---
read_when:
    - การแก้ไขไปป์ไลน์สื่อหรือไฟล์แนบ
summary: กฎการจัดการรูปภาพและสื่อสำหรับการส่ง การตอบกลับผ่าน Gateway และการตอบกลับของเอเจนต์
title: การรองรับรูปภาพและสื่อ
x-i18n:
    generated_at: "2026-07-12T16:20:38Z"
    model: gpt-5.6
    postprocess_version: locale-links-v1
    provider: openai
    source_hash: 41d5bbd174b4fb35b616a9e90930485fd76dc8cfbad2e178f0823e6fb40c36f8
    source_path: nodes/images.md
    workflow: 16
---

ช่องทาง WhatsApp ทำงานบน Baileys Web หน้านี้อธิบายกฎการจัดการสื่อสำหรับการส่ง, Gateway และการตอบกลับของเอเจนต์

## เป้าหมาย

- ส่งสื่อพร้อมคำบรรยายที่ไม่บังคับผ่าน `openclaw message send --media`
- อนุญาตให้การตอบกลับอัตโนมัติจากกล่องข้อความเว็บแนบสื่อพร้อมข้อความได้
- กำหนดขีดจำกัดแยกตามประเภทให้เหมาะสมและคาดการณ์ได้

## รูปแบบ CLI

`openclaw message send --target <dest> --media <path-or-url> [--message <caption>]`

- `--media <path-or-url>` — แนบสื่อ (รูปภาพ/เสียง/วิดีโอ/เอกสาร) รองรับพาธในเครื่องหรือ URL ไม่บังคับ และคำบรรยายสามารถเว้นว่างสำหรับการส่งเฉพาะสื่อได้
- `--gif-playback` — จัดการสื่อวิดีโอให้เล่นแบบ GIF (เฉพาะ WhatsApp)
- `--force-document` — ส่งสื่อเป็นเอกสารเพื่อหลีกเลี่ยงการบีบอัดของช่องทาง (Telegram, WhatsApp) ใช้ได้กับรูปภาพ, GIF และวิดีโอ
- `--reply-to <id>`, `--thread-id <id>`, `--pin`, `--silent` — ตัวเลือกการนำส่ง/เธรดที่ใช้ร่วมกับการส่งเฉพาะข้อความ
- `--dry-run` — แสดงเพย์โหลดที่แก้ไขค่าเรียบร้อยแล้วและข้ามการส่ง
- `--json` — แสดงผลลัพธ์เป็น JSON: `{ action, channel, dryRun, handledBy, messageId?, payload }` (`payload` มีผลลัพธ์การส่งเฉพาะช่องทาง รวมถึงการอ้างอิงสื่อ หากมี)

## ลักษณะการทำงานของช่องทาง WhatsApp Web

- อินพุต: พาธไฟล์ในเครื่อง **หรือ** URL แบบ HTTP(S)
- ขั้นตอน: โหลดลงในบัฟเฟอร์ ตรวจหาชนิดสื่อ แล้วสร้างเพย์โหลดขาออกตามแต่ละชนิด:
  - **รูปภาพ:** ปรับให้เหมาะสมเพื่อให้มีขนาดไม่เกิน `channels.whatsapp.mediaMaxMb` (ค่าเริ่มต้น 50MB) รูปภาพทึบจะถูกบีบอัดใหม่เป็น JPEG (ลำดับขนาดด้านเริ่มต้นที่ 2048px และลดลงเมื่อยังเกินขนาดซ้ำ) ส่วนรูปภาพที่มีความโปร่งใสจะคงไว้เป็น PNG หากต้นฉบับเป็น JPEG/PNG/WebP ที่ยอมรับได้และอยู่ภายในงบขนาดไฟล์และความยาวด้านอยู่แล้ว ระบบจะคงไบต์ต้นฉบับไว้โดยไม่เปลี่ยนแปลงแทนการบีบอัดใหม่ GIF แบบเคลื่อนไหวจะไม่ถูกเข้ารหัสใหม่ แต่จะตรวจสอบเฉพาะขนาด
  - **เสียง/ข้อความเสียง:** เว้นแต่ว่าจะเป็นเสียงข้อความเสียงแบบเนทีฟอยู่แล้ว (`.ogg`/`.opus` หรือ `audio/ogg`/`audio/opus`) เสียงขาออกจะถูกแปลงรหัสผ่าน `ffmpeg` เป็น Opus/OGG (48kHz โมโน, 64kbps, จำกัดสูงสุด 20 นาที) ก่อนส่งเป็นข้อความเสียง (`ptt: true`)
  - **วิดีโอ:** ส่งผ่านโดยไม่แปลง ขนาดสูงสุด 16MB
  - **เอกสาร:** ไฟล์อื่นทั้งหมด ขนาดสูงสุด 100MB โดยคงชื่อไฟล์ไว้เมื่อมี
- การเล่นแบบ GIF ของ WhatsApp: ส่ง MP4 พร้อม `gifPlayback: true` (CLI: `--gif-playback`) เพื่อให้ไคลเอนต์บนมือถือเล่นวนซ้ำภายในข้อความ
- การตรวจหา MIME จะให้ความสำคัญกับไบต์ลายเซ็นที่ตรวจพบ ตามด้วยนามสกุลไฟล์ แล้วจึงส่วนหัวการตอบกลับ คอนเทนเนอร์ทั่วไปที่ตรวจพบ (`application/octet-stream`, `zip`) จะไม่แทนที่การแมปนามสกุลที่เฉพาะเจาะจงกว่า (เช่น XLSX เทียบกับ ZIP)
- คำบรรยายมาจาก `--message` หรือ `reply.text` และสามารถเว้นว่างได้
- การบันทึกล็อก: โหมดไม่ละเอียดแสดง `↩️`/`✅` ส่วนโหมดละเอียดจะแสดงขนาดและพาธต้นทาง/URL

<Note>
ตัวเลข 16MB สำหรับเสียง/วิดีโอและ 100MB สำหรับเอกสารข้างต้นเป็นค่าเริ่มต้นของสื่อแยกตามชนิดที่ใช้ร่วมกัน เมื่อไม่ได้ส่งขีดจำกัดจำนวนไบต์อย่างชัดเจน การส่งผ่าน WhatsApp จะกำหนดขีดจำกัดอย่างชัดเจนจาก `channels.whatsapp.mediaMaxMb` (ค่าเริ่มต้น 50MB) ซึ่งใช้กับทุกชนิดอย่างสม่ำเสมอสำหรับบัญชีนั้น
</Note>

## ไปป์ไลน์การตอบกลับอัตโนมัติ

- `getReplyFromConfig` ส่งคืนเพย์โหลดการตอบกลับ (หรืออาร์เรย์ของเพย์โหลด) ที่มี `text?`, `mediaUrl?` และ `mediaUrls?` รวมถึงฟิลด์อื่นๆ
- เมื่อมีสื่อ ผู้ส่งผ่านเว็บจะแก้ไขค่าพาธในเครื่องหรือ URL โดยใช้ไปป์ไลน์เดียวกับ `openclaw message send`
- หากระบุรายการสื่อหลายรายการ ระบบจะส่งตามลำดับ

## สื่อขาเข้าสู่คำสั่ง

- เมื่อข้อความเว็บขาเข้ามีสื่อ OpenClaw จะดาวน์โหลดไปยังไฟล์ชั่วคราวและเปิดให้ใช้ตัวแปรเทมเพลต:
  - `{{MediaUrl}}` — URL จำลองสำหรับสื่อขาเข้า
  - `{{MediaPath}}` — พาธชั่วคราวในเครื่องที่เขียนก่อนเรียกใช้คำสั่ง
- เมื่อเปิดใช้แซนด์บ็อกซ์ Docker แยกตามเซสชัน สื่อขาเข้าจะถูกคัดลอกไปยังพื้นที่ทำงานของแซนด์บ็อกซ์ และ `MediaPath`/`MediaUrl` จะถูกเขียนใหม่เป็นพาธสัมพัทธ์กับแซนด์บ็อกซ์ เช่น `media/inbound/<filename>`
- การทำความเข้าใจสื่อ (กำหนดค่าผ่าน `tools.media.*` หรือ `tools.media.models` ที่ใช้ร่วมกัน) จะทำงานก่อนการประมวลผลเทมเพลต และสามารถแทรกบล็อก `[Image]`, `[Audio]` และ `[Video]` ลงใน `Body`
  - เสียงจะกำหนด `{{Transcript}}` และใช้ข้อความถอดเสียงสำหรับการแยกวิเคราะห์คำสั่ง เพื่อให้คำสั่งแบบเครื่องหมายทับยังคงทำงานได้
  - คำอธิบายวิดีโอและรูปภาพจะคงข้อความคำบรรยายไว้สำหรับการแยกวิเคราะห์คำสั่ง
  - หากโมเดลหลักที่ใช้งานอยู่รองรับการมองเห็นแบบเนทีฟอยู่แล้ว OpenClaw จะข้ามบล็อกสรุป `[Image]` และส่งรูปภาพต้นฉบับให้โมเดลแทน
- โดยค่าเริ่มต้น ระบบจะประมวลผลเฉพาะไฟล์แนบรูปภาพ/เสียง/วิดีโอรายการแรกที่ตรงกันเท่านั้น กำหนด `tools.media.<capability>.attachments` เพื่อประมวลผลไฟล์แนบหลายรายการ

## ขีดจำกัดและข้อผิดพลาด

**ขีดจำกัดการส่งขาออก (การส่งผ่าน WhatsApp Web)**

- รูปภาพ: สูงสุด `channels.whatsapp.mediaMaxMb` (ค่าเริ่มต้น 50MB) หลังการปรับให้เหมาะสม
- เสียง/วิดีโอ: ขีดจำกัด 16MB (ค่าเริ่มต้นที่ใช้ร่วมกัน ซึ่ง `mediaMaxMb` จะแทนที่เมื่อส่งผ่าน WhatsApp)
- เอกสาร: ขีดจำกัด 100MB (ค่าเริ่มต้นที่ใช้ร่วมกัน ซึ่ง `mediaMaxMb` จะแทนที่เมื่อส่งผ่าน WhatsApp)
- สื่อที่มีขนาดเกินกำหนดหรือไม่สามารถอ่านได้จะทำให้เกิดข้อผิดพลาดที่ชัดเจนในล็อก และระบบจะข้ามการตอบกลับ

**ขีดจำกัดการทำความเข้าใจสื่อ (การถอดเสียง/คำอธิบาย)**

- ค่าเริ่มต้นของรูปภาพ: 10MB (`tools.media.image.maxBytes`)
- ค่าเริ่มต้นของเสียง: 20MB (`tools.media.audio.maxBytes`)
- ค่าเริ่มต้นของวิดีโอ: 50MB (`tools.media.video.maxBytes`)
- สื่อที่มีขนาดเกินกำหนดจะข้ามการทำความเข้าใจ แต่การตอบกลับยังคงดำเนินต่อไปพร้อมเนื้อหาต้นฉบับ

## หมายเหตุสำหรับการทดสอบ

- ครอบคลุมโฟลว์การส่งและการตอบกลับสำหรับกรณีรูปภาพ/เสียง/เอกสาร
- ตรวจสอบขอบเขตขนาดหลังการปรับรูปภาพให้เหมาะสม และแฟล็กข้อความเสียงสำหรับเสียง
- ตรวจสอบให้แน่ใจว่าการตอบกลับที่มีสื่อหลายรายการแตกออกเป็นการส่งตามลำดับ

## เนื้อหาที่เกี่ยวข้อง

- [การจับภาพจากกล้อง](/th/nodes/camera)
- [การทำความเข้าใจสื่อ](/th/nodes/media-understanding)
- [เสียงและข้อความเสียง](/th/nodes/audio)