Discord

公式 Discord Gateway 経由で DM とギルドチャンネルに対応しています。

クイックセットアップ

Bot を含む新しいアプリケーションを作成し、その Bot を自分のサーバーに追加して、OpenClaw にペアリングする必要があります。自分専用のプライベートサーバーに Bot を追加することをおすすめします。まだ持っていない場合は、先に作成してください（自分で作成 > 自分と友達のため を選びます）。

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>

推奨: ギルドワークスペースをセットアップする

DM が動作したら、Discord サーバーを完全なワークスペースとしてセットアップできます。各チャンネルには独自のコンテキストを持つ独自のエージェントセッションが割り当てられます。これは、自分と Bot だけがいるプライベートサーバーにおすすめです。

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

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

次に、Discord サーバーにいくつかのチャンネルを作成してチャットを始めます。エージェントはチャンネル名を参照でき、各チャンネルには独自の分離されたセッションが割り当てられます。そのため、#coding、#home、#research、またはワークフローに合う任意のチャンネルを設定できます。

ランタイムモデル

• Gateway が Discord 接続を所有します。
• 返信ルーティングは決定的です。Discord の受信返信は Discord に返されます。
• Discord のギルド/チャンネルメタデータは、ユーザーに見える返信プレフィックスとしてではなく、信頼されないコンテキストとしてモデルプロンプトに追加されます。モデルがそのエンベロープをコピーして返した場合、OpenClaw は送信返信と以後の再生コンテキストから、コピーされたメタデータを取り除きます。
• デフォルトでは（session.dmScope=main）、ダイレクトチャットはエージェントのメインセッション（agent:main:main）を共有します。
• ギルドチャンネルは分離されたセッションキー（agent:<agentId>:discord:channel:<channelId>）です。
• グループ DM はデフォルトで無視されます（channels.discord.dm.groupEnabled=false）。
• ネイティブスラッシュコマンドは、分離されたコマンドセッション（agent:<agentId>:discord:slash:<userId>）で実行されますが、ルーティング先の会話セッションに CommandTargetSessionKey を引き続き渡します。
• Discord へのテキストのみの Cron/Heartbeat 通知配信は、最終的にアシスタントに見える回答を一度だけ使います。メディアと構造化コンポーネントペイロードは、エージェントが複数の配信可能ペイロードを出力する場合、複数メッセージのままです。

フォーラムチャンネル

Discord のフォーラムチャンネルとメディアチャンネルはスレッド投稿のみを受け付けます。OpenClaw はそれらを作成する方法を 2 つサポートします。

• フォーラムの親（channel:<forumId>）にメッセージを送信して、スレッドを自動作成します。スレッドタイトルには、メッセージの最初の空でない行が使われます。
• openclaw message thread create を使って、スレッドを直接作成します。フォーラムチャンネルでは --message-id を渡さないでください。

例: フォーラムの親に送信してスレッドを作成する

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

例: フォーラムスレッドを明示的に作成する

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

フォーラムの親は Discord コンポーネントを受け付けません。コンポーネントが必要な場合は、スレッド自体（channel:<threadId>）に送信してください。

インタラクティブコンポーネント

OpenClaw は、エージェントメッセージ向けに Discord components v2 コンテナをサポートします。components ペイロードを指定してメッセージツールを使います。インタラクション結果は通常の受信メッセージとしてエージェントにルーティングされ、既存の Discord replyToMode 設定に従います。

サポートされるブロック:

• text、section、separator、actions、media-gallery、file
• アクション行では、最大 5 個のボタンまたは単一の選択メニューを使用できます
• 選択タイプ: string、user、role、mentionable、channel

デフォルトでは、コンポーネントは 1 回限り使用できます。ボタン、選択、フォームを期限切れになるまで複数回使用できるようにするには、components.reusable=true を設定します。

ボタンをクリックできるユーザーを制限するには、そのボタンに allowedUsers を設定します（Discord ユーザー ID、タグ、または *）。設定されている場合、一致しないユーザーにはエフェメラルな拒否が届きます。

/model と /models スラッシュコマンドは、プロバイダー、モデル、互換ランタイムのドロップダウンと送信ステップを備えたインタラクティブなモデルピッカーを開きます。/models add は非推奨であり、チャットからモデルを登録する代わりに非推奨メッセージを返すようになりました。ピッカーの返信はエフェメラルで、呼び出したユーザーのみが使用できます。Discord の選択メニューは 25 個のオプションに制限されているため、openai-codex や vllm など選択したプロバイダーについてのみ、動的に検出されたモデルをピッカーに表示したい場合は、provider/* エントリを agents.defaults.models に追加してください。

ファイル添付:

• file ブロックは添付参照（attachment://<filename>）を指す必要があります
• media/path/filePath（単一ファイル）で添付を提供します。複数ファイルには media-gallery を使います
• アップロード名を添付参照と一致させる必要がある場合は、filename を使って上書きします

モーダルフォーム:

• 最大 5 個のフィールドを持つ components.modal を追加します
• フィールドタイプ: text、checkbox、radio、select、role-select、user-select
• OpenClaw はトリガーボタンを自動的に追加します

例:

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

アクセス制御とルーティング

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

ロールベースのエージェントルーティング

Discord ギルドメンバーをロール ID に基づいて別のエージェントへルーティングするには、bindings[].match.roles を使います。ロールベースのバインディングはロール ID のみを受け付け、ピアまたは親ピアのバインディングの後、ギルドのみのバインディングの前に評価されます。バインディングが他の照合フィールド（たとえば peer + guildId + roles）も設定している場合、設定されたすべてのフィールドが一致する必要があります。

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

ネイティブコマンドとコマンド認可

• commands.native のデフォルトは "auto" で、Discord では有効です。
• チャンネルごとの上書き: channels.discord.commands.native。
• commands.native=false は、起動時の Discord スラッシュコマンド登録とクリーンアップをスキップします。以前に登録されたコマンドは、Discord アプリから削除するまで Discord に表示されたままになる場合があります。
• ネイティブコマンド認証は、通常のメッセージ処理と同じ Discord の許可リスト/ポリシーを使用します。
• 権限のないユーザーにも、コマンドが Discord UI に表示される場合があります。実行時には引き続き OpenClaw 認証が適用され、"not authorized" が返されます。

コマンドカタログと動作については、スラッシュコマンドを参照してください。

デフォルトのスラッシュコマンド設定:

• ephemeral: true

機能の詳細

{channels: {discord: {  streaming: {    mode: "progress",    progress: {      label: "auto",      maxLines: 8,      toolProgress: true,    },  },},},}

{  "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",  },},},}

ツールとアクションゲート

Discord メッセージアクションには、メッセージング、チャンネル管理、モデレーション、プレゼンス、メタデータアクションが含まれます。

主要な例:

• メッセージング: sendMessage、readMessages、editMessage、deleteMessage、threadReply
• リアクション: react、reactions、emojiList
• モデレーション: timeout、kick、ban
• プレゼンス: setPresence

event-create アクションは、スケジュール済みイベントのカバー画像を設定する任意の image パラメーター（URL またはローカルファイルパス）を受け取ります。

アクションゲートは channels.discord.actions.* の下にあります。

デフォルトのゲート動作:

コンポーネント v2 UI

OpenClaw は実行承認とクロスコンテキストマーカーに Discord コンポーネント v2 を使用します。Discord メッセージアクションはカスタム UI 用の components も受け取れます（高度。discord ツールを通じてコンポーネントペイロードを構築する必要があります）。一方、従来の embeds は引き続き利用できますが、推奨されません。

• channels.discord.ui.components.accentColor は、Discord コンポーネントコンテナーで使われるアクセントカラー（16 進）を設定します。
• channels.discord.accounts.<id>.ui.components.accentColor でアカウントごとに設定します。
• コンポーネント v2 が存在する場合、embeds は無視されます。

例:

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

音声

Discord には 2 つの異なる音声サーフェスがあります。リアルタイムの音声チャンネル（継続的な会話）と、音声メッセージ添付ファイル（波形プレビュー形式）です。Gateway は両方をサポートします。

音声チャンネル

セットアップチェックリスト:

1. Discord Developer Portal で Message Content Intent を有効化します。
2. ロール/ユーザー許可リストを使用する場合は、Server Members Intent を有効化します。
3. bot と applications.commands スコープでボットを招待します。
4. 対象の音声チャンネルで Connect、Speak、Send Messages、Read Message History を付与します。
5. ネイティブコマンド（commands.native または channels.discord.commands.native）を有効化します。
6. channels.discord.voice を設定します。

セッションを制御するには /vc join|leave|status を使用します。このコマンドはアカウントのデフォルトエージェントを使用し、他の Discord コマンドと同じ許可リストおよびグループポリシールールに従います。

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

参加前にボットの有効な権限を調べるには、次を実行します:

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

自動参加の例:

{  channels: {    discord: {      voice: {        enabled: true,        model: "openai-codex/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",          voice: "cedar",        },      },    },  },}

注:

• voice.tts は、stt-tts の音声再生のみに対して messages.tts を上書きします。リアルタイムモードでは voice.realtime.voice を使用します。
• voice.mode は会話パスを制御します。デフォルトは agent-proxy です。リアルタイム音声フロントエンドがターンのタイミング、割り込み、再生を処理し、実質的な作業を openclaw_agent_consult を通じてルーティング済みの OpenClaw エージェントに委任し、その結果をその話者からの入力済み Discord プロンプトのように扱います。stt-tts は従来のバッチ STT と TTS のフローを維持します。bidi では、OpenClaw の頭脳向けに openclaw_agent_consult を公開しながら、リアルタイムモデルが直接会話できます。
• voice.agentSession は、どの OpenClaw 会話が音声ターンを受け取るかを制御します。音声チャンネル自身のセッションを使う場合は未設定のままにするか、音声チャンネルを #maintainers のような既存 Discord テキストチャンネルセッションのマイク/スピーカー拡張として動作させるには { mode: "target", target: "channel:<text-channel-id>" } を設定します。
• voice.model は、Discord 音声応答とリアルタイム consult に対して OpenClaw エージェントの頭脳を上書きします。ルーティング済みエージェントモデルを継承する場合は未設定のままにします。これは voice.realtime.model とは別です。
• agent-proxy は音声を discord-voice 経由でルーティングします。これにより話者とターゲットセッションに対する通常の所有者/ツール認可は保持されますが、Discord 音声が再生を所有するため、エージェントの tts ツールは非表示になります。デフォルトでは、agent-proxy は所有者話者の consult に所有者相当の完全なツールアクセスを付与し（voice.realtime.toolPolicy: "owner"）、実質的な回答の前に OpenClaw エージェントへ consult することを強く優先します（voice.realtime.consultPolicy: "always"）。そのデフォルトの always モードでは、リアルタイム層は consult の回答前に埋め草を自動発話しません。音声をキャプチャして文字起こしし、その後ルーティング済み OpenClaw の回答を発話します。Discord が最初の回答を再生中に複数の強制 consult 回答が完了した場合、後続の正確な発話回答は文の途中で音声を置き換えるのではなく、再生がアイドルになるまでキューに入れられます。
• stt-tts モードでは、STT は tools.media.audio を使用します。voice.model は文字起こしに影響しません。
• リアルタイムモードでは、voice.realtime.provider、voice.realtime.model、voice.realtime.voice がリアルタイム音声セッションを構成します。OpenAI Realtime 2 と Codex の頭脳を使う場合は、voice.realtime.model: "gpt-realtime-2" と voice.model: "openai-codex/gpt-5.5" を使用します。
• OpenAI リアルタイムプロバイダーは、現在の Realtime 2 イベント名と、出力音声およびトランスクリプトイベント向けの従来の Codex 互換エイリアスを受け入れるため、互換プロバイダースナップショットが変化してもアシスタント音声を落とさずに済みます。
• voice.realtime.bargeIn は、Discord の話者開始イベントがアクティブなリアルタイム再生を割り込むかどうかを制御します。未設定の場合は、リアルタイムプロバイダーの入力音声割り込み設定に従います。
• voice.realtime.minBargeInAudioEndMs は、OpenAI リアルタイム barge-in が音声を切り詰める前に必要な最小アシスタント再生時間を制御します。デフォルト: 250。エコーの少ない部屋では即時割り込みのために 0 を設定し、エコーが多いスピーカー構成では値を上げます。
• Discord 再生で OpenAI 音声を使う場合は、voice.tts.provider: "openai" を設定し、voice.tts.openai.voice または voice.tts.providers.openai.voice で Text-to-speech 音声を選択します。現在の OpenAI TTS モデルでは、cedar は男性的な響きのよい選択肢です。
• チャンネルごとの Discord systemPrompt 上書きは、その音声チャンネルの音声トランスクリプトターンに適用されます。
• 音声トランスクリプトターンは、Discord allowFrom（または dm.allowFrom）から所有者ステータスを派生します。非所有者の話者は所有者専用ツール（例: gateway と cron）にアクセスできません。
• Discord 音声はテキスト専用構成ではオプトインです。/vc コマンド、音声ランタイム、GuildVoiceStates Gateway インテントを有効にするには、channels.discord.voice.enabled=true を設定します（または既存の channels.discord.voice ブロックを維持します）。
• channels.discord.intents.voiceStates は、音声状態インテント購読を明示的に上書きできます。インテントを有効な音声有効化状態に従わせる場合は未設定のままにします。
• voice.autoJoin に同じギルドのエントリが複数ある場合、OpenClaw はそのギルドで最後に構成されたチャンネルに参加します。
• voice.allowedChannels は任意の常駐先許可リストです。未設定のままにすると、認可済みの任意の Discord 音声チャンネルへの /vc join を許可します。設定した場合、/vc join、起動時の自動参加、ボットの音声状態移動は、列挙された { guildId, channelId } エントリに制限されます。空配列に設定すると、すべての Discord 音声参加を拒否します。Discord がボットを許可リスト外へ移動した場合、OpenClaw はそのチャンネルを退出し、利用可能な構成済み自動参加ターゲットに再参加します。
• voice.daveEncryption と voice.decryptionFailureTolerance は、@discordjs/voice の参加オプションにそのまま渡されます。
• @discordjs/voice のデフォルトは、未設定の場合 daveEncryption=true と decryptionFailureTolerance=24 です。
• OpenClaw は Discord 音声受信用に純 JS の opusscript デコーダーをデフォルトで使用します。任意のネイティブ @discordjs/opus パッケージは、リポジトリの pnpm install ポリシーにより無視されるため、通常のインストール、Docker レーン、無関係なテストでネイティブ addon がコンパイルされることはありません。専用の音声パフォーマンスホストでは、ネイティブ addon をインストールした後に OPENCLAW_DISCORD_OPUS_DECODER=native でオプトインできます。
• voice.connectTimeoutMs は、/vc join と自動参加試行の初期 @discordjs/voice Ready 待機を制御します。デフォルト: 30000。
• voice.reconnectGraceMs は、切断された音声セッションが再接続を開始するまで OpenClaw が待機する時間を制御し、その後破棄します。デフォルト: 15000。
• stt-tts モードでは、別のユーザーが話し始めただけでは音声再生は停止しません。フィードバックループを避けるため、TTS の再生中は OpenClaw は新しい音声キャプチャを無視します。次のターンでは再生完了後に話してください。リアルタイムモードでは、話者開始を barge-in シグナルとしてリアルタイムプロバイダーへ転送します。
• リアルタイムモードでは、スピーカーから開いたマイクへ入るエコーが barge-in のように見え、再生を割り込むことがあります。エコーが多い Discord ルームでは、入力音声で OpenAI が自動割り込みしないように voice.realtime.providers.openai.interruptResponseOnInputAudio: false を設定します。それでも Discord の話者開始イベントでアクティブな再生を割り込みたい場合は、voice.realtime.bargeIn: true を追加します。OpenAI リアルタイムブリッジは、voice.realtime.minBargeInAudioEndMs より短い再生切り詰めをエコー/ノイズの可能性が高いものとして無視し、Discord 再生をクリアする代わりにスキップとしてログに記録します。
• voice.captureSilenceGraceMs は、Discord が話者停止を報告してから、OpenClaw がその音声セグメントを STT 用に確定するまで待機する時間を制御します。デフォルト: 2500。Discord が通常の間を途切れ途切れの部分トランスクリプトに分割する場合は、この値を上げます。
• ElevenLabs が選択された TTS プロバイダーの場合、Discord 音声再生はストリーミング TTS を使用し、プロバイダー応答ストリームから開始します。ストリーミング対応のないプロバイダーは、合成された一時ファイルのパスにフォールバックします。
• OpenClaw は受信復号失敗も監視し、短時間のうちに失敗が繰り返された場合は、音声チャンネルを退出/再参加することで自動復旧します。
• 更新後に受信ログで DecryptionFailed(UnencryptedWhenPassthroughDisabled) が繰り返し表示される場合は、依存関係レポートとログを収集してください。バンドルされた @discordjs/voice 系には、discord.js issue #11419 を閉じた discord.js PR #11449 の upstream パディング修正が含まれています。
• The operation was aborted 受信イベントは、OpenClaw がキャプチャ済み話者セグメントを確定するときに想定されるものです。これは詳細診断であり、警告ではありません。
• 詳細な Discord 音声ログには、受け入れられた各話者セグメントについて、境界付きの 1 行 STT トランスクリプトプレビューが含まれます。これにより、無制限のトランスクリプトテキストを出力せずに、ユーザー側とエージェント返信側の両方をデバッグで確認できます。
• agent-proxy モードでは、強制 consult フォールバックは、... で終わるテキストや and のような末尾の接続詞など、不完全と思われるトランスクリプト断片に加えて、「すぐ戻ります」や「さようなら」のような明らかにアクション不要の締めの言葉をスキップします。これにより古いキュー済み回答を防いだ場合、ログには forced agent consult skipped reason=... が表示されます。

ソースチェックアウト向けのネイティブ opus セットアップ:

pnpm installmise exec node@22 -- pnpm discord:opus:install

upstream の macOS arm64 事前ビルド済みネイティブ addon を使いたい場合は、Gateway に Node 22 を使用してください。別の Node ランタイムを使う場合、オプトインインストーラーにはローカルの node-gyp ソースビルドツールチェーンが必要になることがあります。

ネイティブ addon をインストールした後、次のコマンドで Gateway を起動します。

OPENCLAW_DISCORD_OPUS_DECODER=native pnpm gateway:watch

詳細な音声ログには discord voice: opus decoder: @discordjs/opus が表示されるはずです。env オプトインがない場合、またはネイティブ addon が見つからないかホストで読み込めない場合、OpenClaw は discord voice: opus decoder: opusscript をログに記録し、純 JS フォールバック経由で音声受信を継続します。

STT と TTS のパイプライン:

• Discord PCM キャプチャは WAV 一時ファイルに変換されます。
• tools.media.audio が STT を処理します。例: openai/gpt-4o-mini-transcribe。
• トランスクリプトは Discord 入口とルーティングを通じて送信され、その間、応答 LLM は音声出力ポリシーで実行されます。このポリシーは、Discord 音声が最終 TTS 再生を所有するため、エージェントの tts ツールを非表示にし、返却テキストを求めます。
• voice.model が設定されている場合、この音声チャンネルターンの応答 LLM のみを上書きします。
• voice.tts は messages.tts の上にマージされます。ストリーミング対応プロバイダーはプレイヤーへ直接フィードし、それ以外の場合は生成された音声ファイルが参加済みチャンネルで再生されます。

デフォルトの agent-proxy 音声チャンネルセッション例:

{  channels: {    discord: {      voice: {        enabled: true,        model: "openai-codex/gpt-5.5",        realtime: {          provider: "openai",          model: "gpt-realtime-2",          voice: "cedar",        },      },    },  },}

voice.agentSession ブロックがない場合、各音声チャンネルは独自のルーティング済み OpenClaw セッションを取得します。たとえば、/vc join channel:234567890123456789 はその Discord 音声チャンネルのセッションと会話します。リアルタイムモデルは音声フロントエンドにすぎません。実質的なリクエストは構成済み OpenClaw エージェントへ渡されます。リアルタイムモデルが consult ツールを呼ばずに最終トランスクリプトを生成した場合でも、デフォルトがエージェントと話すように動作するよう、OpenClaw はフォールバックとして consult を強制します。

従来の STT と TTS の例:

{  channels: {    discord: {      voice: {        enabled: true,        mode: "stt-tts",        model: "openai/gpt-5.4-mini",        tts: {          provider: "openai",          openai: {            model: "gpt-4o-mini-tts",            voice: "cedar",          },        },      },    },  },}

リアルタイム bidi の例:

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

既存の Discord チャンネルセッションの拡張としての音声:

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

agent-proxy モードでは、ボットは構成済み音声チャンネルに参加しますが、OpenClaw エージェントターンはターゲットチャンネルの通常のルーティング済みセッションとエージェントを使用します。リアルタイム音声セッションは返却された結果を音声チャンネルへ話します。スーパーバイザーエージェントは、適切なアクションであれば個別の Discord メッセージを送信することも含め、ツールポリシーに従って通常のメッセージツールを引き続き使用できます。

便利なターゲット形式:

• target: "channel:123456789012345678" は Discord テキストチャンネルセッション経由でルーティングします。
• target: "123456789012345678" はチャンネルターゲットとして扱われます。
• target: "dm:123456789012345678" または target: "user:123456789012345678" は、そのダイレクトメッセージセッション経由でルーティングします。

エコーが多い OpenAI Realtime の例:

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

モデルが開いたマイクを通じて自身の Discord 再生音を聞いてしまうが、発話で割り込みたい場合にこれを使用します。OpenClaw は OpenAI が生の入力音声で自動割り込みしないようにしつつ、bargeIn: true により、次のキャプチャ済みターンが OpenAI に届く前に Discord の話者開始イベントとすでにアクティブな話者音声で、アクティブなリアルタイム応答をキャンセルできるようにします。audioEndMs が minBargeInAudioEndMs 未満の非常に早い割り込みシグナルは、エコーまたはノイズの可能性が高いものとして扱われ無視されるため、モデルは最初の再生フレームで途切れません。

想定される音声ログ:

• 参加時: discord voice: joining ... voiceSession=... supervisorSession=... agentSessionMode=... voiceModel=... realtimeModel=...
• リアルタイム開始時: discord voice: realtime bridge starting ... autoRespond=false interruptResponse=false bargeIn=false minBargeInAudioEndMs=...
• 話者音声時: discord voice: realtime speaker turn opened ...、discord voice: realtime input audio started ... outputAudioMs=... outputActive=...、および discord voice: realtime speaker turn closed ... chunks=... discordBytes=... realtimeBytes=... interruptedPlayback=...
• 古い発話のスキップ時: discord voice: realtime forced agent consult skipped reason=incomplete-transcript ... または reason=non-actionable-closing ...
• リアルタイム応答完了時: discord voice: realtime audio playback finishing reason=response.done ... audioMs=... chunks=...
• 再生停止/リセット時: discord voice: realtime audio playback stopped reason=... audioMs=... elapsedMs=... chunks=...
• リアルタイム相談時: discord voice: realtime consult requested ... voiceSession=... supervisorSession=... question=...
• エージェント回答時: discord voice: agent turn answer ...
• 厳密な発話のキュー投入時: discord voice: realtime exact speech queued ... queued=... outputAudioMs=... outputActive=...、続いて discord voice: realtime exact speech dequeued reason=player-idle ...
• 割り込み検出時: discord voice: realtime barge-in detected source=speaker-start ... または discord voice: realtime barge-in detected source=active-speaker-audio ...、続いて discord voice: realtime barge-in requested reason=... outputAudioMs=... outputActive=...
• リアルタイム割り込み時: discord voice: realtime model interrupt requested client:response.cancel reason=barge-in、続いて discord voice: realtime model audio truncated client:conversation.item.truncate reason=barge-in audioEndMs=... または discord voice: realtime model interrupt confirmed server:response.done status=cancelled ...
• 無視されたエコー/ノイズ時: discord voice: realtime model interrupt ignored client:conversation.item.truncate.skipped reason=barge-in audioEndMs=0 minAudioEndMs=250
• 無効な割り込み時: discord voice: realtime capture ignored during playback (barge-in disabled) ...
• アイドル再生時: discord voice: realtime barge-in ignored reason=... outputActive=false ... playbackChunks=0

途切れる音声をデバッグするには、リアルタイム音声ログを時系列として読みます:

1. realtime audio playback started は、Discord がアシスタント音声の再生を開始したことを意味します。ブリッジはこの時点から、アシスタント出力チャンク、Discord PCM バイト、プロバイダーのリアルタイムバイト、および合成音声の長さのカウントを開始します。
2. realtime speaker turn opened は、Discord 話者がアクティブになったことを示します。再生がすでにアクティブで bargeIn が有効な場合、その後に barge-in detected source=speaker-start が続くことがあります。
3. realtime input audio started は、その話者ターンで最初の実際の音声フレームを受信したことを示します。ここで outputActive=true またはゼロでない outputAudioMs がある場合、アシスタント再生がまだアクティブな間にマイクが入力を送信していることを意味します。
4. barge-in detected source=active-speaker-audio は、アシスタント再生がアクティブな間に OpenClaw がライブ話者音声を検出したことを意味します。これは、有用な音声を伴わない Discord 話者開始イベントと実際の割り込みを区別するのに役立ちます。
5. barge-in requested reason=... は、OpenClaw がリアルタイムプロバイダーにアクティブな応答のキャンセルまたは切り詰めを依頼したことを意味します。outputAudioMs、outputActive、playbackChunks が含まれるため、割り込み前に実際にどれだけのアシスタント音声が再生されたかを確認できます。
6. realtime audio playback stopped reason=... は、ローカル Discord 再生のリセット地点です。理由は、誰が再生を停止したかを示します: barge-in、player-idle、provider-clear-audio、forced-agent-consult、stream-close、または session-close。
7. realtime speaker turn closed は、キャプチャされた入力ターンを要約します。chunks=0 または hasAudio=false は、話者ターンは開いたが使用可能な音声がリアルタイムブリッジに届かなかったことを意味します。interruptedPlayback=true は、その入力ターンがアシスタント出力と重なり、割り込みロジックをトリガーしたことを意味します。

有用なフィールド:

• outputAudioMs: ログ行の前にリアルタイムプロバイダーが生成したアシスタント音声の長さ。
• audioMs: 再生停止前に OpenClaw がカウントしたアシスタント音声の長さ。
• elapsedMs: 再生ストリームまたは話者ターンの開始から終了までの実時間。
• discordBytes: Discord 音声に送信、または Discord 音声から受信された 48 kHz ステレオ PCM バイト。
• realtimeBytes: リアルタイムプロバイダーに送信、またはリアルタイムプロバイダーから受信されたプロバイダー形式の PCM バイト。
• playbackChunks: アクティブな応答用に Discord へ転送されたアシスタント音声チャンク。
• sinceLastAudioMs: 最後にキャプチャされた話者音声フレームから話者ターン終了までの間隔。

一般的なパターン:

• source=active-speaker-audio、小さい outputAudioMs、同じユーザーが近くにいる状態で即座に途切れる場合、通常はスピーカーエコーがマイクに入っていることを示します。voice.realtime.minBargeInAudioEndMs を上げる、スピーカー音量を下げる、ヘッドホンを使用する、または voice.realtime.providers.openai.interruptResponseOnInputAudio: false を設定してください。
• source=speaker-start の後に speaker turn closed ... hasAudio=false が続く場合、Discord は話者開始を報告したが音声が OpenClaw に届かなかったことを意味します。これは一時的な Discord 音声イベント、ノイズゲートの挙動、またはクライアントが一瞬だけマイクをオンにしたことが原因の場合があります。
• 近くに割り込みや provider-clear-audio がないのに audio playback stopped reason=stream-close が出る場合、ローカル Discord 再生ストリームが予期せず終了したことを意味します。直前のプロバイダーおよび Discord プレイヤーログを確認してください。
• capture ignored during playback (barge-in disabled) は、アシスタント音声がアクティブな間に OpenClaw が意図的に入力を破棄したことを意味します。発話で再生を割り込みたい場合は、voice.realtime.bargeIn を有効にしてください。
• barge-in ignored ... outputActive=false は、Discord またはプロバイダーの VAD が発話を報告したが、OpenClaw には割り込む対象のアクティブな再生がなかったことを意味します。これによって音声が途切れることはありません。

認証情報はコンポーネントごとに解決されます: voice.model の LLM ルート認証、tools.media.audio の STT 認証、messages.tts/voice.tts の TTS 認証、および voice.realtime.providers またはプロバイダーの通常の認証設定のリアルタイムプロバイダー認証。

音声メッセージ

Discord 音声メッセージは波形プレビューを表示し、OGG/Opus 音声を必要とします。OpenClaw は波形を自動生成しますが、検査と変換のために Gateway ホスト上の ffmpeg と ffprobe が必要です。

• ローカルファイルパスを指定します (URL は拒否されます)。
• テキスト内容は省略します (Discord は同じペイロード内のテキスト + 音声メッセージを拒否します)。
• 任意の音声形式を受け付けます。OpenClaw は必要に応じて OGG/Opus に変換します。

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

トラブルシューティング

openclaw doctoropenclaw channels status --probeopenclaw logs --follow

{channels: {discord: {  accounts: {    default: {      eventQueue: {        listenerTimeout: 120000,      },    },  },},},}

{channels: {discord: {  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 "@Mantis" and send a real Discord mention.        Mantis: "MANTIS_DISCORD_USER_ID",      },    },  },},},}

設定リファレンス

主要リファレンス: 設定リファレンス - Discord。

安全性と運用

• ボットトークンはシークレットとして扱う (管理された環境では DISCORD_BOT_TOKEN を推奨)。
• Discord 権限は最小権限で付与する。
• コマンドのデプロイ/状態が古い場合は、gateway を再起動し、openclaw channels status --probe で再確認する。

関連