--- read_when: - Sửa đổi quy trình xử lý phương tiện hoặc tệp đính kèm summary: Quy tắc xử lý hình ảnh và phương tiện cho thao tác gửi, Gateway và phản hồi của tác nhân title: Hỗ trợ hình ảnh và nội dung đa phương tiện x-i18n: generated_at: "2026-05-06T17:57:20Z" model: gpt-5.5 provider: openai source_hash: 069140a3ad3bade166d4576ead604b4675006a01e546672872379ce83291471c source_path: nodes/images.md workflow: 16 --- Kênh WhatsApp chạy qua **Baileys Web**. Tài liệu này ghi lại các quy tắc xử lý phương tiện hiện tại cho gửi, Gateway và phản hồi của tác tử. ## Mục tiêu - Gửi phương tiện kèm chú thích tùy chọn qua `openclaw message send --media`. - Cho phép phản hồi tự động từ hộp thư web bao gồm phương tiện cùng với văn bản. - Giữ giới hạn theo từng loại hợp lý và dễ dự đoán. ## Bề mặt CLI - `openclaw message send --media [--message ]` - `--media` là tùy chọn; chú thích có thể để trống cho lượt gửi chỉ có phương tiện. - `--dry-run` in payload đã phân giải; `--json` xuất `{ channel, to, messageId, mediaUrl, caption }`. ## Hành vi kênh WhatsApp Web - Đầu vào: đường dẫn tệp cục bộ **hoặc** URL HTTP(S). - Luồng: tải vào Buffer, phát hiện loại phương tiện và tạo payload đúng: - **Hình ảnh:** đổi kích thước và nén lại thành JPEG (cạnh tối đa 2048px) theo mục tiêu `channels.whatsapp.mediaMaxMb` (mặc định: 50 MB). - **Âm thanh/Giọng nói/Video:** truyền nguyên trạng tối đa 16 MB; âm thanh được gửi dưới dạng ghi chú thoại (`ptt: true`). - **Tài liệu:** mọi loại khác, tối đa 100 MB, giữ nguyên tên tệp khi có. - Phát lại kiểu GIF trên WhatsApp: gửi MP4 với `gifPlayback: true` (CLI: `--gif-playback`) để ứng dụng di động phát lặp trong dòng. - Phát hiện MIME ưu tiên magic bytes, sau đó là header, rồi phần mở rộng tệp. - Chú thích lấy từ `--message` hoặc `reply.text`; cho phép chú thích trống. - Ghi log: chế độ không chi tiết hiển thị `↩️`/`✅`; chế độ chi tiết bao gồm kích thước và đường dẫn/URL nguồn. ## Quy trình phản hồi tự động - `getReplyFromConfig` trả về `{ text?, mediaUrl?, mediaUrls? }`. - Khi có phương tiện, trình gửi web phân giải đường dẫn cục bộ hoặc URL bằng cùng quy trình như `openclaw message send`. - Nếu được cung cấp, nhiều mục phương tiện sẽ được gửi tuần tự. ## Phương tiện đến trong lệnh (Pi) - Khi tin nhắn web đến có phương tiện, OpenClaw tải xuống tệp tạm và cung cấp các biến mẫu: - `{{MediaUrl}}` URL giả cho phương tiện đến. - `{{MediaPath}}` đường dẫn tạm cục bộ được ghi trước khi chạy lệnh. - Khi sandbox Docker theo phiên được bật, phương tiện đến được sao chép vào không gian làm việc của sandbox và `MediaPath`/`MediaUrl` được viết lại thành đường dẫn tương đối như `media/inbound/`. - Hiểu phương tiện (nếu được cấu hình qua `tools.media.*` hoặc `tools.media.models` dùng chung) chạy trước khi áp dụng mẫu và có thể chèn các khối `[Image]`, `[Audio]` và `[Video]` vào `Body`. - Âm thanh đặt `{{Transcript}}` và dùng bản chép lời để phân tích lệnh, nhờ đó lệnh slash vẫn hoạt động. - Mô tả video và hình ảnh giữ nguyên mọi văn bản chú thích để phân tích lệnh. - Nếu mô hình hình ảnh chính đang hoạt động đã hỗ trợ thị giác nguyên bản, OpenClaw bỏ qua khối tóm tắt `[Image]` và chuyển hình ảnh gốc cho mô hình thay thế. - Theo mặc định, chỉ tệp đính kèm hình ảnh/âm thanh/video khớp đầu tiên được xử lý; đặt `tools.media..attachments` để xử lý nhiều tệp đính kèm. ## Giới hạn và lỗi **Mức trần gửi đi (gửi qua WhatsApp web)** - Hình ảnh: tối đa `channels.whatsapp.mediaMaxMb` (mặc định: 50 MB) sau khi nén lại. - Âm thanh/giọng nói/video: mức trần 16 MB; tài liệu: mức trần 100 MB. - Phương tiện quá lớn hoặc không đọc được → lỗi rõ ràng trong log và phản hồi bị bỏ qua. **Mức trần hiểu phương tiện (chép lời/mô tả)** - Hình ảnh mặc định: 10 MB (`tools.media.image.maxBytes`). - Âm thanh mặc định: 20 MB (`tools.media.audio.maxBytes`). - Video mặc định: 50 MB (`tools.media.video.maxBytes`). - Phương tiện quá lớn sẽ bỏ qua bước hiểu, nhưng phản hồi vẫn tiếp tục với phần thân gốc. ## Ghi chú cho kiểm thử - Bao phủ luồng gửi + phản hồi cho các trường hợp hình ảnh/âm thanh/tài liệu. - Xác thực việc nén lại cho hình ảnh (giới hạn kích thước) và cờ ghi chú thoại cho âm thanh. - Đảm bảo phản hồi nhiều phương tiện tỏa ra thành các lượt gửi tuần tự. ## Liên quan - [Chụp bằng camera](/vi/nodes/camera) - [Hiểu phương tiện](/vi/nodes/media-understanding) - [Âm thanh và ghi chú thoại](/vi/nodes/audio)