From 576b2eda314e00ae2e3ceb97c74bcadbdd572024 Mon Sep 17 00:00:00 2001 From: "openclaw-docs-i18n[bot]" Date: Mon, 27 Apr 2026 14:48:57 +0000 Subject: [PATCH] chore(i18n): refresh uk translations --- docs/uk/nodes/audio.md | 98 ++++++++-------- docs/uk/nodes/media-understanding.md | 164 ++++++++++++++------------- 2 files changed, 133 insertions(+), 129 deletions(-) diff --git a/docs/uk/nodes/audio.md b/docs/uk/nodes/audio.md index c521664f1..549713052 100644 --- a/docs/uk/nodes/audio.md +++ b/docs/uk/nodes/audio.md @@ -1,13 +1,13 @@ --- read_when: - - Зміна транскрипції аудіо або обробки медіа + - Зміна транскрибування аудіо або обробки медіа summary: Як вхідні аудіо/голосові повідомлення завантажуються, транскрибуються та вставляються у відповіді title: Аудіо та голосові повідомлення x-i18n: - generated_at: "2026-04-27T12:51:29Z" + generated_at: "2026-04-27T14:47:46Z" model: gpt-5.4 provider: openai - source_hash: 9852ce852fa27cb9e8ded06f420f7d58a1c14f379ac65a58437da5976813461b + source_hash: 35074d79104f767ee252064462202a8ec21ac26f6db25c39e67f31f6b40edeb7 source_path: nodes/audio.md workflow: 15 --- @@ -16,37 +16,37 @@ x-i18n: ## Що працює -- **Розуміння медіа (аудіо)**: якщо розуміння аудіо ввімкнено (або визначається автоматично), OpenClaw: +- **Розуміння медіа (аудіо)**: Якщо розуміння аудіо ввімкнене (або визначається автоматично), OpenClaw: 1. Знаходить перше аудіовкладення (локальний шлях або URL) і завантажує його за потреби. 2. Застосовує `maxBytes` перед надсиланням до кожного запису моделі. 3. Запускає перший придатний запис моделі за порядком (провайдер або CLI). - 4. Якщо він зазнає невдачі або пропускається (розмір/тайм-аут), пробує наступний запис. + 4. Якщо він завершується помилкою або пропускається (розмір/тайм-аут), пробується наступний запис. 5. У разі успіху замінює `Body` блоком `[Audio]` і встановлює `{{Transcript}}`. -- **Розбір команд**: коли транскрипція успішна, `CommandBody`/`RawBody` встановлюються на транскрипт, тому slash-команди й далі працюють. -- **Докладне логування**: у режимі `--verbose` ми логуємо, коли запускається транскрипція і коли вона замінює body. +- **Розбір команд**: Коли транскрибування успішне, `CommandBody`/`RawBody` встановлюються в транскрипт, щоб slash-команди продовжували працювати. +- **Розширене журналювання**: У `--verbose` ми журналюємо, коли виконується транскрибування і коли воно замінює тіло повідомлення. ## Автовизначення (типово) Якщо ви **не налаштовуєте моделі** і `tools.media.audio.enabled` **не** встановлено в `false`, -OpenClaw автоматично визначає їх у такому порядку й зупиняється на першому робочому варіанті: +OpenClaw автоматично визначає в такому порядку й зупиняється на першому робочому варіанті: 1. **Активна модель відповіді**, якщо її провайдер підтримує розуміння аудіо. -2. **Локальні CLI** (якщо встановлено) +2. **Локальні CLI** (якщо встановлені) - `sherpa-onnx-offline` (потребує `SHERPA_ONNX_MODEL_DIR` з encoder/decoder/joiner/tokens) - `whisper-cli` (з `whisper-cpp`; використовує `WHISPER_CPP_MODEL` або вбудовану tiny-модель) - `whisper` (Python CLI; автоматично завантажує моделі) 3. **Gemini CLI** (`gemini`) з використанням `read_many_files` -4. **Автентифікація провайдера** - - Спочатку пробуються налаштовані записи `models.providers.*`, які підтримують аудіо - - Вбудований порядок резервного перемикання: OpenAI → Groq → xAI → Deepgram → Google → SenseAudio → ElevenLabs → Mistral +4. **Авторизація провайдера** + - Спочатку пробуються налаштовані записи `models.providers.*`, що підтримують аудіо + - Вбудований порядок запасних варіантів: OpenAI → Groq → xAI → Deepgram → Google → SenseAudio → ElevenLabs → Mistral Щоб вимкнути автовизначення, встановіть `tools.media.audio.enabled: false`. -Щоб налаштувати власну поведінку, встановіть `tools.media.audio.models`. -Примітка: виявлення бінарних файлів є best-effort для macOS/Linux/Windows; переконайтеся, що CLI є в `PATH` (ми розгортаємо `~`), або задайте явну модель CLI з повним шляхом до команди. +Щоб налаштувати вручну, встановіть `tools.media.audio.models`. +Примітка: виявлення бінарників виконується за принципом best-effort на macOS/Linux/Windows; переконайтеся, що CLI є в `PATH` (ми розгортаємо `~`), або задайте явну CLI-модель з повним шляхом до команди. ## Приклади конфігурації -### Провайдер + резервний CLI-варіант (OpenAI + Whisper CLI) +### Провайдер + запасний CLI-варіант (OpenAI + Whisper CLI) ```json5 { @@ -70,7 +70,7 @@ OpenClaw автоматично визначає їх у такому поряд } ``` -### Лише провайдер із керуванням областями +### Лише провайдер із обмеженням за областю дії ```json5 { @@ -134,7 +134,7 @@ OpenClaw автоматично визначає їх у такому поряд } ``` -### Надсилати транскрипт у чат як відлуння (opt-in) +### Надсилати транскрипт назад у чат (опційно) ```json5 { @@ -153,70 +153,72 @@ OpenClaw автоматично визначає їх у такому поряд ## Примітки та обмеження -- Автентифікація провайдера дотримується стандартного порядку автентифікації моделей (профілі автентифікації, змінні середовища, `models.providers.*.apiKey`). +- Авторизація провайдера дотримується стандартного порядку авторизації моделей (профілі авторизації, змінні середовища, `models.providers.*.apiKey`). - Докладно про налаштування Groq: [Groq](/uk/providers/groq). - Deepgram підхоплює `DEEPGRAM_API_KEY`, коли використовується `provider: "deepgram"`. -- Докладно про налаштування Deepgram: [Deepgram (транскрипція аудіо)](/uk/providers/deepgram). +- Докладно про налаштування Deepgram: [Deepgram (транскрибування аудіо)](/uk/providers/deepgram). - Докладно про налаштування Mistral: [Mistral](/uk/providers/mistral). - SenseAudio підхоплює `SENSEAUDIO_API_KEY`, коли використовується `provider: "senseaudio"`. - Докладно про налаштування SenseAudio: [SenseAudio](/uk/providers/senseaudio). -- Провайдери аудіо можуть перевизначати `baseUrl`, `headers` і `providerOptions` через `tools.media.audio`. -- Типове обмеження розміру — 20 МБ (`tools.media.audio.maxBytes`). Завелике аудіо пропускається для цієї моделі, і пробується наступний запис. -- Дуже малі/порожні аудіофайли менше 1024 байтів пропускаються до транскрипції через провайдера/CLI. -- Типове значення `maxChars` для аудіо **не задано** (повний транскрипт). Встановіть `tools.media.audio.maxChars` або `maxChars` для окремого запису, щоб обрізати результат. -- Типовий варіант OpenAI — `gpt-4o-mini-transcribe`; встановіть `model: "gpt-4o-transcribe"` для вищої точності. -- Використовуйте `tools.media.audio.attachments`, щоб обробляти кілька голосових повідомлень (`mode: "all"` + `maxAttachments`). +- Аудіопровайдери можуть перевизначати `baseUrl`, `headers` і `providerOptions` через `tools.media.audio`. +- Типове обмеження розміру — 20MB (`tools.media.audio.maxBytes`). Завелике аудіо пропускається для цієї моделі, і пробується наступний запис. +- Крихітні/порожні аудіофайли менші за 1024 байти пропускаються до транскрибування через провайдера/CLI. +- Типове `maxChars` для аудіо **не встановлене** (повний транскрипт). Встановіть `tools.media.audio.maxChars` або `maxChars` для конкретного запису, щоб обрізати результат. +- Типове значення OpenAI — `gpt-4o-mini-transcribe`; встановіть `model: "gpt-4o-transcribe"` для вищої точності. +- Використовуйте `tools.media.audio.attachments` для обробки кількох голосових повідомлень (`mode: "all"` + `maxAttachments`). - Транскрипт доступний у шаблонах як `{{Transcript}}`. -- `tools.media.audio.echoTranscript` типово вимкнено; увімкніть його, щоб надсилати підтвердження транскрипту назад у вихідний чат до обробки агентом. -- `tools.media.audio.echoFormat` налаштовує текст відлуння (заповнювач: `{transcript}`). -- Вивід CLI stdout обмежено (5 МБ); зберігайте вивід CLI лаконічним. -- `args` CLI мають використовувати `{{MediaPath}}` для локального шляху до аудіофайлу. Запустіть `openclaw doctor --fix`, щоб перенести застарілі заповнювачі `{input}` зі старих конфігурацій `audio.transcription.command`. +- `tools.media.audio.echoTranscript` типово вимкнено; увімкніть його, щоб надсилати підтвердження транскрипту назад до вихідного чату перед обробкою агентом. +- `tools.media.audio.echoFormat` налаштовує текст такого відлуння (placeholder: `{transcript}`). +- stdout CLI обмежено (5MB); робіть вивід CLI лаконічним. +- У `args` CLI слід використовувати `{{MediaPath}}` для локального шляху до аудіофайлу. Запустіть `openclaw doctor --fix`, щоб перенести застарілі placeholder-и `{input}` зі старих конфігурацій `audio.transcription.command`. -### Підтримка змінних середовища проксі +### Підтримка проксі через змінні середовища -Транскрипція аудіо через провайдера підтримує стандартні змінні середовища для вихідного проксі: +Транскрибування аудіо через провайдера підтримує стандартні змінні середовища для вихідного проксі: - `HTTPS_PROXY` - `HTTP_PROXY` +- `ALL_PROXY` - `https_proxy` - `http_proxy` +- `all_proxy` -Якщо змінні середовища проксі не задано, використовується прямий вихід. Якщо конфігурація проксі некоректна, OpenClaw записує попередження в лог і повертається до прямого отримання. +Якщо змінні середовища проксі не задані, використовується прямий вихід у мережу. Якщо конфігурація проксі некоректна, OpenClaw записує попередження в журнал і повертається до прямого отримання. ## Виявлення згадок у групах -Коли для групового чату встановлено `requireMention: true`, OpenClaw тепер транскрибує аудіо **до** перевірки згадок. Це дає змогу обробляти голосові повідомлення, навіть якщо вони містять згадки. +Коли для групового чату встановлено `requireMention: true`, OpenClaw тепер транскрибує аудіо **до** перевірки згадок. Це дозволяє обробляти голосові повідомлення, навіть якщо вони містять згадки. **Як це працює:** -1. Якщо голосове повідомлення не має текстового body і для групи потрібні згадки, OpenClaw виконує “попередню” транскрипцію. -2. Транскрипт перевіряється на шаблони згадок (наприклад, `@BotName`, тригери-емодзі). +1. Якщо голосове повідомлення не має текстового тіла і для групи потрібні згадки, OpenClaw виконує "preflight" транскрибування. +2. Транскрипт перевіряється на шаблони згадок (наприклад, `@BotName`, emoji-тригери). 3. Якщо згадку знайдено, повідомлення проходить через повний конвеєр відповіді. -4. Транскрипт використовується для виявлення згадок, тому голосові повідомлення можуть пройти перевірку на згадку. +4. Транскрипт використовується для виявлення згадок, тож голосові повідомлення можуть пройти перевірку на згадку. -**Поведінка резервного варіанта:** +**Поведінка запасного варіанту:** -- Якщо транскрипція під час попередньої перевірки зазнає невдачі (тайм-аут, помилка API тощо), повідомлення обробляється на основі виявлення згадок лише в тексті. -- Це гарантує, що змішані повідомлення (текст + аудіо) ніколи не будуть помилково відкинуті. +- Якщо транскрибування завершується помилкою під час preflight (тайм-аут, помилка API тощо), повідомлення обробляється на основі виявлення згадок лише за текстом. +- Це гарантує, що змішані повідомлення (текст + аудіо) ніколи не буде помилково відкинуто. -**Вимкнення для окремої групи/теми Telegram:** +**Вимкнення для конкретної Telegram групи/теми:** -- Встановіть `channels.telegram.groups..disableAudioPreflight: true`, щоб пропустити попередню перевірку згадок за транскриптом для цієї групи. -- Встановіть `channels.telegram.groups..topics..disableAudioPreflight`, щоб перевизначити це для окремої теми (`true` — пропустити, `false` — примусово ввімкнути). -- Типове значення — `false` (попередню перевірку ввімкнено, коли виконуються умови перевірки згадок). +- Встановіть `channels.telegram.groups..disableAudioPreflight: true`, щоб пропустити preflight-перевірки згадок за транскриптом для цієї групи. +- Встановіть `channels.telegram.groups..topics..disableAudioPreflight`, щоб перевизначити для конкретної теми (`true` — пропустити, `false` — примусово ввімкнути). +- Типове значення — `false` (preflight увімкнений, коли збігаються умови перевірки згадок). **Приклад:** Користувач надсилає голосове повідомлення зі словами "Hey @Claude, what's the weather?" у групі Telegram з `requireMention: true`. Голосове повідомлення транскрибується, згадка виявляється, і агент відповідає. ## Підводні камені -- Правила області працюють за принципом first-match wins. `chatType` нормалізується до `direct`, `group` або `room`. -- Переконайтеся, що ваш CLI завершується з кодом 0 і виводить простий текст; JSON потрібно обробити, наприклад, через `jq -r .text`. -- Для `parakeet-mlx`, якщо ви передаєте `--output-dir`, OpenClaw читає `/.txt`, коли `--output-format` дорівнює `txt` (або не вказано); формати виводу, відмінні від `txt`, повертаються до розбору stdout. +- Для правил області дії діє принцип "перше збігання перемагає". `chatType` нормалізується до `direct`, `group` або `room`. +- Переконайтеся, що ваш CLI завершується з кодом 0 і друкує звичайний текст; JSON потрібно перетворити через `jq -r .text`. +- Для `parakeet-mlx`, якщо ви передаєте `--output-dir`, OpenClaw читає `/.txt`, коли `--output-format` дорівнює `txt` (або не заданий); формати виводу, відмінні від `txt`, повертаються до розбору stdout. - Тримайте тайм-аути розумними (`timeoutSeconds`, типово 60 с), щоб не блокувати чергу відповідей. -- Попередня транскрипція обробляє лише **перше** аудіовкладення для виявлення згадок. Додаткове аудіо обробляється під час основної фази розуміння медіа. +- Preflight-транскрибування обробляє лише **перше** аудіовкладення для виявлення згадок. Додаткове аудіо обробляється під час основної фази розуміння медіа. ## Пов’язане - [Розуміння медіа](/uk/nodes/media-understanding) - [Режим розмови](/uk/nodes/talk) -- [Голосове пробудження](/uk/nodes/voicewake) +- [Голосова активація](/uk/nodes/voicewake) diff --git a/docs/uk/nodes/media-understanding.md b/docs/uk/nodes/media-understanding.md index 6203be7f9..c2afda698 100644 --- a/docs/uk/nodes/media-understanding.md +++ b/docs/uk/nodes/media-understanding.md @@ -3,70 +3,70 @@ read_when: - Проєктування або рефакторинг розуміння медіа - Налаштування попередньої обробки вхідного аудіо/відео/зображень sidebarTitle: Media understanding -summary: Вхідне розуміння зображень/аудіо/відео (необов’язково) з резервними варіантами через провайдера + CLI +summary: Розуміння вхідних зображень/аудіо/відео (необов’язково) з резервними варіантами через провайдера та CLI title: Розуміння медіа x-i18n: - generated_at: "2026-04-26T08:15:40Z" + generated_at: "2026-04-27T14:47:50Z" model: gpt-5.4 provider: openai - source_hash: 25ee170a7af523fd2ce4f5f7764638f510b135f94a7796325daf1c3e04147f90 + source_hash: 79774578e0abb8b9646c5850d502e1a2f34b1f6f2253a5e6fec0983333d56009 source_path: nodes/media-understanding.md workflow: 15 --- -OpenClaw може **підсумовувати вхідні медіа** (зображення/аудіо/відео) до запуску конвеєра відповіді. Він автоматично визначає, коли доступні локальні інструменти або ключі провайдера, і може бути вимкнений або налаштований. Якщо розуміння вимкнене, моделі, як і раніше, отримують оригінальні файли/URL. +OpenClaw може **підсумовувати вхідні медіа** (зображення/аудіо/відео) до запуску конвеєра відповіді. Він автоматично визначає, коли доступні локальні інструменти або ключі провайдера, і його можна вимкнути або налаштувати. Якщо розуміння вимкнене, моделі, як і раніше, отримують вихідні файли/URL. -Поведінка медіа, специфічна для постачальника, реєструється плагінами постачальників, тоді як ядро OpenClaw відповідає за спільну конфігурацію `tools.media`, порядок резервних варіантів і інтеграцію з конвеєром відповіді. +Специфічна для постачальника поведінка медіа реєструється плагінами постачальників, тоді як ядро OpenClaw відповідає за спільну конфігурацію `tools.media`, порядок резервного переходу та інтеграцію з конвеєром відповіді. ## Цілі - Необов’язково: попередньо зводити вхідні медіа до короткого тексту для швидшої маршрутизації та кращого розбору команд. -- Зберігати доставку оригінальних медіа до моделі (завжди). -- Підтримувати **API провайдерів** і **резервні варіанти CLI**. -- Дозволяти кілька моделей з упорядкованим резервуванням (помилка/розмір/тайм-аут). +- Завжди зберігати доставку оригінальних медіа до моделі. +- Підтримувати **API провайдерів** і **резервні варіанти через CLI**. +- Дозволяти кілька моделей з упорядкованим резервним переходом (помилка/розмір/тайм-аут). ## Поведінка на високому рівні - - Збирає вхідні вкладення (`MediaPaths`, `MediaUrls`, `MediaTypes`). + + Зібрати вхідні вкладення (`MediaPaths`, `MediaUrls`, `MediaTypes`). - - Для кожної ввімкненої можливості (зображення/аудіо/відео) вибирає вкладення згідно з політикою (типово: **перше**). + + Для кожної ввімкненої можливості (зображення/аудіо/відео) вибрати вкладення згідно з політикою (типово: **перше**). - - Вибирає перший придатний запис моделі (розмір + можливість + автентифікація). + + Вибрати перший придатний запис моделі (розмір + можливість + автентифікація). - - Якщо модель завершується з помилкою або медіа надто велике, **переходить до наступного запису**. + + Якщо модель завершується з помилкою або медіа надто велике, **перейти до наступного запису**. - + У разі успіху: - `Body` стає блоком `[Image]`, `[Audio]` або `[Video]`. - - Для аудіо встановлюється `{{Transcript}}`; розбір команд використовує текст підпису, якщо він є, інакше — транскрипт. + - Для аудіо задається `{{Transcript}}`; розбір команд використовує текст підпису, якщо він є, інакше — транскрипт. - Підписи зберігаються як `User text:` усередині блоку. -Якщо розуміння завершується невдачею або вимкнене, **потік відповіді продовжується** з початковим тілом і вкладеннями. +Якщо розуміння не вдається або вимкнене, **потік відповіді продовжується** з вихідним тілом + вкладеннями. ## Огляд конфігурації -`tools.media` підтримує **спільні моделі**, а також перевизначення для окремих можливостей: +`tools.media` підтримує **спільні моделі** плюс перевизначення для кожної можливості: - `tools.media.models`: спільний список моделей (використовуйте `capabilities` для обмеження). - `tools.media.image` / `tools.media.audio` / `tools.media.video`: - - типові значення (`prompt`, `maxChars`, `maxBytes`, `timeoutSeconds`, `language`) + - значення за замовчуванням (`prompt`, `maxChars`, `maxBytes`, `timeoutSeconds`, `language`) - перевизначення провайдера (`baseUrl`, `headers`, `providerOptions`) - параметри аудіо Deepgram через `tools.media.audio.providerOptions.deepgram` - - параметри відлуння аудіотранскрипту (`echoTranscript`, типово `false`; `echoFormat`) - - необов’язковий список `models` **для окремої можливості** (має пріоритет над спільними моделями) + - елементи керування відлунням транскрипту аудіо (`echoTranscript`, типово `false`; `echoFormat`) + - необов’язковий список **`models` для конкретної можливості** (має пріоритет над спільними моделями) - політика `attachments` (`mode`, `maxAttachments`, `prefer`) - - `scope` (необов’язкове обмеження за каналом/chatType/ключем сесії) + - `scope` (необов’язкове обмеження за channel/chatType/session key) - `tools.media.concurrency`: максимальна кількість одночасних запусків можливостей (типово **2**). @@ -143,9 +143,9 @@ OpenClaw може **підсумовувати вхідні медіа** (зоб -## Типові значення та обмеження +## Значення за замовчуванням і обмеження -Рекомендовані типові значення: +Рекомендовані значення за замовчуванням: - `maxChars`: **500** для зображень/відео (коротко, зручно для команд) - `maxChars`: **не задано** для аудіо (повний транскрипт, якщо ви не встановите обмеження) @@ -156,13 +156,13 @@ OpenClaw може **підсумовувати вхідні медіа** (зоб - - Якщо медіа перевищує `maxBytes`, ця модель пропускається і **використовується наступна модель**. - - Аудіофайли менші за **1024 байти** вважаються порожніми/пошкодженими й пропускаються до транскрибування через provider/CLI; вхідний контекст відповіді отримує детермінований заповнювач транскрипту, щоб агент знав, що нотатка була надто малою. + - Якщо медіа перевищує `maxBytes`, цю модель буде пропущено, і **буде спробувано наступну модель**. + - Аудіофайли менші за **1024 байти** вважаються порожніми/пошкодженими й пропускаються до транскрибування через provider/CLI; вхідний контекст відповіді отримує детермінований транскрипт-заповнювач, щоб агент знав, що нотатка була надто малою. - Якщо модель повертає більше ніж `maxChars`, вивід обрізається. - - `prompt` типово дорівнює простому "Describe the {media}." плюс вказівка `maxChars` (лише для зображення/відео). - - Якщо активна основна модель для зображень уже нативно підтримує vision, OpenClaw пропускає блок підсумку `[Image]` і натомість передає оригінальне зображення в модель. - - Якщо основна модель Gateway/WebChat є лише текстовою, вкладення зображень зберігаються як винесені посилання `media://inbound/*`, щоб інструменти зображень/PDF або налаштована модель зображень усе ще могли їх перевірити замість втрати вкладення. - - Явні запити `openclaw infer image describe --model ` відрізняються: вони напряму запускають вказану provider/model із підтримкою зображень, включно з посиланнями Ollama, такими як `ollama/qwen2.5vl:7b`. + - `prompt` типово дорівнює простому "Describe the {media}." плюс вказівка `maxChars` (лише для зображень/відео). + - Якщо активна основна модель зображень уже нативно підтримує vision, OpenClaw пропускає блок підсумку `[Image]` і натомість передає оригінальне зображення безпосередньо моделі. + - Якщо основна модель Gateway/WebChat є лише текстовою, вкладення зображень зберігаються як виносні посилання `media://inbound/*`, щоб інструменти зображень/PDF або налаштована модель зображень усе ще могли їх перевіряти, а вкладення не втрачалося. + - Явні запити `openclaw infer image describe --model ` відрізняються: вони запускають вказаний provider/model із підтримкою зображень напряму, зокрема посилання Ollama, як-от `ollama/qwen2.5vl:7b`. - Якщо `.enabled: true`, але моделі не налаштовані, OpenClaw пробує **активну модель відповіді**, якщо її провайдер підтримує цю можливість. @@ -176,10 +176,10 @@ OpenClaw може **підсумовувати вхідні медіа** (зоб Активна модель відповіді, якщо її провайдер підтримує цю можливість. - Основні/резервні посилання `agents.defaults.imageModel` (лише для зображень). + Основні/резервні посилання `agents.defaults.imageModel` (лише зображення). - Локальні CLI (якщо встановлені): + Локальні CLI (якщо встановлено): - `sherpa-onnx-offline` (потребує `SHERPA_ONNX_MODEL_DIR` з encoder/decoder/joiner/tokens) - `whisper-cli` (`whisper-cpp`; використовує `WHISPER_CPP_MODEL` або вбудовану tiny model) @@ -187,14 +187,14 @@ OpenClaw може **підсумовувати вхідні медіа** (зоб - `gemini` з `read_many_files`. + `gemini` з використанням `read_many_files`. - - Налаштовані записи `models.providers.*`, які підтримують цю можливість, пробуються до вбудованого порядку резервування. + - Налаштовані записи `models.providers.*`, які підтримують цю можливість, пробуються до вбудованого порядку резервного переходу. - Провайдери конфігурації лише для зображень із моделлю, що підтримує зображення, автоматично реєструються для розуміння медіа, навіть якщо вони не є вбудованим плагіном постачальника. - Розуміння зображень Ollama доступне за явного вибору, наприклад через `agents.defaults.imageModel` або `openclaw infer image describe --model ollama/`. - Вбудований порядок резервування: + Вбудований порядок резервного переходу: - Аудіо: OpenAI → Groq → xAI → Deepgram → Google → SenseAudio → ElevenLabs → Mistral - Зображення: OpenAI → Anthropic → Google → MiniMax → MiniMax Portal → Z.AI @@ -203,7 +203,7 @@ OpenClaw може **підсумовувати вхідні медіа** (зоб -Щоб вимкнути автовизначення, встановіть: +Щоб вимкнути автовизначення, задайте: ```json5 { @@ -218,71 +218,73 @@ OpenClaw може **підсумовувати вхідні медіа** (зоб ``` -Визначення двійкових файлів виконується за принципом best-effort у macOS/Linux/Windows; переконайтеся, що CLI є в `PATH` (ми розгортаємо `~`), або задайте явну CLI-модель із повним шляхом до команди. +Виявлення бінарних файлів виконується за принципом best-effort у macOS/Linux/Windows; переконайтеся, що CLI є в `PATH` (ми розгортаємо `~`), або задайте явну модель CLI з повним шляхом до команди. ### Підтримка проксі-середовища (моделі provider) -Коли ввімкнено розуміння медіа **audio** та **video** на основі provider, OpenClaw враховує стандартні змінні середовища вихідного проксі для HTTP-викликів до провайдера: +Коли ввімкнено розуміння медіа **audio** і **video** на основі провайдера, OpenClaw враховує стандартні змінні середовища вихідного проксі для HTTP-викликів провайдера: - `HTTPS_PROXY` - `HTTP_PROXY` +- `ALL_PROXY` - `https_proxy` - `http_proxy` +- `all_proxy` -Якщо жодні змінні середовища проксі не встановлені, розуміння медіа використовує прямий вихідний трафік. Якщо значення проксі некоректне, OpenClaw записує попередження в журнал і повертається до прямого отримання. +Якщо змінні середовища проксі не задані, розуміння медіа використовує прямий вихідний трафік. Якщо значення проксі некоректне, OpenClaw записує попередження в журнал і повертається до прямого отримання. ## Можливості (необов’язково) -Якщо ви встановите `capabilities`, запис виконуватиметься лише для цих типів медіа. Для спільних списків OpenClaw може вивести типові значення: +Якщо ви задаєте `capabilities`, запис запускається лише для цих типів медіа. Для спільних списків OpenClaw може визначати типові значення: -- `openai`, `anthropic`, `minimax`: **image** -- `minimax-portal`: **image** -- `moonshot`: **image + video** -- `openrouter`: **image** -- `google` (Gemini API): **image + audio + video** -- `qwen`: **image + video** -- `mistral`: **audio** -- `zai`: **image** -- `groq`: **audio** -- `xai`: **audio** -- `deepgram`: **audio** -- Будь-який каталог `models.providers..models[]` із моделлю, що підтримує зображення: **image** +- `openai`, `anthropic`, `minimax`: **зображення** +- `minimax-portal`: **зображення** +- `moonshot`: **зображення + відео** +- `openrouter`: **зображення** +- `google` (Gemini API): **зображення + аудіо + відео** +- `qwen`: **зображення + відео** +- `mistral`: **аудіо** +- `zai`: **зображення** +- `groq`: **аудіо** +- `xai`: **аудіо** +- `deepgram`: **аудіо** +- Будь-який каталог `models.providers..models[]` із моделлю, що підтримує зображення: **зображення** -Для записів CLI **явно задавайте `capabilities`**, щоб уникнути неочікуваних збігів. Якщо ви не вкажете `capabilities`, запис придатний для списку, у якому він знаходиться. +Для записів CLI **задавайте `capabilities` явно**, щоб уникнути неочікуваних збігів. Якщо ви не задаєте `capabilities`, запис придатний для списку, у якому він з’являється. -## Матриця підтримки provider (інтеграції OpenClaw) +## Матриця підтримки провайдерів (інтеграції OpenClaw) -| Можливість | Інтеграція provider | Примітки | -| ---------- | ---------------------------------------------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | -| Зображення | OpenAI, OpenAI Codex OAuth, Codex app-server, OpenRouter, Anthropic, Google, MiniMax, Moonshot, Qwen, Z.AI, config providers | Плагіни постачальників реєструють підтримку зображень; `openai-codex/*` використовує механіку OAuth-провайдера; `codex/*` використовує обмежений хід Codex app-server; MiniMax і MiniMax OAuth обидва використовують `MiniMax-VL-01`; config providers із підтримкою зображень реєструються автоматично. | -| Аудіо | OpenAI, Groq, xAI, Deepgram, Google, SenseAudio, ElevenLabs, Mistral | Транскрибування через provider (Whisper/Groq/xAI/Deepgram/Gemini/SenseAudio/Scribe/Voxtral). | -| Відео | Google, Qwen, Moonshot | Розуміння відео через provider за допомогою плагінів постачальників; розуміння відео Qwen використовує стандартні кінцеві точки DashScope. | +| Можливість | Інтеграція провайдера | Примітки | +| ---------- | ---------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | +| Зображення | OpenAI, OpenAI Codex OAuth, Codex app-server, OpenRouter, Anthropic, Google, MiniMax, Moonshot, Qwen, Z.AI, config providers | Плагіни постачальників реєструють підтримку зображень; `openai-codex/*` використовує механізм OAuth-провайдера; `codex/*` використовує обмежений хід Codex app-server; і MiniMax, і MiniMax OAuth використовують `MiniMax-VL-01`; провайдери конфігурації з підтримкою зображень автоматично реєструються. | +| Аудіо | OpenAI, Groq, xAI, Deepgram, Google, SenseAudio, ElevenLabs, Mistral | Транскрибування провайдером (Whisper/Groq/xAI/Deepgram/Gemini/SenseAudio/Scribe/Voxtral). | +| Відео | Google, Qwen, Moonshot | Розуміння відео провайдером через плагіни постачальників; розуміння відео Qwen використовує стандартні кінцеві точки DashScope. | **Примітка щодо MiniMax** -- Розуміння зображень `minimax` і `minimax-portal` походить від провайдера медіа `MiniMax-VL-01`, що належить плагіну. -- Вбудований текстовий каталог MiniMax усе ще починається як лише текстовий; явні записи `models.providers.minimax` матеріалізують чат-посилання M2.7 із підтримкою зображень. +- Розуміння зображень `minimax` і `minimax-portal` надається через медіапровайдера `MiniMax-VL-01`, що належить плагіну. +- Вбудований текстовий каталог MiniMax усе ще починається лише з текстового режиму; явні записи `models.providers.minimax` матеріалізують посилання чату M2.7 із підтримкою зображень. -## Рекомендації щодо вибору моделі +## Вказівки щодо вибору моделей -- Віддавайте перевагу найсильнішій доступній моделі останнього покоління для кожної медіаможливості, коли важливі якість і безпека. -- Для агентів з увімкненими інструментами, що обробляють недовірені вхідні дані, уникайте старіших/слабших медіамоделей. -- Зберігайте принаймні один резервний варіант на можливість для доступності (якісна модель + швидша/дешевша модель). +- Надавайте перевагу найсильнішій моделі останнього покоління, доступній для кожної медіаможливості, коли важливі якість і безпека. +- Для агентів з увімкненими інструментами, які працюють із недовіреними вхідними даними, уникайте старіших/слабших медіамоделей. +- Тримайте щонайменше один резервний варіант для кожної можливості для доступності (якісна модель + швидша/дешевша модель). - Резервні варіанти CLI (`whisper-cli`, `whisper`, `gemini`) корисні, коли API провайдерів недоступні. -- Примітка щодо `parakeet-mlx`: з `--output-dir` OpenClaw читає `/.txt`, коли формат виводу — `txt` (або не вказаний); формати, відмінні від `txt`, повертаються до stdout. +- Примітка щодо `parakeet-mlx`: із `--output-dir` OpenClaw читає `/.txt`, коли формат виводу — `txt` (або не заданий); для форматів, відмінних від `txt`, використовується резервний вивід у stdout. ## Політика вкладень -Параметр `attachments` для окремої можливості керує тим, які вкладення обробляються: +`attachments` для конкретної можливості керує тим, які вкладення обробляються: - Чи обробляти перше вибране вкладення або всі. + Чи обробляти перше вибране вкладення, чи всі. - Обмежує кількість оброблених вкладень. + Обмежує кількість оброблюваних. Перевага вибору серед кандидатів на вкладення. @@ -291,12 +293,12 @@ OpenClaw може **підсумовувати вхідні медіа** (зоб Коли `mode: "all"`, результати позначаються як `[Image 1/2]`, `[Audio 2/2]` тощо. - - - Вилучений текст файла обгортається як **недовірений зовнішній вміст** перед додаванням до запиту медіа. - - Вставлений блок використовує явні маркери меж, такі як `<<>>` / `<<>>`, і містить рядок метаданих `Source: External`. - - Цей шлях вилучення з вкладень навмисно не містить довгий банер `SECURITY NOTICE:`, щоб уникнути роздуття запиту медіа; маркери меж і метадані при цьому зберігаються. + + - Вилучений текст файлу обгортається як **ненадійний зовнішній вміст** перед додаванням до медіапідказки. + - Вставлений блок використовує явні маркери меж, як-от `<<>>` / `<<>>`, і містить рядок метаданих `Source: External`. + - Цей шлях вилучення вкладень навмисно не включає довгий банер `SECURITY NOTICE:`, щоб не роздувати медіапідказку; маркери меж і метадані при цьому все одно зберігаються. - Якщо файл не має тексту, який можна вилучити, OpenClaw вставляє `[No extractable text]`. - - Якщо PDF у цьому шляху повертається до відрендерених зображень сторінок, запит медіа зберігає заповнювач `[PDF content rendered to images; images not forwarded to model]`, оскільки цей крок вилучення з вкладень передає текстові блоки, а не відрендерені зображення PDF. + - Якщо PDF у цьому шляху переходить до резервного рендерингу сторінок у зображення, медіапідказка зберігає заповнювач `[PDF content rendered to images; images not forwarded to model]`, оскільки цей крок вилучення вкладень передає текстові блоки, а не відрендерені зображення PDF. @@ -408,7 +410,7 @@ OpenClaw може **підсумовувати вхідні медіа** (зоб } ``` - + ```json5 { tools: { @@ -449,19 +451,19 @@ OpenClaw може **підсумовувати вхідні медіа** (зоб ## Вивід стану -Коли розуміння медіа виконується, `/status` містить короткий підсумковий рядок: +Коли працює розуміння медіа, `/status` містить короткий підсумковий рядок: ``` 📎 Media: image ok (openai/gpt-5.4) · audio skipped (maxBytes) ``` -Це показує результати для кожної можливості та вибрані provider/model, коли це застосовно. +Тут показано результати для кожної можливості та вибраний provider/model, де це доречно. ## Примітки -- Розуміння виконується за принципом **best-effort**. Помилки не блокують відповіді. +- Розуміння працює за принципом **best-effort**. Помилки не блокують відповіді. - Вкладення все одно передаються моделям, навіть коли розуміння вимкнене. -- Використовуйте `scope`, щоб обмежити, де запускається розуміння (наприклад, лише в приватних повідомленнях). +- Використовуйте `scope`, щоб обмежити місця, де працює розуміння (наприклад, лише приватні повідомлення). ## Пов’язане