง

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

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

ลักษณะการทำงาน:

• followUsers รองรับ ID ผู้ใช้ Discord แบบดิบและค่า discord:<id> OpenClaw จะปรับทั้งสองรูปแบบให้เป็นมาตรฐานก่อนจับคู่เหตุการณ์สถานะเสียง
• followUsersEnabled มีค่าเริ่มต้นเป็น true เมื่อกำหนดค่า followUsers ตั้งค่าเป็น false เพื่อเก็บรายการที่บันทึกไว้แต่หยุดการติดตามเสียงอัตโนมัติ
• followUsers ควบคุมเฉพาะการคงอยู่ในช่องเสียงเท่านั้น ไม่ได้ให้สิทธิ์เข้าถึงในฐานะผู้พูดหรืออำนาจของเจ้าของ โปรดกำหนดค่า commands.ownerAllowFrom รวมถึงผู้ใช้และบทบาทของกิลด์หรือช่องแยกกัน
• เมื่อผู้ใช้ที่ติดตามเข้าร่วมช่องเสียงที่อนุญาต OpenClaw จะเข้าร่วมช่องนั้น เมื่อผู้ใช้ย้าย OpenClaw จะย้ายตาม เมื่อผู้ใช้ที่กำลังติดตามอยู่ตัดการเชื่อมต่อ OpenClaw จะออก
• หากมีผู้ใช้ที่ติดตามหลายรายอยู่ในกิลด์เดียวกันและผู้ใช้ที่กำลังติดตามอยู่ออกจากช่อง OpenClaw จะย้ายไปยังช่องของผู้ใช้ที่ติดตามอีกรายซึ่งกำลังถูกติดตาม ก่อนออกจากกิลด์ หากผู้ใช้ที่ติดตามหลายรายย้ายพร้อมกัน เหตุการณ์สถานะเสียงที่ตรวจพบล่าสุดจะมีผล
• allowedChannels ยังคงมีผล ผู้ใช้ที่ติดตามซึ่งอยู่ในช่องที่ไม่อนุญาตจะถูกละเว้น และเซสชันที่เป็นของการติดตามจะย้ายไปยังผู้ใช้ที่ติดตามรายอื่นหรือออกจากช่อง
• OpenClaw จะปรับสถานะเหตุการณ์เสียงที่พลาดไปให้สอดคล้องกันเมื่อเริ่มต้นระบบและตามช่วงเวลาที่มีขอบเขตจำกัด การปรับสถานะจะสุ่มตรวจสอบกิลด์ที่กำหนดค่าไว้และจำกัดจำนวนการค้นหาผ่าน REST ต่อการทำงานหนึ่งครั้ง ดังนั้นรายการ followUsers ที่มีขนาดใหญ่มากอาจต้องใช้มากกว่าหนึ่งช่วงเวลาจึงจะเข้าสู่สถานะที่สอดคล้องกัน
• หาก Discord หรือผู้ดูแลระบบย้ายบอตขณะที่กำลังติดตามผู้ใช้ OpenClaw จะสร้างเซสชันเสียงใหม่และคงความเป็นเจ้าของของการติดตามไว้เมื่อปลายทางได้รับอนุญาต หากบอตถูกย้ายออกนอก allowedChannels OpenClaw จะออกและเข้าร่วมเป้าหมายที่กำหนดค่าไว้อีกครั้งเมื่อมีเป้าหมายดังกล่าว
• การกู้คืนการรับข้อมูล DAVE อาจออกจากช่องและเข้าร่วมช่องเดิมอีกครั้งหลังจากถอดรหัสล้มเหลวซ้ำหลายครั้ง เซสชันที่เป็นของการติดตามจะคงความเป็นเจ้าของของการติดตามไว้ตลอดเส้นทางการกู้คืนนี้ ดังนั้นเมื่อผู้ใช้ที่ติดตามตัดการเชื่อมต่อในภายหลัง ระบบจะยังคงออกจากช่อง

เลือกระหว่างโหมดการเข้าร่วม:

• ใช้ followUsers สำหรับการตั้งค่าส่วนบุคคลหรือสำหรับผู้ปฏิบัติงาน ซึ่งบอตควรอยู่ในช่องเสียงโดยอัตโนมัติเมื่อคุณอยู่ในช่องเสียง
• ใช้ autoJoin สำหรับบอตประจำห้องที่ควรอยู่ในช่องแม้ไม่มีผู้ใช้ที่ติดตามอยู่ในช่องเสียง
• ใช้ /vc join สำหรับการเข้าร่วมครั้งเดียวหรือห้องที่การปรากฏตัวในช่องเสียงโดยอัตโนมัติอาจสร้างความประหลาดใจ

ตัวแปลงสัญญาณเสียงของ Discord:

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

ไปป์ไลน์ STT ร่วมกับ TTS:

• เสียง PCM ที่บันทึกจาก Discord จะถูกแปลงเป็นไฟล์ WAV ชั่วคราว
• tools.media.audio จัดการ STT เช่น openai/gpt-4o-mini-transcribe
• ข้อความถอดเสียงจะถูกส่งผ่านการรับเข้าและการกำหนดเส้นทางของ Discord ขณะที่ LLM สำหรับการตอบสนองทำงานด้วยนโยบายเอาต์พุตเสียงที่ซ่อนเครื่องมือ tts ของเอเจนต์และขอให้ส่งคืนข้อความ เนื่องจากเสียงของ Discord เป็นผู้ควบคุมการเล่น TTS ขั้นสุดท้าย
• voice.model เมื่อกำหนดค่าไว้ จะแทนที่เฉพาะ LLM สำหรับการตอบสนองของรอบการทำงานในช่องเสียงนี้
• voice.tts จะถูกผสานทับ messages.tts ผู้ให้บริการที่รองรับการสตรีมจะส่งข้อมูลเข้าเครื่องเล่นโดยตรง 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 ช่องเสียงแต่ละช่องจะได้รับเซสชัน OpenClaw ที่กำหนดเส้นทางแยกกัน ตัวอย่างเช่น /vc join channel:234567890123456789 จะสื่อสารกับเซสชันของช่องเสียง Discord นั้น โมเดลเรียลไทม์เป็นเพียงส่วนหน้าสำหรับเสียงเท่านั้น คำขอที่มีสาระสำคัญจะถูกส่งต่อให้เอเจนต์ OpenClaw ที่กำหนดค่าไว้ หากโมเดลเรียลไทม์สร้างข้อความถอดเสียงสุดท้ายโดยไม่เรียกเครื่องมือปรึกษา OpenClaw จะบังคับให้เรียกใช้การปรึกษาเป็นทางเลือกสำรอง เพื่อให้การทำงานเริ่มต้นยังคงเหมือนกับการพูดคุยกับเอเจนต์

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 จะใช้เซสชันและเอเจนต์ตามการกำหนดเส้นทางปกติของช่องเป้าหมาย เซสชันเสียงเรียลไทม์จะพูดผลลัพธ์ที่ส่งคืนกลับเข้าไปในช่องเสียง เอเจนต์ผู้ควบคุมยังคงสามารถใช้เครื่องมือข้อความตามปกติได้ตามนโยบายเครื่องมือ รวมถึงการส่งข้อความ Discord แยกต่างหากหากเป็นการดำเนินการที่เหมาะสม

ขณะที่การทำงานของ OpenClaw ที่มอบหมายยังทำงานอยู่ ข้อความถอดเสียงใหม่จากเสียง Discord จะถูกถือเป็นการควบคุมการทำงานแบบสดก่อนเริ่มรอบการทำงานของเอเจนต์รอบใหม่ วลีอย่าง "สถานะ", "ยกเลิกสิ่งนั้น", "ใช้วิธีแก้ที่เล็กกว่า" หรือ "เมื่อเสร็จแล้วให้ตรวจสอบการทดสอบด้วย" จะถูกจำแนกเป็นข้อมูลนำเข้าสำหรับสถานะ การยกเลิก การชี้นำ หรือการติดตามผลของเซสชันที่ใช้งานอยู่ ผลลัพธ์ของสถานะ การยกเลิก การชี้นำที่ยอมรับ และการติดตามผลจะถูกพูดกลับเข้าไปในช่องเสียง เพื่อให้ผู้เรียกทราบว่า OpenClaw จัดการคำขอแล้วหรือไม่

รูปแบบเป้าหมายที่มีประโยชน์:

• target: "channel:123456789012345678" กำหนดเส้นทางผ่านเซสชันช่องข้อความ Discord
• target: "123456789012345678" จะถูกถือเป็นเป้าหมายประเภทช่อง
• target: "dm:123456789012345678" หรือ target: "user:123456789012345678" กำหนดเส้นทางผ่านเซสชันข้อความส่วนตัวนั้น

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 แต่ยังต้องการขัดจังหวะด้วยการพูด OpenClaw จะป้องกันไม่ให้ OpenAI ขัดจังหวะโดยอัตโนมัติจากเสียงอินพุตดิบ ขณะที่ bargeIn: true ช่วยให้เหตุการณ์เริ่มพูดของผู้พูดใน Discord และเสียงของผู้พูดที่กำลังทำงานอยู่สามารถยกเลิกการตอบสนองแบบเรียลไทม์ที่กำลังทำงานได้ ก่อนที่รอบเสียงที่บันทึกถัดไปจะไปถึง OpenAI สัญญาณการขัดจังหวะที่เกิดเร็วมากโดยมี audioEndMs ต่ำกว่า minBargeInAudioEndMs จะถูกถือว่ามีแนวโน้มเป็นเสียงสะท้อนหรือเสียงรบกวนและถูกละเว้น เพื่อไม่ให้โมเดลหยุดพูดตั้งแต่เฟรมแรกของการเล่นเสียง

บันทึกเสียงที่คาดไว้:

• เมื่อเข้าร่วม: discord voice: joining ... voiceSession=... supervisorSession=... agentSessionMode=... voiceModel=... realtimeModel=...
• เมื่อเริ่มการทำงานแบบเรียลไทม์: 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=...
• เมื่อข้ามเสียงพูดที่ล้าสมัย: discord voice: realtime forced agent consult skipped reason=incomplete-transcript ... หรือ reason=non-actionable-closing ...
• เมื่อการตอบสนองแบบเรียลไทม์เสร็จสมบูรณ์: discord voice: realtime audio playback finishing reason=response.done ... audioMs=... chunks=...
• เมื่อหยุดหรือรีเซ็ตการเล่น: discord voice: realtime audio playback stopped reason=... audioMs=... elapsedMs=... chunks=...
• เมื่อปรึกษาแบบเรียลไทม์: discord voice: realtime consult requested ... voiceSession=... supervisorSession=... question=...
• เมื่อเอเจนต์ตอบ: discord voice: agent turn answer ...
• เมื่อจัดคิวเสียงพูดแบบตรงตามข้อความ: discord voice: realtime exact speech queued ... queued=... outputAudioMs=... outputActive=... ตามด้วย discord voice: realtime exact speech dequeued reason=player-idle ...
• เมื่อตรวจพบการขัดจังหวะ: 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=...
• เมื่อขัดจังหวะการทำงานแบบเรียลไทม์: 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 ...
• เมื่อละเว้นเสียงสะท้อนหรือเสียงรบกวน: discord voice: realtime model interrupt ignored client:conversation.item.truncate.skipped reason=barge-in audioEndMs=0 minAudioEndMs=250
• เมื่อปิดใช้งานการขัดจังหวะ: discord voice: realtime capture ignored during playback (barge-in disabled) ...
• เมื่อการเล่นไม่มีการใช้งาน: discord voice: realtime barge-in ignored reason=... outputActive=false ... playbackChunks=0

หากต้องการแก้ไขปัญหาเสียงถูกตัด ให้อ่านบันทึกเสียงเรียลไทม์เป็นลำดับเหตุการณ์:

1. realtime audio playback started หมายความว่า Discord เริ่มเล่นเสียงของผู้ช่วยแล้ว บริดจ์จะเริ่มนับชิ้นข้อมูลเอาต์พุตของผู้ช่วย จำนวนไบต์ PCM ของ Discord จำนวนไบต์เรียลไทม์ของผู้ให้บริการ และระยะเวลาของเสียงที่สังเคราะห์นับจากจุดนี้
2. realtime speaker turn opened ระบุว่าผู้พูดใน Discord เริ่มทำงาน หากกำลังเล่นเสียงอยู่แล้วและเปิดใช้งาน bargeIn เหตุการณ์นี้อาจตามด้วย barge-in detected source=speaker-start
3. realtime input audio started ระบุเฟรมเสียงจริงเฟรมแรกที่ได้รับสำหรับรอบการพูดนั้น ค่า outputActive=true หรือค่า outputAudioMs ที่ไม่ใช่ศูนย์ ณ จุดนี้หมายความว่าไมโครโฟนกำลังส่งอินพุตขณะที่เสียงของผู้ช่วยยังเล่นอยู่
4. barge-in detected source=active-speaker-audio หมายความว่า OpenClaw ตรวจพบเสียงสดจากผู้พูดขณะที่เสียงของผู้ช่วยกำลังเล่นอยู่ ข้อมูลนี้มีประโยชน์ในการแยกแยะการขัดจังหวะจริงออกจากเหตุการณ์เริ่มพูดของผู้พูดใน Discord ที่ไม่มีเสียงซึ่งใช้งานได้
5. barge-in requested reason=... หมายความว่า OpenClaw ขอให้ผู้ให้บริการเรียลไทม์ยกเลิกหรือตัดทอนการตอบสนองที่กำลังทำงานอยู่ โดยมี outputAudioMs, outputActive และ playbackChunks รวมอยู่ด้วย เพื่อให้เห็นว่าเสียงของผู้ช่วยเล่นไปแล้วมากเพียงใดก่อนเกิดการขัดจังหวะ
6. realtime audio playback stopped reason=... คือจุดรีเซ็ตการเล่นใน Discord ภายในเครื่อง เหตุผลจะระบุว่าใครหยุดการเล่น ได้แก่ barge-in, player-idle, provider-clear-audio, forced-agent-consult, stream-close หรือ session-close
7. realtime speaker turn closed สรุปรอบอินพุตที่บันทึกไว้ chunks=0 หรือ hasAudio=false หมายความว่ารอบการพูดเริ่มขึ้นแล้ว แต่ไม่มีเสียงที่ใช้งานได้ไปถึงบริดจ์เรียลไทม์ interruptedPlayback=true หมายความว่ารอบอินพุตนั้นทับซ้อนกับเอาต์พุตของผู้ช่วยและกระตุ้นตรรกะการขัดจังหวะ

ฟิลด์ที่มีประโยชน์:

• outputAudioMs: ระยะเวลาเสียงของผู้ช่วยที่ผู้ให้บริการเรียลไทม์สร้างขึ้นก่อนบรรทัดบันทึกนี้
• audioMs: ระยะเวลาเสียงของผู้ช่วยที่ OpenClaw นับได้ก่อนหยุดเล่น
• elapsedMs: เวลาตามนาฬิกาจริงระหว่างการเปิดและปิดสตรีมการเล่นหรือรอบการพูด
• discordBytes: จำนวนไบต์ PCM สเตอริโอ 48 kHz ที่ส่งไปยังหรือรับจากเสียง Discord
• realtimeBytes: จำนวนไบต์ PCM ในรูปแบบของผู้ให้บริการที่ส่งไปยังหรือรับจากผู้ให้บริการเรียลไทม์
• playbackChunks: จำนวนชิ้นข้อมูลเสียงของผู้ช่วยที่ส่งต่อไปยัง Discord สำหรับการตอบสนองที่กำลังทำงานอยู่
• sinceLastAudioMs: ช่วงห่างระหว่างเฟรมเสียงของผู้พูดที่บันทึกล่าสุดกับการปิดรอบการพูด

รูปแบบที่พบบ่อย:

• การตัดเสียงทันทีร่วมกับ source=active-speaker-audio ค่า outputAudioMs ต่ำ และมีผู้ใช้คนเดิมอยู่ใกล้เคียง 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 แต่ไม่มีเสียงส่งถึง OpenClaw ซึ่งอาจเกิดจากเหตุการณ์เสียงชั่วคราวของ Discord ลักษณะการทำงานของ noise gate หรือไคลเอนต์เปิดไมโครโฟนชั่วขณะ
• audio playback stopped reason=stream-close ที่ไม่มีการพูดแทรกหรือ provider-clear-audio ในช่วงใกล้เคียง หมายความว่าสตรีมการเล่นเสียง Discord ภายในเครื่องสิ้นสุดลงโดยไม่คาดคิด ให้ตรวจสอบบันทึกของผู้ให้บริการและโปรแกรมเล่น Discord ก่อนหน้า
• capture ignored during playback (barge-in disabled) หมายความว่า OpenClaw ตั้งใจละทิ้งอินพุตขณะที่เสียงของผู้ช่วยกำลังเล่นอยู่ เปิดใช้ voice.realtime.bargeIn หากต้องการให้เสียงพูดขัดจังหวะการเล่น
• barge-in ignored ... outputActive=false หมายความว่า VAD ของ Discord หรือผู้ให้บริการรายงานเสียงพูด แต่ OpenClaw ไม่มีการเล่นเสียงที่กำลังทำงานให้ขัดจังหวะ กรณีนี้ไม่ควรตัดเสียง

ข้อมูลประจำตัวจะได้รับการแก้ไขแยกตามคอมโพเนนต์ ได้แก่ การรับรองความถูกต้องของเส้นทาง LLM สำหรับ voice.model การรับรองความถูกต้องของ STT สำหรับ tools.media.audio การรับรองความถูกต้องของ TTS สำหรับ messages.tts/voice.tts และการรับรองความถูกต้องของผู้ให้บริการแบบเรียลไทม์สำหรับ voice.realtime.providers หรือการกำหนดค่าการรับรองความถูกต้องปกติของผู้ให้บริการ

ข้อความเสียง

ข้อความเสียงของ Discord จะแสดงตัวอย่างรูปคลื่นและต้องใช้เสียง OGG/Opus โดย OpenClaw จะสร้างรูปคลื่นโดยอัตโนมัติ แต่ต้องมี ffmpeg และ ffprobe บนโฮสต์ Gateway เพื่อตรวจสอบและแปลงไฟล์

• ระบุ พาธไฟล์ภายในเครื่อง (ไม่ยอมรับ URL)
• ไม่ต้องใส่เนื้อหาข้อความ (Discord ไม่ยอมรับข้อความและข้อความเสียงในเพย์โหลดเดียวกัน)
• 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: {  // ตัวเลือกเขียนทับสำหรับ Discord ทั้งหมด บล็อกบัญชีจะเขียนทับแต่ละฟิลด์  // และรับช่วงฟิลด์ที่ละไว้จากที่นี่  botLoopProtection: {    maxEventsPerWindow: 4,  },  accounts: {    alpha: {      // Alpha รับฟังบอตอื่นเฉพาะเมื่อบอตเหล่านั้นกล่าวถึง Alpha      allowBots: "mentions",    },    bravo: {      // Bravo รับฟังข้อความ Discord ทั้งหมดที่สร้างโดยบอต      allowBots: true,      mentionAliases: {        // ช่วยให้ Bravo เขียนการกล่าวถึง Alpha ใน Discord ด้วย ID ผู้ใช้ที่กำหนดค่าไว้        Alpha: "ALPHA_DISCORD_USER_ID",      },      botLoopProtection: {        // อนุญาตสูงสุดห้าข้อความต่อนาทีก่อนระงับคู่นี้        maxEventsPerWindow: 5,        windowSeconds: 60,        cooldownSeconds: 90,      },    },  },},},}

เอกสารอ้างอิงการกำหนดค่า

เอกสารอ้างอิงหลัก: เอกสารอ้างอิงการกำหนดค่า - Discord

Discord Activities

ตั้งค่า channels.discord.activities เพื่อให้เอเจนต์โพสต์วิดเจ็ต HTML แบบสมบูรณ์ในตัวที่เปิดภายใน Discord ได้ บล็อกนี้ต้องเลือกเปิดใช้ เมื่อไม่มีบล็อกนี้ OpenClaw จะไม่ลงทะเบียนเส้นทาง เครื่องมือ หรือตัวจัดการการโต้ตอบของ Activity โปรดดู Discord Activities สำหรับการตั้งค่า Developer Portal, tunnel, ความปลอดภัย และการแก้ไขปัญหา

• activities.clientSecret: รหัสลับไคลเอนต์ OAuth2 สำหรับแอปพลิเคชัน Discord โดยใช้ DISCORD_CLIENT_SECRET เป็นค่าทดแทน
• activities.applicationId: ID แอปพลิเคชัน Activity ที่ระบุหรือไม่ก็ได้ ค่าเริ่มต้นคือ ID แอปพลิเคชันของบอตที่ได้รับระหว่างการเริ่มต้น Gateway

ความปลอดภัยและการดำเนินงาน

• ถือว่าโทเค็นบอตเป็นข้อมูลลับ (แนะนำให้ใช้ DISCORD_BOT_TOKEN ในสภาพแวดล้อมที่มีการควบคุมดูแล)
• ให้สิทธิ์ Discord เท่าที่จำเป็น
• หากสถานะการปรับใช้คำสั่งล้าสมัย ให้รีสตาร์ต Gateway แล้วตรวจสอบอีกครั้งด้วย openclaw channels status --probe

ที่เกี่ยวข้อง