---
read_when:
    - การแก้ไขไปป์ไลน์สื่อหรือไฟล์แนบ
summary: กฎการจัดการรูปภาพและสื่อสำหรับการส่ง, Gateway และการตอบกลับของเอเจนต์
title: การรองรับรูปภาพและสื่อ
x-i18n:
    generated_at: "2026-05-06T17:58:55Z"
    model: gpt-5.5
    provider: openai
    source_hash: 069140a3ad3bade166d4576ead604b4675006a01e546672872379ce83291471c
    source_path: nodes/images.md
    workflow: 16
---

ช่องทาง WhatsApp ทำงานผ่าน **Baileys Web** เอกสารนี้บันทึกกฎการจัดการสื่อปัจจุบันสำหรับการส่ง, Gateway, และการตอบกลับของเอเจนต์

## เป้าหมาย

- ส่งสื่อพร้อมคำบรรยายที่เป็นทางเลือกผ่าน `openclaw message send --media`
- อนุญาตให้การตอบกลับอัตโนมัติจากกล่องข้อความเว็บมีสื่อควบคู่กับข้อความได้
- รักษาขีดจำกัดตามประเภทให้สมเหตุสมผลและคาดการณ์ได้

## พื้นผิว CLI

- `openclaw message send --media <path-or-url> [--message <caption>]`
  - `--media` เป็นทางเลือก; คำบรรยายสามารถว่างได้สำหรับการส่งเฉพาะสื่อ
  - `--dry-run` พิมพ์เพย์โหลดที่ถูกแก้ไขแล้ว; `--json` ส่งออก `{ channel, to, messageId, mediaUrl, caption }`

## พฤติกรรมของช่องทาง WhatsApp Web

- อินพุต: พาธไฟล์ในเครื่อง **หรือ** URL HTTP(S)
- โฟลว์: โหลดเข้า Buffer, ตรวจหาชนิดสื่อ, แล้วสร้างเพย์โหลดที่ถูกต้อง:
  - **รูปภาพ:** ปรับขนาดและบีบอัดใหม่เป็น JPEG (ด้านยาวสุด 2048px) โดยตั้งเป้าตาม `channels.whatsapp.mediaMaxMb` (ค่าเริ่มต้น: 50 MB)
  - **เสียง/เสียงพูด/วิดีโอ:** ส่งผ่านได้สูงสุด 16 MB; เสียงจะถูกส่งเป็นบันทึกเสียง (`ptt: true`)
  - **เอกสาร:** อย่างอื่นทั้งหมด สูงสุด 100 MB โดยคงชื่อไฟล์ไว้เมื่อมี
- การเล่นแบบ GIF ของ WhatsApp: ส่ง MP4 พร้อม `gifPlayback: true` (CLI: `--gif-playback`) เพื่อให้ไคลเอนต์มือถือเล่นวนแบบฝังในบรรทัด
- การตรวจจับ MIME จะให้ความสำคัญกับ magic bytes ก่อน ตามด้วย headers แล้วจึงเป็นนามสกุลไฟล์
- คำบรรยายมาจาก `--message` หรือ `reply.text`; อนุญาตให้คำบรรยายว่างได้
- การบันทึกล็อก: โหมดไม่ละเอียดแสดง `↩️`/`✅`; โหมดละเอียดรวมขนาดและพาธ/URL ต้นทาง

## ไปป์ไลน์การตอบกลับอัตโนมัติ

- `getReplyFromConfig` คืนค่า `{ text?, mediaUrl?, mediaUrls? }`
- เมื่อมีสื่อ ตัวส่งผ่านเว็บจะแก้ไขพาธในเครื่องหรือ URL โดยใช้ไปป์ไลน์เดียวกับ `openclaw message send`
- หากมีสื่อหลายรายการ จะส่งเรียงตามลำดับ

## สื่อขาเข้าไปยังคำสั่ง (Pi)

- เมื่อข้อความเว็บขาเข้ามีสื่อ OpenClaw จะดาวน์โหลดไปยังไฟล์ชั่วคราวและเปิดเผยตัวแปรเทมเพลต:
  - `{{MediaUrl}}` pseudo-URL สำหรับสื่อขาเข้า
  - `{{MediaPath}}` พาธชั่วคราวในเครื่องที่เขียนก่อนเรียกใช้คำสั่ง
- เมื่อเปิดใช้งานแซนด์บ็อกซ์ Docker ต่อเซสชัน สื่อขาเข้าจะถูกคัดลอกไปยังเวิร์กสเปซของแซนด์บ็อกซ์ และ `MediaPath`/`MediaUrl` จะถูกเขียนใหม่เป็นพาธสัมพัทธ์ เช่น `media/inbound/<filename>`
- ความเข้าใจสื่อ (หากกำหนดค่าผ่าน `tools.media.*` หรือ `tools.media.models` ที่ใช้ร่วมกัน) จะทำงานก่อนการทำเทมเพลต และสามารถแทรกบล็อก `[Image]`, `[Audio]`, และ `[Video]` ลงใน `Body`
  - เสียงตั้งค่า `{{Transcript}}` และใช้ transcript สำหรับการแยกวิเคราะห์คำสั่ง เพื่อให้คำสั่ง slash ยังทำงานได้
  - คำอธิบายวิดีโอและรูปภาพจะคงข้อความคำบรรยายไว้สำหรับการแยกวิเคราะห์คำสั่ง
  - หากโมเดลรูปภาพหลักที่ใช้งานอยู่รองรับวิชันโดยตรงอยู่แล้ว OpenClaw จะข้ามบล็อกสรุป `[Image]` และส่งรูปภาพต้นฉบับไปยังโมเดลแทน
- โดยค่าเริ่มต้น จะประมวลผลเฉพาะไฟล์แนบรูปภาพ/เสียง/วิดีโอรายการแรกที่ตรงกัน; ตั้งค่า `tools.media.<cap>.attachments` เพื่อประมวลผลไฟล์แนบหลายรายการ

## ขีดจำกัดและข้อผิดพลาด

**ขีดจำกัดการส่งออก (การส่งผ่าน WhatsApp web)**

- รูปภาพ: สูงสุด `channels.whatsapp.mediaMaxMb` (ค่าเริ่มต้น: 50 MB) หลังการบีบอัดใหม่
- เสียง/เสียงพูด/วิดีโอ: ขีดจำกัด 16 MB; เอกสาร: ขีดจำกัด 100 MB
- สื่อที่ใหญ่เกินหรืออ่านไม่ได้ → ข้อผิดพลาดที่ชัดเจนในล็อก และจะข้ามการตอบกลับ

**ขีดจำกัดความเข้าใจสื่อ (การถอดเสียง/คำอธิบาย)**

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

## หมายเหตุสำหรับการทดสอบ

- ครอบคลุมโฟลว์การส่งและการตอบกลับสำหรับกรณีรูปภาพ/เสียง/เอกสาร
- ตรวจสอบการบีบอัดใหม่สำหรับรูปภาพ (ขอบเขตขนาด) และแฟล็กบันทึกเสียงสำหรับเสียง
- ตรวจสอบให้แน่ใจว่าการตอบกลับที่มีหลายสื่อกระจายออกเป็นการส่งตามลำดับ

## ที่เกี่ยวข้อง

- [การจับภาพจากกล้อง](/th/nodes/camera)
- [ความเข้าใจสื่อ](/th/nodes/media-understanding)
- [เสียงและบันทึกเสียง](/th/nodes/audio)