Discord

พร้อมสำหรับ DM และช่องกิลด์ผ่าน Discord Gateway อย่างเป็นทางการ

การตั้งค่าอย่างรวดเร็ว

คุณจะต้องสร้างแอปพลิเคชันใหม่พร้อมบอต เพิ่มบอตไปยังเซิร์ฟเวอร์ของคุณ และจับคู่บอตกับ OpenClaw เราแนะนำให้เพิ่มบอตของคุณไปยังเซิร์ฟเวอร์ส่วนตัวของคุณเอง หากยังไม่มี ให้สร้างก่อน (เลือก 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: ตั้งค่าพื้นที่ทำงานกิลด์

เมื่อ DM ทำงานแล้ว คุณสามารถตั้งค่าเซิร์ฟเวอร์ Discord ของคุณเป็นพื้นที่ทำงานเต็มรูปแบบที่แต่ละช่องมีเซสชันเอเจนต์ของตัวเองพร้อมบริบทของตัวเอง วิธีนี้แนะนำสำหรับเซิร์ฟเวอร์ส่วนตัวที่มีแค่คุณและบอตของคุณ

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

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

ตอนนี้ให้สร้างช่องบางช่องบนเซิร์ฟเวอร์ Discord ของคุณและเริ่มแชต เอเจนต์ของคุณมองเห็นชื่อช่องได้ และแต่ละช่องจะมีเซสชันที่แยกจากกันของตัวเอง — ดังนั้นคุณสามารถตั้งค่า #coding, #home, #research หรืออะไรก็ได้ที่เหมาะกับเวิร์กโฟลว์ของคุณ

โมเดลรันไทม์

• Gateway เป็นเจ้าของการเชื่อมต่อ Discord
• การกำหนดเส้นทางคำตอบเป็นแบบกำหนดแน่นอน: คำตอบขาเข้าจาก Discord จะตอบกลับไปยัง Discord
• เมทาดาทาของกิลด์/ช่อง Discord จะถูกเพิ่มลงในพรอมป์ของโมเดลเป็นบริบทที่ไม่น่าเชื่อถือ ไม่ใช่คำนำหน้าคำตอบที่ผู้ใช้มองเห็น หากโมเดลคัดลอกซองข้อมูลนั้น กลับมา OpenClaw จะตัดเมทาดาทาที่ถูกคัดลอกออกจากคำตอบขาออกและจาก บริบทสำหรับเล่นซ้ำในอนาคต
• โดยค่าเริ่มต้น (session.dmScope=main) แชตโดยตรงจะแชร์เซสชันหลักของเอเจนต์ (agent:main:main)
• ช่องกิลด์เป็นคีย์เซสชันที่แยกจากกัน (agent:<agentId>:discord:channel:<channelId>)
• Group DM จะถูกละเว้นโดยค่าเริ่มต้น (channels.discord.dm.groupEnabled=false)
• คำสั่งสแลชแบบเนทีฟทำงานในเซสชันคำสั่งที่แยกกัน (agent:<agentId>:discord:slash:<userId>) ขณะยังคงพก CommandTargetSessionKey ไปยังเซสชันการสนทนาที่ถูกกำหนดเส้นทาง
• การส่งประกาศ Cron/Heartbeat แบบข้อความเท่านั้นไปยัง Discord จะใช้คำตอบสุดท้าย ที่ผู้ช่วยมองเห็นได้เพียงครั้งเดียว เพย์โหลดสื่อและคอมโพเนนต์แบบมีโครงสร้างยังคง เป็นหลายข้อความเมื่อเอเจนต์ปล่อยเพย์โหลดที่ส่งได้หลายรายการ

ช่องฟอรัม

ช่องฟอรัมและช่องสื่อของ Discord รับเฉพาะโพสต์ในเธรดเท่านั้น OpenClaw รองรับสองวิธีในการสร้าง:

• ส่งข้อความไปยังพาเรนต์ของฟอรัม (channel:<forumId>) เพื่อสร้างเธรดโดยอัตโนมัติ ชื่อเธรดจะใช้บรรทัดแรกที่ไม่ว่างของข้อความของคุณ
• ใช้ openclaw message thread create เพื่อสร้างเธรดโดยตรง อย่าส่ง --message-id สำหรับช่องฟอรัม

ตัวอย่าง: ส่งไปยังพาเรนต์ของฟอรัมเพื่อสร้างเธรด

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

ตัวอย่าง: สร้างเธรดฟอรัมอย่างชัดเจน

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

พาเรนต์ของฟอรัมไม่รับคอมโพเนนต์ Discord หากคุณต้องการคอมโพเนนต์ ให้ส่งไปยังเธรดเอง (channel:<threadId>)

คอมโพเนนต์แบบโต้ตอบ

OpenClaw รองรับคอนเทนเนอร์คอมโพเนนต์ Discord v2 สำหรับข้อความเอเจนต์ ใช้เครื่องมือข้อความพร้อมเพย์โหลด components ผลลัพธ์จากการโต้ตอบจะถูกกำหนดเส้นทางกลับไปยังเอเจนต์เป็นข้อความขาเข้าปกติ และทำตามการตั้งค่า Discord replyToMode ที่มีอยู่

บล็อกที่รองรับ:

• text, section, separator, actions, media-gallery, file
• แถวการกระทำอนุญาตให้มีปุ่มได้สูงสุด 5 ปุ่มหรือเมนูเลือกหนึ่งรายการ
• ประเภทการเลือก: string, user, role, mentionable, channel

โดยค่าเริ่มต้น คอมโพเนนต์ใช้ได้ครั้งเดียว ตั้งค่า components.reusable=true เพื่ออนุญาตให้ใช้ปุ่ม ตัวเลือก และฟอร์มได้หลายครั้งจนกว่าจะหมดอายุ

หากต้องการจำกัดว่าใครคลิกปุ่มได้ ให้ตั้งค่า allowedUsers บนปุ่มนั้น (ID ผู้ใช้ Discord, แท็ก หรือ *) เมื่อกำหนดค่าแล้ว ผู้ใช้ที่ไม่ตรงกันจะได้รับข้อความปฏิเสธแบบชั่วคราว

คอลแบ็กคอมโพเนนต์หมดอายุหลัง 30 นาทีโดยค่าเริ่มต้น ตั้งค่า channels.discord.agentComponents.ttlMs เพื่อเปลี่ยนอายุรีจิสทรีคอลแบ็กนั้นสำหรับบัญชี Discord เริ่มต้น หรือ channels.discord.accounts.<accountId>.agentComponents.ttlMs เพื่อเขียนทับบัญชีหนึ่งในชุดหลายบัญชี ค่ามีหน่วยเป็นมิลลิวินาที ต้องเป็นจำนวนเต็มบวก และถูกจำกัดไว้ที่ 86400000 (24 ชั่วโมง) TTL ที่ยาวขึ้นมีประโยชน์สำหรับเวิร์กโฟลว์ตรวจทานหรืออนุมัติที่ต้องให้ปุ่มยังใช้งานได้ แต่ยังขยายช่วงเวลาที่ข้อความ Discord เก่ายังสามารถทริกเกอร์การกระทำได้ด้วย ควรใช้ TTL ที่สั้นที่สุดที่เหมาะกับเวิร์กโฟลว์ และคงค่าเริ่มต้นไว้เมื่อคอลแบ็กที่ค้างเก่าจะทำให้เกิดความประหลาดใจ

คำสั่งสแลช /model และ /models เปิดตัวเลือกโมเดลแบบโต้ตอบที่มีดรอปดาวน์ผู้ให้บริการ โมเดล และรันไทม์ที่เข้ากันได้ รวมถึงขั้นตอนส่ง /models add เลิกใช้แล้วและตอนนี้จะส่งคืนข้อความเลิกใช้แทนการลงทะเบียนโมเดลจากแชต คำตอบของตัวเลือกเป็นแบบชั่วคราวและเฉพาะผู้ใช้ที่เรียกใช้เท่านั้นที่ใช้ได้ เมนูเลือกของ Discord จำกัดไว้ที่ 25 ตัวเลือก ดังนั้นให้เพิ่มรายการ provider/* ลงใน agents.defaults.models เมื่อคุณต้องการให้ตัวเลือกแสดงโมเดลที่ค้นพบแบบไดนามิกเฉพาะสำหรับผู้ให้บริการที่เลือก เช่น openai หรือ vllm

ไฟล์แนบ:

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

ฟอร์มโมดัล:

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

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: { allow: true },        help: { allow: true, requireMention: true },      },    },  },},},}

การกำหนดเส้นทางเอเจนต์ตามบทบาท

ใช้ bindings[].match.roles เพื่อกำหนดเส้นทางสมาชิกกิลด์ Discord ไปยังเอเจนต์ต่าง ๆ ตาม ID ของบทบาท การผูกตามบทบาทรับเฉพาะ ID ของบทบาทเท่านั้น และจะถูกประเมินหลังการผูกแบบเพียร์หรือเพียร์หลัก และก่อนการผูกแบบเฉพาะกิลด์ หากการผูกหนึ่งตั้งค่าฟิลด์การจับคู่อื่นด้วย (เช่น peer + guildId + roles) ฟิลด์ทั้งหมดที่กำหนดค่าต้องตรงกัน

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

คำสั่งเนทีฟและการยืนยันสิทธิ์คำสั่ง

• commands.native มีค่าเริ่มต้นเป็น "auto" และเปิดใช้งานสำหรับ Discord
• การแทนที่รายช่อง: channels.discord.commands.native
• commands.native=false จะข้ามการลงทะเบียนและการล้างคำสั่งสแลชของ Discord ระหว่างเริ่มต้น คำสั่งที่เคยลงทะเบียนไว้อาจยังแสดงอยู่ใน Discord จนกว่าคุณจะลบออกจากแอป Discord
• การยืนยันสิทธิ์คำสั่งเนทีฟใช้รายการอนุญาต/นโยบายของ Discord ชุดเดียวกับการจัดการข้อความปกติ
• คำสั่งอาจยังแสดงใน UI ของ Discord สำหรับผู้ใช้ที่ไม่ได้รับอนุญาต แต่การดำเนินการยังคงบังคับใช้การยืนยันสิทธิ์ของ OpenClaw และส่งคืน "ไม่ได้รับอนุญาต"

ดู คำสั่งสแลช สำหรับแคตตาล็อกคำสั่งและพฤติกรรม

การตั้งค่าคำสั่งสแลชเริ่มต้น:

• ephemeral: true

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_...", // 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",  },},},}

เครื่องมือและประตูการดำเนินการ

การดำเนินการข้อความ Discord รวมถึงการส่งข้อความ การดูแลช่อง การมอดเดอเรชัน Presence และการดำเนินการเมทาดาทา

ตัวอย่างหลัก:

• การส่งข้อความ: sendMessage, readMessages, editMessage, deleteMessage, threadReply
• ปฏิกิริยา: react, reactions, emojiList
• การมอดเดอเรชัน: timeout, kick, ban
• Presence: setPresence

การดำเนินการ event-create รับพารามิเตอร์ image ที่เป็นทางเลือก (URL หรือพาธไฟล์ในเครื่อง) เพื่อตั้งค่าภาพหน้าปกของเหตุการณ์ที่กำหนดเวลาไว้

ประตูการดำเนินการอยู่ภายใต้ channels.discord.actions.*

พฤติกรรมประตูเริ่มต้น:

UI ของ Components v2

OpenClaw ใช้ Discord components v2 สำหรับการอนุมัติ exec และเครื่องหมายข้ามบริบท การดำเนินการข้อความ Discord ยังสามารถรับ components สำหรับ UI แบบกำหนดเองได้ด้วย (ขั้นสูง; ต้องสร้างเพย์โหลดคอมโพเนนต์ผ่านเครื่องมือ discord) ขณะที่ embeds แบบเดิมยังพร้อมใช้งาน แต่ไม่แนะนำ

• channels.discord.ui.components.accentColor ตั้งค่าสีเน้นที่ใช้โดยคอนเทนเนอร์คอมโพเนนต์ Discord (hex)
• ตั้งค่าต่อบัญชีด้วย channels.discord.accounts.<id>.ui.components.accentColor
• channels.discord.agentComponents.ttlMs ควบคุมระยะเวลาที่ callback ของคอมโพเนนต์ Discord ที่ส่งไปยังคงถูกลงทะเบียนอยู่ (ค่าเริ่มต้น 1800000, สูงสุด 86400000) ตั้งค่าต่อบัญชีด้วย channels.discord.accounts.<id>.agentComponents.ttlMs
• embeds จะถูกละเว้นเมื่อมี components v2
• การแสดงตัวอย่าง URL ธรรมดาถูกระงับโดยค่าเริ่มต้น ตั้งค่า suppressEmbeds: false ในการดำเนินการข้อความเมื่อควรขยายลิงก์ขาออกลิงก์เดียว

ตัวอย่าง:

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

เสียง

Discord มีพื้นผิวเสียงสองแบบที่แตกต่างกัน: ช่องเสียง แบบเรียลไทม์ (การสนทนาต่อเนื่อง) และ ไฟล์แนบข้อความเสียง (รูปแบบตัวอย่างเวฟฟอร์ม) Gateway รองรับทั้งสองแบบ

ช่องเสียง

เช็กลิสต์การตั้งค่า:

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

ใช้ /vc join|leave|status เพื่อควบคุมเซสชัน คำสั่งจะใช้เอเจนต์เริ่มต้นของบัญชีและทำตามกฎ allowlist และนโยบายกลุ่มเดียวกับคำสั่ง Discord อื่น ๆ

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

เพื่อตรวจสอบสิทธิ์ที่มีผลจริงของบ็อตก่อนเข้าร่วม ให้รัน:

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

ตัวอย่างการเข้าร่วมอัตโนมัติ:

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

หมายเหตุ:

• voice.tts จะแทนที่ messages.tts เฉพาะสำหรับการเล่นเสียง stt-tts เท่านั้น โหมดเรียลไทม์ใช้ voice.realtime.speakerVoice
• voice.mode ควบคุมเส้นทางการสนทนา ค่าเริ่มต้นคือ agent-proxy: ส่วนหน้าเสียงแบบเรียลไทม์จัดการจังหวะของเทิร์น การขัดจังหวะ และการเล่นเสียง มอบหมายงานที่เป็นสาระให้เอเจนต์ OpenClaw ที่ถูกกำหนดเส้นทางผ่าน openclaw_agent_consult และปฏิบัติกับผลลัพธ์เหมือนพรอมป์ Discord แบบพิมพ์จากผู้พูดคนนั้น stt-tts ยังคงใช้โฟลว์ STT แบบแบตช์รุ่นเก่าร่วมกับ TTS bidi ให้โมเดลเรียลไทม์สนทนาได้โดยตรงพร้อมเปิดเผย openclaw_agent_consult สำหรับสมอง OpenClaw
• voice.agentSession ควบคุมว่าการสนทนา OpenClaw ใดจะรับเทิร์นเสียง เว้นว่างไว้เพื่อใช้เซสชันของช่องเสียงเอง หรือตั้งค่า { mode: "target", target: "channel:<text-channel-id>" } เพื่อให้ช่องเสียงทำหน้าที่เป็นส่วนขยายไมโครโฟน/ลำโพงของเซสชันช่องข้อความ Discord ที่มีอยู่ เช่น #maintainers
• voice.model แทนที่สมองเอเจนต์ OpenClaw สำหรับคำตอบเสียง Discord และการปรึกษาแบบเรียลไทม์ เว้นว่างไว้เพื่อสืบทอดโมเดลเอเจนต์ที่ถูกกำหนดเส้นทาง ค่านี้แยกจาก voice.realtime.model
• voice.followUsers ให้บอตเข้าร่วม ย้าย และออกจากเสียง Discord กับผู้ใช้ที่เลือกไว้ ดู ติดตามผู้ใช้ในเสียง สำหรับกฎพฤติกรรมและตัวอย่าง
• agent-proxy กำหนดเส้นทางเสียงพูดผ่าน discord-voice ซึ่งรักษาการอนุญาตเจ้าของ/เครื่องมือตามปกติสำหรับผู้พูดและเซสชันเป้าหมาย แต่ซ่อนเครื่องมือ tts ของเอเจนต์เพราะเสียง Discord เป็นเจ้าของการเล่นเสียง โดยค่าเริ่มต้น agent-proxy ให้การปรึกษามีสิทธิ์เข้าถึงเครื่องมือเทียบเท่าเจ้าของเต็มรูปแบบสำหรับผู้พูดที่เป็นเจ้าของ (voice.realtime.toolPolicy: "owner") และแนะนำอย่างยิ่งให้ปรึกษาเอเจนต์ OpenClaw ก่อนคำตอบที่เป็นสาระ (voice.realtime.consultPolicy: "always") ในโหมด always เริ่มต้นนั้น ชั้นเรียลไทม์จะไม่พูดข้อความเติมก่อนคำตอบจากการปรึกษาโดยอัตโนมัติ แต่จะจับและถอดเสียงคำพูด แล้วจึงพูดคำตอบ OpenClaw ที่ถูกกำหนดเส้นทาง หากคำตอบจากการปรึกษาแบบบังคับหลายรายการเสร็จสิ้นขณะที่ Discord ยังเล่นคำตอบแรกอยู่ คำตอบเสียงพูดที่ตรงเป๊ะในภายหลังจะถูกเข้าคิวจนกว่าการเล่นเสียงจะว่าง แทนที่จะแทนที่เสียงพูดกลางประโยค
• ในโหมด stt-tts STT ใช้ tools.media.audio; voice.model ไม่มีผลต่อการถอดเสียง
• ในโหมดเรียลไทม์ voice.realtime.provider, voice.realtime.model และ voice.realtime.speakerVoice กำหนดค่าเซสชันเสียงเรียลไทม์ สำหรับ OpenAI Realtime 2 ร่วมกับสมอง Codex ให้ใช้ voice.realtime.model: "gpt-realtime-2" และ voice.model: "openai/gpt-5.5"
• โหมดเสียงเรียลไทม์รวมไฟล์โปรไฟล์ขนาดเล็ก IDENTITY.md, USER.md และ SOUL.md ไว้ในคำสั่งของผู้ให้บริการเรียลไทม์ตามค่าเริ่มต้น เพื่อให้เทิร์นตรงที่รวดเร็วยังคงมีอัตลักษณ์ การยึดโยงกับผู้ใช้ และบุคลิกเดียวกับเอเจนต์ OpenClaw ที่ถูกกำหนดเส้นทาง ตั้งค่า voice.realtime.bootstrapContextFiles เป็นชุดย่อยเพื่อปรับแต่ง หรือ [] เพื่อปิดใช้งาน ไฟล์บูตสแตรปเรียลไทม์ที่รองรับจำกัดอยู่ที่ไฟล์โปรไฟล์เหล่านั้น; AGENTS.md ยังคงอยู่ในบริบทเอเจนต์ปกติ บริบทโปรไฟล์ที่ถูกฉีดเข้าไปไม่ได้แทนที่ openclaw_agent_consult สำหรับงานในเวิร์กสเปซ ข้อเท็จจริงปัจจุบัน การค้นหาหน่วยความจำ หรือการกระทำที่มีเครื่องมือรองรับ
• ในโหมดเรียลไทม์ OpenAI agent-proxy ให้ตั้งค่า voice.realtime.requireWakeName: true เพื่อให้เสียงเรียลไทม์ Discord เงียบจนกว่าทรานสคริปต์จะขึ้นต้นหรือลงท้ายด้วยชื่อปลุก ชื่อปลุกที่กำหนดค่าต้องมีหนึ่งหรือสองคำ หากไม่ได้ตั้งค่า voice.realtime.wakeNames OpenClaw จะใช้ name ของเอเจนต์ที่ถูกกำหนดเส้นทางร่วมกับ OpenClaw และถอยกลับไปใช้รหัสเอเจนต์ร่วมกับ OpenClaw การกั้นด้วยชื่อปลุกจะปิดการตอบกลับอัตโนมัติของผู้ให้บริการเรียลไทม์ กำหนดเส้นทางเทิร์นที่ยอมรับผ่านเส้นทางปรึกษาเอเจนต์ OpenClaw และให้การตอบรับแบบพูดสั้นๆ เมื่อชื่อปลุกนำหน้าถูกจดจำจากการถอดเสียงบางส่วนก่อนทรานสคริปต์สุดท้ายจะมาถึง
• ผู้ให้บริการเรียลไทม์ OpenAI ยอมรับชื่อเหตุการณ์ Realtime 2 ปัจจุบันและชื่อแฝงดั้งเดิมที่เข้ากันได้กับ Codex สำหรับเหตุการณ์เสียงเอาต์พุตและทรานสคริปต์ ดังนั้นสแนปช็อตผู้ให้บริการที่เข้ากันได้จึงเปลี่ยนแปลงได้โดยไม่ทำให้เสียงผู้ช่วยหลุดหาย
• voice.realtime.bargeIn ควบคุมว่าเหตุการณ์เริ่มพูดของผู้พูด Discord จะขัดจังหวะการเล่นเสียงเรียลไทม์ที่กำลังทำงานอยู่หรือไม่ หากไม่ได้ตั้งค่า จะทำตามการตั้งค่าการขัดจังหวะเสียงอินพุตของผู้ให้บริการเรียลไทม์
• voice.realtime.minBargeInAudioEndMs ควบคุมระยะเวลาขั้นต่ำของการเล่นเสียงผู้ช่วยก่อนที่ barge-in เรียลไทม์ OpenAI จะตัดเสียง ค่าเริ่มต้น: 250 ตั้งค่า 0 เพื่อขัดจังหวะทันทีในห้องที่มีเสียงสะท้อนต่ำ หรือเพิ่มค่านี้สำหรับชุดลำโพงที่มีเสียงสะท้อนมาก
• สำหรับเสียง OpenAI บนการเล่นเสียง Discord ให้ตั้งค่า voice.tts.provider: "openai" และเลือกเสียง Text-to-speech ใต้ voice.tts.providers.openai.speakerVoice cedar เป็นตัวเลือกที่ให้เสียงแนวผู้ชายที่ดีบนโมเดล OpenAI TTS ปัจจุบัน
• การแทนที่ systemPrompt ของ Discord รายช่องจะมีผลกับเทิร์นทรานสคริปต์เสียงสำหรับช่องเสียงนั้น
• เทิร์นทรานสคริปต์เสียงอนุมานสถานะเจ้าของจาก Discord allowFrom (หรือ dm.allowFrom) สำหรับคำสั่งที่กั้นด้วยเจ้าของและการกระทำของช่อง การมองเห็นเครื่องมือเอเจนต์ทำตามนโยบายเครื่องมือที่กำหนดค่าสำหรับเซสชันที่ถูกกำหนดเส้นทาง
• เสียง Discord เป็นแบบเลือกเปิดสำหรับคอนฟิกที่มีแต่ข้อความ; ตั้งค่า channels.discord.voice.enabled=true (หรือคงบล็อก channels.discord.voice ที่มีอยู่) เพื่อเปิดใช้คำสั่ง /vc รันไทม์เสียง และ Gateway intent GuildVoiceStates
• channels.discord.intents.voiceStates สามารถแทนที่การสมัครรับ intent สถานะเสียงได้อย่างชัดเจน เว้นว่างไว้เพื่อให้ intent ทำตามการเปิดใช้เสียงที่มีผลจริง
• หาก voice.autoJoin มีหลายรายการสำหรับกิลด์เดียวกัน OpenClaw จะเข้าร่วมช่องที่กำหนดค่าไว้ล่าสุดสำหรับกิลด์นั้น
• voice.allowedChannels เป็น allowlist การพำนักที่ไม่บังคับ เว้นว่างไว้เพื่ออนุญาตให้ /vc join เข้าช่องเสียง Discord ใดๆ ที่ได้รับอนุญาต เมื่อตั้งค่าแล้ว /vc join, การเข้าร่วมอัตโนมัติเมื่อเริ่มต้น และการย้ายสถานะเสียงของบอตจะถูกจำกัดไว้ที่รายการ { guildId, channelId } ที่ระบุ ตั้งค่าเป็นอาร์เรย์ว่างเพื่อปฏิเสธการเข้าร่วมเสียง Discord ทั้งหมด หาก Discord ย้ายบอตออกนอก allowlist OpenClaw จะออกจากช่องนั้นและเข้าร่วมเป้าหมาย auto-join ที่กำหนดค่าไว้อีกครั้งเมื่อมี
• voice.daveEncryption และ voice.decryptionFailureTolerance ส่งผ่านไปยังตัวเลือก join ของ @discordjs/voice
• ค่าเริ่มต้นของ @discordjs/voice คือ daveEncryption=true และ decryptionFailureTolerance=24 หากไม่ได้ตั้งค่า
• OpenClaw ใช้โคเดก libopus-wasm ที่รวมมาให้สำหรับการรับเสียง Discord และการเล่น PCM ดิบแบบเรียลไทม์ มาพร้อมบิลด์ libopus WebAssembly ที่ตรึงไว้และไม่ต้องใช้ addon opus แบบเนทีฟ
• voice.connectTimeoutMs ควบคุมการรอ Ready เริ่มต้นของ @discordjs/voice สำหรับ /vc join และความพยายาม auto-join ค่าเริ่มต้น: 30000
• voice.reconnectGraceMs ควบคุมระยะเวลาที่ OpenClaw รอให้เซสชันเสียงที่ถูกตัดการเชื่อมต่อเริ่มเชื่อมต่อใหม่ก่อนทำลายเซสชัน ค่าเริ่มต้น: 15000
• ในโหมด stt-tts การเล่นเสียงจะไม่หยุดเพียงเพราะผู้ใช้อื่นเริ่มพูด เพื่อหลีกเลี่ยงลูปเสียงสะท้อน OpenClaw จะเพิกเฉยต่อการจับเสียงใหม่ขณะ TTS กำลังเล่นอยู่; ให้พูดหลังการเล่นเสียงจบเพื่อเข้าสู่เทิร์นถัดไป โหมดเรียลไทม์ส่งต่อการเริ่มพูดของผู้พูดเป็นสัญญาณ barge-in ไปยังผู้ให้บริการเรียลไทม์
• ในโหมดเรียลไทม์ เสียงสะท้อนจากลำโพงเข้าสู่ไมค์ที่เปิดอยู่อาจดูเหมือน barge-in และขัดจังหวะการเล่นเสียง สำหรับห้อง Discord ที่มีเสียงสะท้อนมาก ให้ตั้งค่า voice.realtime.providers.openai.interruptResponseOnInputAudio: false เพื่อไม่ให้ OpenAI ขัดจังหวะอัตโนมัติเมื่อมีเสียงอินพุต เพิ่ม voice.realtime.bargeIn: true หากคุณยังต้องการให้เหตุการณ์เริ่มพูดของผู้พูด Discord ขัดจังหวะการเล่นเสียงที่กำลังทำงานอยู่ บริดจ์เรียลไทม์ OpenAI จะเพิกเฉยต่อการตัดการเล่นเสียงที่สั้นกว่า voice.realtime.minBargeInAudioEndMs โดยถือว่าน่าจะเป็นเสียงสะท้อน/สัญญาณรบกวน และบันทึกว่า skipped แทนการล้างการเล่นเสียง Discord
• voice.captureSilenceGraceMs ควบคุมระยะเวลาที่ OpenClaw รอหลังจาก Discord รายงานว่าผู้พูดหยุดพูด ก่อนสรุปเซกเมนต์เสียงนั้นสำหรับ STT ค่าเริ่มต้น: 2000; เพิ่มค่านี้หาก Discord แยกช่วงหยุดปกติออกเป็นทรานสคริปต์บางส่วนที่กระตุก
• เมื่อ ElevenLabs เป็นผู้ให้บริการ TTS ที่เลือก การเล่นเสียง Discord จะใช้ TTS แบบสตรีมมิงและเริ่มจากสตรีมคำตอบของผู้ให้บริการ ผู้ให้บริการที่ไม่รองรับสตรีมมิงจะถอยกลับไปใช้เส้นทางไฟล์ชั่วคราวที่สังเคราะห์แล้ว
• OpenClaw ยังเฝ้าดูความล้มเหลวในการถอดรหัสฝั่งรับและกู้คืนอัตโนมัติด้วยการออกจาก/เข้าร่วมช่องเสียงอีกครั้งหลังเกิดความล้มเหลวซ้ำๆ ในช่วงเวลาสั้นๆ
• หากล็อกรับแสดง DecryptionFailed(UnencryptedWhenPassthroughDisabled) ซ้ำๆ หลังอัปเดต ให้เก็บรายงาน dependency และล็อก บรรทัด @discordjs/voice ที่รวมมามีการแก้แพดดิงจาก upstream จาก discord.js PR #11449 ซึ่งปิด discord.js issue #11419
• เหตุการณ์รับ The operation was aborted เป็นสิ่งที่คาดไว้เมื่อ OpenClaw สรุปเซกเมนต์ผู้พูดที่จับไว้; สิ่งเหล่านี้เป็นการวินิจฉัยแบบละเอียด ไม่ใช่คำเตือน
• ล็อกเสียง Discord แบบละเอียดรวมตัวอย่างทรานสคริปต์ STT หนึ่งบรรทัดที่มีขอบเขตสำหรับแต่ละเซกเมนต์ผู้พูดที่ยอมรับ เพื่อให้การดีบักแสดงทั้งฝั่งผู้ใช้และฝั่งคำตอบของเอเจนต์โดยไม่เทข้อความทรานสคริปต์แบบไม่จำกัด
• ในโหมด agent-proxy fallback การปรึกษาแบบบังคับจะข้ามชิ้นส่วนทรานสคริปต์ที่น่าจะยังไม่สมบูรณ์ เช่น ข้อความที่ลงท้ายด้วย ... หรือตัวเชื่อมท้ายอย่าง and รวมถึงการปิดท้ายที่เห็นชัดว่าไม่ใช่สิ่งที่ต้องดำเนินการ เช่น “be right back” หรือ “bye” ล็อกจะแสดง forced agent consult skipped reason=... เมื่อสิ่งนี้ป้องกันคำตอบค้างเก่าที่ถูกเข้าคิว

ติดตามผู้ใช้ในเสียง

ใช้ voice.followUsers เมื่อคุณต้องการให้บอตเสียง Discord อยู่กับผู้ใช้ Discord ที่รู้จักหนึ่งคนขึ้นไป แทนการเข้าร่วมห้องคงที่เมื่อเริ่มต้นหรือรอ /vc join

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

พฤติกรรม:

• followUsers ยอมรับรหัสผู้ใช้ Discord แบบดิบและค่า discord:<id> OpenClaw ทำให้ทั้งสองรูปแบบเป็นรูปแบบปกติก่อนจับคู่เหตุการณ์สถานะเสียง
• followUsersEnabled มีค่าเริ่มต้นเป็น true เมื่อกำหนดค่า followUsers ตั้งค่าเป็น false เพื่อเก็บรายการที่บันทึกไว้แต่หยุดการติดตามเสียงอัตโนมัติ
• เมื่อผู้ใช้ที่ถูกติดตามเข้าร่วมช่องเสียงที่อนุญาต OpenClaw จะเข้าร่วมช่องนั้น เมื่อผู้ใช้ย้าย OpenClaw จะย้ายตาม เมื่อผู้ใช้ที่ถูกติดตามที่ใช้งานอยู่ตัดการเชื่อมต่อ OpenClaw จะออก
• หากผู้ใช้ที่ถูกติดตามหลายคนอยู่ในกิลด์เดียวกันและผู้ใช้ที่ถูกติดตามที่ใช้งานอยู่ออก OpenClaw จะย้ายไปยังช่องของผู้ใช้ที่ถูกติดตามอีกคนที่ติดตามอยู่ก่อนออกจากกิลด์ หากผู้ใช้ที่ถูกติดตามหลายคนย้ายพร้อมกัน เหตุการณ์สถานะเสียงที่สังเกตเห็นล่าสุดจะชนะ
• allowedChannels ยังคงมีผล ผู้ใช้ที่ถูกติดตามในช่องที่ไม่อนุญาตจะถูกเพิกเฉย และเซสชันที่เป็นของการติดตามจะย้ายไปยังผู้ใช้ที่ถูกติดตามอีกคนหรือออก
• OpenClaw กระทบยอดเหตุการณ์สถานะเสียงที่พลาดไปเมื่อเริ่มต้นและตามช่วงเวลาที่มีขอบเขต การกระทบยอดจะสุ่มตัวอย่างกิลด์ที่กำหนดค่าและจำกัดการค้นหา REST ต่อการรัน ดังนั้นรายการ followUsers ที่ใหญ่มากอาจใช้เวลามากกว่าหนึ่งช่วงเวลากว่าจะลู่เข้า
• หาก Discord หรือผู้ดูแลระบบย้ายบอตขณะที่กำลังติดตามผู้ใช้ OpenClaw จะสร้างเซสชันเสียงใหม่และคงความเป็นเจ้าของการติดตามไว้เมื่อปลายทางได้รับอนุญาต หากบอตถูกย้ายออกนอก allowedChannels OpenClaw จะออกและเข้าร่วมเป้าหมายที่กำหนดค่าไว้อีกครั้งเมื่อมี
• การกู้คืนการรับ DAVE อาจออกและเข้าร่วมช่องเดิมอีกครั้งหลังความล้มเหลวในการถอดรหัสซ้ำๆ เซสชันที่เป็นของการติดตามจะคงความเป็นเจ้าของการติดตามผ่านเส้นทางการกู้คืนนั้น ดังนั้นเมื่อผู้ใช้ที่ถูกติดตามตัดการเชื่อมต่อในภายหลังก็ยังออกจากช่อง

เลือกระหว่างโหมดการเข้าร่วม:

• ใช้ followUsers สำหรับการตั้งค่าส่วนตัวหรือของผู้ปฏิบัติงานที่บอตควรอยู่ในเสียงโดยอัตโนมัติเมื่อคุณอยู่
• ใช้ autoJoin สำหรับบอตห้องคงที่ที่ควรอยู่ประจำแม้ไม่มีผู้ใช้ที่ติดตามอยู่ในเสียง
• ใช้ /vc join สำหรับการเข้าร่วมแบบครั้งเดียวหรือห้องที่การมีอยู่ในเสียงโดยอัตโนมัติอาจทำให้แปลกใจ

โคเดกเสียง Discord:

• บันทึกการรับเสียงแสดง discord voice: opus decoder: libopus-wasm
• การเล่นแบบเรียลไทม์เข้ารหัส PCM สเตอริโอดิบ 48 kHz เป็น Opus ด้วยแพ็กเกจ libopus-wasm ที่รวมมาเดียวกัน ก่อนส่งต่อแพ็กเก็ตให้ @discordjs/voice
• การเล่นไฟล์และสตรีมจากผู้ให้บริการจะแปลงรหัสเป็น PCM สเตอริโอดิบ 48 kHz ด้วย ffmpeg แล้วใช้ libopus-wasm สำหรับสตรีมแพ็กเก็ต Opus ที่ส่งไปยัง Discord

ไปป์ไลน์ STT พร้อม TTS:

• การจับ PCM จาก Discord จะถูกแปลงเป็นไฟล์ชั่วคราว WAV
• tools.media.audio จัดการ STT เช่น openai/gpt-4o-mini-transcribe
• ข้อความถอดเสียงจะถูกส่งผ่านทางเข้าและการกำหนดเส้นทางของ Discord ขณะที่ LLM สำหรับคำตอบทำงานด้วยนโยบายเอาต์พุตเสียงที่ซ่อนเครื่องมือ tts ของเอเจนต์และขอให้ส่งคืนข้อความ เพราะเสียงของ Discord เป็นเจ้าของการเล่น TTS ขั้นสุดท้าย
• voice.model เมื่อกำหนดไว้ จะแทนที่เฉพาะ LLM สำหรับคำตอบของรอบช่องเสียงนี้
• voice.tts จะถูกผสานทับ messages.tts; ผู้ให้บริการที่รองรับการสตรีมจะป้อนข้อมูลให้ตัวเล่นโดยตรง ไม่เช่นนั้นไฟล์เสียงที่ได้จะถูกเล่นในช่องที่เข้าร่วมอยู่

ตัวอย่างเซสชันช่องเสียง agent-proxy เริ่มต้น:

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

เมื่อไม่มีบล็อก voice.agentSession ช่องเสียงแต่ละช่องจะได้เซสชัน OpenClaw ที่กำหนดเส้นทางของตนเอง ตัวอย่างเช่น /vc join channel:234567890123456789 จะคุยกับเซสชันของช่องเสียง Discord นั้น โมเดลเรียลไทม์เป็นเพียงส่วนหน้าด้านเสียงเท่านั้น คำขอที่เป็นสาระสำคัญจะถูกส่งต่อให้เอเจนต์ OpenClaw ที่กำหนดค่าไว้ หากโมเดลเรียลไทม์สร้างข้อความถอดเสียงสุดท้ายโดยไม่เรียกเครื่องมือปรึกษา OpenClaw จะบังคับการปรึกษาเป็นทางสำรอง เพื่อให้ค่าเริ่มต้นยังทำงานเหมือนกำลังคุยกับเอเจนต์

ตัวอย่าง STT พร้อม 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",            },          },        },      },    },  },}

ตัวอย่าง bidi แบบเรียลไทม์:

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

เสียงในฐานะส่วนขยายของเซสชันช่อง Discord ที่มีอยู่:

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

ในโหมด agent-proxy บอตจะเข้าร่วมช่องเสียงที่กำหนดค่าไว้ แต่รอบของเอเจนต์ OpenClaw จะใช้เซสชันและเอเจนต์ที่กำหนดเส้นทางตามปกติของช่องเป้าหมาย เซสชันเสียงเรียลไทม์จะพูดผลลัพธ์ที่ส่งคืนกลับเข้าไปในช่องเสียง เอเจนต์ผู้ควบคุมยังคงใช้เครื่องมือข้อความตามปกติได้ตามนโยบายเครื่องมือของตน รวมถึงการส่งข้อความ Discord แยกต่างหากหากนั่นเป็นการกระทำที่เหมาะสม

ขณะที่การรัน OpenClaw ที่มอบหมายกำลังทำงาน ข้อความถอดเสียงใหม่จาก Discord voice จะถูกจัดการเป็นการควบคุมการรันสดก่อนเริ่มรอบเอเจนต์อีกครั้ง วลีเช่น "status", "cancel that", "use the smaller fix" หรือ "when you're done also check tests" จะถูกจัดประเภทเป็นสถานะ การยกเลิก การชี้นำ หรืออินพุตติดตามผลสำหรับเซสชันที่กำลังทำงาน ผลลัพธ์ของสถานะ การยกเลิก การชี้นำที่ยอมรับ และการติดตามผลจะถูกพูดกลับเข้าไปในช่องเสียง เพื่อให้ผู้เรียกทราบว่า OpenClaw จัดการคำขอนั้นหรือไม่

รูปแบบเป้าหมายที่มีประโยชน์:

• target: "channel:123456789012345678" กำหนดเส้นทางผ่านเซสชันช่องข้อความ Discord
• target: "123456789012345678" จะถูกจัดการเป็นเป้าหมายช่อง
• target: "dm:123456789012345678" หรือ target: "user:123456789012345678" กำหนดเส้นทางผ่านเซสชันข้อความตรงนั้น

ตัวอย่าง OpenAI Realtime ที่มีเสียงสะท้อนมาก:

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

ใช้ค่านี้เมื่อโมเดลได้ยินเสียงเล่นกลับของตัวเองจาก Discord ผ่านไมค์ที่เปิดอยู่ แต่คุณยังต้องการขัดจังหวะด้วยการพูด OpenClaw จะป้องกันไม่ให้ OpenAI ขัดจังหวะอัตโนมัติจากเสียงอินพุตดิบ ขณะที่ bargeIn: true ทำให้เหตุการณ์เริ่มพูดของผู้พูดใน Discord และเสียงของผู้พูดที่กำลังใช้งานอยู่สามารถยกเลิกคำตอบเรียลไทม์ที่กำลังทำงาน ก่อนที่รอบที่จับได้ถัดไปจะไปถึง OpenAI สัญญาณแทรกพูดที่มาเร็วมากซึ่งมี audioEndMs ต่ำกว่า minBargeInAudioEndMs จะถูกถือว่าน่าจะเป็นเสียงสะท้อน/เสียงรบกวนและถูกเพิกเฉย เพื่อให้โมเดลไม่ตัดเสียงตั้งแต่เฟรมเล่นกลับแรก

บันทึกเสียงที่คาดหวัง:

• เมื่อเข้าร่วม: discord voice: joining ... voiceSession=... supervisorSession=... agentSessionMode=... voiceModel=... realtimeModel=...
• เมื่อเริ่มเรียลไทม์: discord voice: realtime bridge starting ... autoRespond=false interruptResponse=false bargeIn=false minBargeInAudioEndMs=...
• เมื่อมีเสียงผู้พูด: 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=...
• เมื่อข้ามคำพูดเก่า: discord voice: realtime forced agent consult skipped reason=incomplete-transcript ... หรือ reason=non-actionable-closing ...
• เมื่อคำตอบเรียลไทม์เสร็จสมบูรณ์: discord voice: realtime audio playback finishing reason=response.done ... audioMs=... chunks=...
• เมื่อหยุด/รีเซ็ตการเล่น: 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 ...
• เมื่อจัดคิวคำพูดตรงตามต้นฉบับ: discord voice: realtime exact speech queued ... queued=... outputAudioMs=... outputActive=... ตามด้วย discord voice: realtime exact speech dequeued reason=player-idle ...
• เมื่อตรวจพบการแทรกพูด: 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=...
• เมื่อเกิดการขัดจังหวะแบบเรียลไทม์: 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 ...
• เมื่อเพิกเฉยเสียงสะท้อน/เสียงรบกวน: discord voice: realtime model interrupt ignored client:conversation.item.truncate.skipped reason=barge-in audioEndMs=0 minAudioEndMs=250
• เมื่อปิดใช้การแทรกพูด: discord voice: realtime capture ignored during playback (barge-in disabled) ...
• เมื่อการเล่นว่างอยู่: discord voice: realtime barge-in ignored reason=... outputActive=false ... playbackChunks=0

เมื่อต้องการดีบักเสียงที่ถูกตัด ให้อ่านบันทึกเสียงเรียลไทม์เป็นไทม์ไลน์:

1. realtime audio playback started หมายความว่า Discord เริ่มเล่นเสียงผู้ช่วยแล้ว บริดจ์จะเริ่มนับชิ้นเสียงเอาต์พุตของผู้ช่วย ไบต์ PCM ของ Discord ไบต์เรียลไทม์ของผู้ให้บริการ และระยะเวลาเสียงที่สังเคราะห์จากจุดนี้
2. realtime speaker turn opened ระบุว่าผู้พูดใน Discord เริ่มทำงาน หากการเล่นกำลังทำงานอยู่แล้วและเปิดใช้ bargeIn อยู่ อาจตามด้วย barge-in detected source=speaker-start
3. realtime input audio started ระบุเฟรมเสียงจริงเฟรมแรกที่ได้รับสำหรับรอบผู้พูดนั้น outputActive=true หรือ outputAudioMs ที่ไม่เป็นศูนย์ตรงนี้หมายความว่าไมค์กำลังส่งอินพุตขณะที่เสียงผู้ช่วยยังเล่นอยู่
4. barge-in detected source=active-speaker-audio หมายความว่า OpenClaw เห็นเสียงผู้พูดสดขณะที่เสียงผู้ช่วยกำลังเล่นอยู่ สิ่งนี้มีประโยชน์ในการแยกการขัดจังหวะจริงออกจากเหตุการณ์เริ่มพูดของ Discord ที่ไม่มีเสียงที่ใช้ได้
5. barge-in requested reason=... หมายความว่า OpenClaw ขอให้ผู้ให้บริการเรียลไทม์ยกเลิกหรือตัดคำตอบที่กำลังทำงานอยู่ โดยมี outputAudioMs, outputActive และ playbackChunks เพื่อให้คุณเห็นว่าเสียงผู้ช่วยเล่นไปจริงเท่าใดก่อนการขัดจังหวะ
6. realtime audio playback stopped reason=... คือจุดรีเซ็ตการเล่น Discord ในเครื่อง เหตุผลจะบอกว่าใครหยุดการเล่น: barge-in, player-idle, provider-clear-audio, forced-agent-consult, stream-close หรือ session-close
7. realtime speaker turn closed สรุปรอบอินพุตที่จับได้ chunks=0 หรือ hasAudio=false หมายความว่ารอบผู้พูดเปิดขึ้นแต่ไม่มีเสียงที่ใช้ได้ไปถึงบริดจ์เรียลไทม์ interruptedPlayback=true หมายความว่ารอบอินพุตนั้นทับซ้อนกับเอาต์พุตของผู้ช่วยและทริกเกอร์ตรรกะการแทรกพูด

ฟิลด์ที่มีประโยชน์:

• outputAudioMs: ระยะเวลาเสียงผู้ช่วยที่ผู้ให้บริการเรียลไทม์สร้างก่อนบรรทัดบันทึก
• audioMs: ระยะเวลาเสียงผู้ช่วยที่ OpenClaw นับก่อนการเล่นหยุดลง
• elapsedMs: เวลาตามนาฬิการะหว่างการเปิดและปิดสตรีมการเล่นหรือรอบผู้พูด
• discordBytes: ไบต์ PCM สเตอริโอ 48 kHz ที่ส่งไปยังหรือรับจาก Discord voice
• realtimeBytes: ไบต์ PCM รูปแบบผู้ให้บริการที่ส่งไปยังหรือรับจากผู้ให้บริการเรียลไทม์
• playbackChunks: ชิ้นเสียงผู้ช่วยที่ส่งต่อไปยัง Discord สำหรับคำตอบที่กำลังทำงาน
• sinceLastAudioMs: ช่องว่างระหว่างเฟรมเสียงผู้พูดที่จับได้ล่าสุดกับการปิดรอบผู้พูด

รูปแบบที่พบบ่อย:

• การตัดเสียงทันทีพร้อม source=active-speaker-audio, outputAudioMs ค่าน้อย และผู้ใช้คนเดียวกันอยู่ใกล้เคียง มักชี้ไปที่เสียงสะท้อนจากลำโพงเข้ามาในไมค์ เพิ่ม voice.realtime.minBargeInAudioEndMs, ลดระดับเสียงลำโพง, ใช้หูฟัง หรือกำหนด voice.realtime.providers.openai.interruptResponseOnInputAudio: false
• source=speaker-start ตามด้วย speaker turn closed ... hasAudio=false หมายความว่า Discord รายงานการเริ่มพูดแต่ไม่มีเสียงไปถึง OpenClaw นั่นอาจเป็นเหตุการณ์เสียง Discord ชั่วคราว พฤติกรรม noise gate หรือไคลเอนต์ที่เปิดไมค์ชั่วขณะ
• audio playback stopped reason=stream-close โดยไม่มีการแทรกพูดหรือ provider-clear-audio ใกล้เคียง หมายความว่าสตรีมการเล่น Discord ในเครื่องจบลงโดยไม่คาดคิด ตรวจสอบบันทึกผู้ให้บริการและตัวเล่น Discord ก่อนหน้า
• capture ignored during playback (barge-in disabled) หมายความว่า OpenClaw ตั้งใจทิ้งอินพุตขณะที่เสียงผู้ช่วยกำลังทำงาน เปิดใช้ voice.realtime.bargeIn หากคุณต้องการให้คำพูดขัดจังหวะการเล่น
• barge-in ignored ... outputActive=false หมายความว่า Discord หรือ VAD ของผู้ให้บริการรายงานว่ามีคำพูด แต่ OpenClaw ไม่มีการเล่นที่กำลังทำงานให้ขัดจังหวะ สิ่งนี้ไม่ควรตัดเสียง

ข้อมูลรับรองจะถูกแก้ไขแยกตามคอมโพเนนต์: การยืนยันตัวตนเส้นทาง LLM สำหรับ voice.model, การยืนยันตัวตน STT สำหรับ tools.media.audio, การยืนยันตัวตน TTS สำหรับ messages.tts/voice.tts และการยืนยันตัวตนผู้ให้บริการเรียลไทม์สำหรับ voice.realtime.providers หรือการกำหนดค่าการยืนยันตัวตนปกติของผู้ให้บริการ

ข้อความเสียง

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

• ระบุ พาธไฟล์ในเครื่อง (URL จะถูกปฏิเสธ)
• ละเว้นเนื้อหาข้อความ (Discord ปฏิเสธข้อความ + ข้อความเสียงใน payload เดียวกัน)
• รองรับรูปแบบเสียงใดก็ได้; OpenClaw จะแปลงเป็น OGG/Opus ตามต้องการ

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

การแก้ปัญหา

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,      },    },  },},},}

อ้างอิงการกำหนดค่า

อ้างอิงหลัก: อ้างอิงการกำหนดค่า - Discord

ความปลอดภัยและการปฏิบัติการ

• ถือว่า bot tokens เป็นความลับ (แนะนำ DISCORD_BOT_TOKEN ในสภาพแวดล้อมที่มีการกำกับดูแล)
• ให้สิทธิ์ Discord แบบ least-privilege
• หาก command deploy/state ล้าสมัย ให้รีสตาร์ท gateway และตรวจสอบอีกครั้งด้วย openclaw channels status --probe

ที่เกี่ยวข้อง