openclaw/docs
openclaw/docs
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

chore(i18n): refresh uk translations

Browse Source
This commit is contained in:
openclaw-docs-i18n[bot] 2026-04-26 05:24:46 +00:00
parent d3bd848544
commit aeea6ad315
2 changed files with 159 additions and 92 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

67
docs/uk/nodes/voicewake.md
View File

@ -1,28 +1,28 @@
---
read_when:
- Зміна поведінки або значень за замовчуванням для слів голосової активації
- Додавання нових платформ Node, яким потрібна синхронізація слів активації
summary: Глобальні слова активації голосу (належать Gateway) і як вони синхронізуються між вузлами
- Зміна поведінки або значень за замовчуванням для слів активації голосом
- Додавання нових платформ вузлів, яким потрібна синхронізація слів активації голосом
summary: Глобальні слова активації голосом (належать Gateway) і як вони синхронізуються між вузлами
title: Голосова активація
x-i18n:
generated_at: "2026-04-23T23:01:23Z"
generated_at: "2026-04-26T05:24:10Z"
model: gpt-5.4
provider: openai
source_hash: 5094c17aaa7f868beb81d04f7dc60565ded1852cc5c835a33de64dbd3da74bb4
source_hash: ac638cdf89f09404cdf293b416417f6cb3e31865b09f04ef87b9604e436dcbbe
source_path: nodes/voicewake.md
workflow: 15
---
OpenClaw розглядає **слова голосової активації як один глобальний список**, яким володіє **Gateway**.
OpenClaw розглядає **слова активації як єдиний глобальний список**, яким керує **Gateway**.
- **Немає окремих користувацьких слів активації для кожного Node**.
- **Будь-який UI node/застосунку може редагувати** цей список; зміни зберігаються Gateway і транслюються всім.
- macOS та iOS зберігають локальні перемикачі **увімкнення/вимкнення голосової активації** (локальний UX і дозволи відрізняються).
- На Android голосова активація зараз вимкнена і використовується ручний потік мікрофона у вкладці Voice.
- **Будь-який UI Node/застосунку може редагувати** список; зміни зберігаються Gateway і розсилаються всім.
- macOS та iOS зберігають локальні перемикачі **увімкнення/вимкнення Voice Wake** (локальний UX і дозволи відрізняються).
- Android наразі тримає Voice Wake вимкненим і використовує ручний потік мікрофона на вкладці Voice.
## Зберігання (хост Gateway)
Слова активації зберігаються на машині gateway за адресою:
Слова активації зберігаються на машині gateway тут:
- `~/.openclaw/settings/voicewake.json`
@ -41,37 +41,60 @@ OpenClaw розглядає **слова голосової активації
Примітки:
- Тригери нормалізуються (обрізаються пробіли, порожні значення відкидаються). Порожні списки повертаються до значень за замовчуванням.
- Для безпеки застосовуються обмеження (ліміти кількості/довжини).
- Тригери нормалізуються (пробіли по краях обрізаються, порожні значення відкидаються). Порожні списки повертаються до значень за замовчуванням.
- Для безпеки застосовуються обмеження (ліміти на кількість/довжину).
### Методи маршрутизації (тригер → ціль)
- `voicewake.routing.get` → `{ config: VoiceWakeRoutingConfig }`
- `voicewake.routing.set` з параметрами `{ config: VoiceWakeRoutingConfig }` → `{ config: VoiceWakeRoutingConfig }`
Структура `VoiceWakeRoutingConfig`:
```json
{
"version": 1,
"defaultTarget": { "mode": "current" },
"routes": [{ "trigger": "robot wake", "target": { "sessionKey": "agent:main:main" } }],
"updatedAtMs": 1730000000000
}
```
Цілі маршруту підтримують рівно один із варіантів:
- `{ "mode": "current" }`
- `{ "agentId": "main" }`
- `{ "sessionKey": "agent:main:main" }`
### Події
- payload `voicewake.changed` `{ triggers: string[] }`
- `voicewake.changed` з навантаженням `{ triggers: string[] }`
- `voicewake.routing.changed` з навантаженням `{ config: VoiceWakeRoutingConfig }`
Хто її отримує:
Хто це отримує:
- Усі клієнти WebSocket (застосунок macOS, WebChat тощо)
- Усі підключені Node (iOS/Android), а також під час підключення Node як початкове надсилання “поточного стану”.
## Поведінка клієнтів
## Поведінка клієнта
### Застосунок macOS
- Використовує глобальний список для фільтрації тригерів `VoiceWakeRuntime`.
- Редагування “Trigger words” у налаштуваннях Voice Wake викликає `voicewake.set`, а потім покладається на трансляцію для синхронізації з іншими клієнтами.
- Використовує глобальний список для керування тригерами `VoiceWakeRuntime`.
- Редагування “Trigger words” у налаштуваннях Voice Wake викликає `voicewake.set`, а потім покладається на розсилання, щоб підтримувати синхронізацію інших клієнтів.
### Node iOS
- Використовує глобальний список для виявлення тригерів `VoiceWakeManager`.
- Редагування Wake Words у Settings викликає `voicewake.set` (через WS Gateway) і також зберігає локальне виявлення слів активації чутливим до змін.
- Редагування Wake Words у Settings викликає `voicewake.set` (через Gateway WS), а також зберігає локальне виявлення слів активації чутливим до змін.
### Node Android
- Голосова активація зараз вимкнена в середовищі виконання/Settings Android.
- Голос на Android використовує ручне захоплення мікрофона у вкладці Voice замість тригерів слів активації.
- Voice Wake наразі вимкнено в runtime/Settings Android.
- Голосова взаємодія на Android використовує ручне захоплення мікрофона на вкладці Voice замість тригерів слів активації.
## Пов’язано
## Пов’язане
- [Режим Talk](/uk/nodes/talk)
- [Режим розмови](/uk/nodes/talk)
- [Аудіо та голосові нотатки](/uk/nodes/audio)
- [Розуміння медіа](/uk/nodes/media-understanding)

184
docs/uk/tools/media-overview.md
View File

@ -1,98 +1,142 @@
---
read_when:
- Шукаєте огляд можливостей медіа
- Вирішуєте, якого постачальника медіа налаштувати
- Розуміння того, як працює асинхронна генерація медіа
summary: Уніфікована цільова сторінка для можливостей генерації медіа, розуміння та мовлення
- Шукаєте огляд медіаможливостей OpenClaw
- Вирішуєте, якого медіапровайдера налаштувати
- Розуміння того, як працює асинхронне генерування медіа
sidebarTitle: Media overview
summary: Можливості розуміння зображень, відео, музики, мовлення та медіа з першого погляду
title: Огляд медіа
x-i18n:
generated_at: "2026-04-26T04:50:05Z"
generated_at: "2026-04-26T05:24:11Z"
model: gpt-5.4
provider: openai
source_hash: 964081a900eb674f5fd719940ff129968563b2e9e20d754ac086b2fd1401bd7a
source_hash: 70be8062c01f57bf53ab08aad4f1561e3958adc94e478224821d722fd500e09f
source_path: tools/media-overview.md
workflow: 15
---
# Генерація та розуміння медіа
OpenClaw генерує зображення, відео та музику, розуміє вхідні медіа
(зображення, аудіо, відео) і озвучує відповіді за допомогою синтезу мовлення. Усі
медіаможливості керуються інструментами: агент вирішує, коли їх використовувати,
залежно від розмови, і кожен інструмент з’являється лише тоді, коли налаштовано
принаймні одного базового провайдера.
OpenClaw генерує зображення, відео та музику, розуміє вхідні медіа (зображення, аудіо, відео) і озвучує відповіді за допомогою перетворення тексту на мовлення. Усі медіаможливості керуються через інструменти: агент вирішує, коли їх використовувати, на основі розмови, і кожен інструмент з’являється лише тоді, коли налаштовано щонайменше одного базового постачальника.
## Можливості
## Можливості з першого погляду
<CardGroup cols={2}>
<Card title="Генерування зображень" href="/uk/tools/image-generation" icon="image">
Створюйте та редагуйте зображення з текстових запитів або еталонних зображень за допомогою
`image_generate`. Синхронно — завершується в межах відповіді.
</Card>
<Card title="Генерування відео" href="/uk/tools/video-generation" icon="video">
Текст у відео, зображення у відео та відео у відео через `video_generate`.
Асинхронно — виконується у фоновому режимі та публікує результат, коли він готовий.
</Card>
<Card title="Генерування музики" href="/uk/tools/music-generation" icon="music">
Генеруйте музику або аудіодоріжки через `music_generate`. Асинхронно у спільних
провайдерів; шлях робочого процесу ComfyUI виконується синхронно.
</Card>
<Card title="Синтез мовлення" href="/uk/tools/tts" icon="microphone">
Перетворюйте вихідні відповіді на озвучене аудіо за допомогою інструмента `tts` і
конфігурації `messages.tts`. Синхронно.
</Card>
<Card title="Розуміння медіа" href="/uk/nodes/media-understanding" icon="eye">
Узагальнюйте вхідні зображення, аудіо та відео за допомогою провайдерів моделей
із підтримкою зору та спеціалізованих Plugin для розуміння медіа.
</Card>
<Card title="Мовлення в текст" href="/uk/nodes/audio" icon="ear-listen">
Транскрибуйте вхідні голосові повідомлення через пакетні провайдери STT або
провайдерів потокового STT для Voice Call.
</Card>
</CardGroup>
| Можливість | Інструмент | Постачальники | Що робить |
| -------------------- | ---------------- | ------------------------------------------------------------------------------------------- | ------------------------------------------------------ |
| Генерація зображень | `image_generate` | ComfyUI, fal, Google, MiniMax, OpenAI, Vydra, xAI | Створює або редагує зображення з текстових запитів чи референсів |
| Генерація відео | `video_generate` | Alibaba, BytePlus, ComfyUI, fal, Google, MiniMax, OpenAI, Qwen, Runway, Together, Vydra, xAI | Створює відео з тексту, зображень або наявних відео |
| Генерація музики | `music_generate` | ComfyUI, Google, MiniMax | Створює музику або аудіодоріжки з текстових запитів |
| Перетворення тексту на мовлення (TTS) | `tts` | ElevenLabs, Google, Gradium, Local CLI, Microsoft, MiniMax, OpenAI, Vydra, xAI, Xiaomi MiMo | Перетворює вихідні відповіді на озвучене аудіо |
| Розуміння медіа | (автоматично) | Будь-який постачальник моделей із підтримкою зору/аудіо, а також резервні CLI-варіанти | Узагальнює вхідні зображення, аудіо та відео |
## Матриця можливостей провайдерів
## Матриця можливостей постачальників
Ця таблиця показує, які постачальники підтримують ті чи інші медіаможливості на платформі.
| Постачальник | Зображення | Відео | Музика | TTS | STT / Транскрибування | Голос у реальному часі | Розуміння медіа |
| ------------ | ---------- | ----- | ------ | --- | --------------------- | ---------------------- | --------------- |
| Alibaba | | Yes | | | | | |
| BytePlus | | Yes | | | | | |
| ComfyUI | Yes | Yes | Yes | | | | |
| Deepgram | | | | | Yes | Yes | |
| ElevenLabs | | | | Yes | Yes | | |
| fal | Yes | Yes | | | | | |
| Google | Yes | Yes | Yes | Yes | | Yes | Yes |
| Gradium | | | | Yes | | | |
| Local CLI | | | | Yes | | | |
| Microsoft | | | | Yes | | | |
| MiniMax | Yes | Yes | Yes | Yes | | | |
| Mistral | | | | | Yes | | |
| OpenAI | Yes | Yes | | Yes | Yes | Yes | Yes |
| Qwen | | Yes | | | | | |
| Runway | | Yes | | | | | |
| SenseAudio | | | | | Yes | | |
| Together | | Yes | | | | | |
| Vydra | Yes | Yes | | Yes | | | |
| xAI | Yes | Yes | | Yes | Yes | | Yes |
| Xiaomi MiMo | Yes | | | Yes | | | Yes |
| Provider | Зображення | Відео | Музика | TTS | STT | Голос у реальному часі | Розуміння медіа |
| ----------- | :--------: | :---: | :----: | :-: | :-: | :--------------------: | :-------------: |
| Alibaba | | ✓ | | | | | |
| BytePlus | | ✓ | | | | | |
| ComfyUI | ✓ | ✓ | ✓ | | | | |
| Deepgram | | | | | ✓ | ✓ | |
| ElevenLabs | | | | ✓ | ✓ | | |
| fal | ✓ | ✓ | | | | | |
| Google | ✓ | ✓ | ✓ | ✓ | | ✓ | ✓ |
| Gradium | | | | ✓ | | | |
| Local CLI | | | | ✓ | | | |
| Microsoft | | | | ✓ | | | |
| MiniMax | ✓ | ✓ | ✓ | ✓ | | | |
| Mistral | | | | | ✓ | | |
| OpenAI | ✓ | ✓ | | ✓ | ✓ | ✓ | ✓ |
| Qwen | | ✓ | | | | | |
| Runway | | ✓ | | | | | |
| SenseAudio | | | | | ✓ | | |
| Together | | ✓ | | | | | |
| Vydra | ✓ | ✓ | | ✓ | | | |
| xAI | ✓ | ✓ | | ✓ | ✓ | | ✓ |
| Xiaomi MiMo | ✓ | | | ✓ | | | ✓ |
<Note>
Розуміння медіа використовує будь-яку модель із підтримкою зору або аудіо, зареєстровану у вашій конфігурації постачальника. У таблиці вище виділено постачальників зі спеціалізованою підтримкою розуміння медіа; більшість постачальників LLM із мультимодальними моделями (Anthropic, Google, OpenAI тощо) також можуть розуміти вхідні медіа, якщо їх налаштовано як активну модель для відповідей.
Розуміння медіа використовує будь-яку модель із підтримкою зору або аудіо,
зареєстровану у конфігурації вашого провайдера. У матриці вище перелічено
провайдерів зі спеціалізованою підтримкою розуміння медіа; більшість
мультимодальних провайдерів LLM (Anthropic, Google,
OpenAI тощо) також можуть розуміти вхідні медіа, якщо їх налаштовано як активну
модель відповіді.
</Note>
## Як працює асинхронна генерація
## Асинхронно чи синхронно
Генерація відео та музики виконується як фонові завдання, оскільки обробка у постачальників зазвичай триває від 30 секунд до кількох хвилин. Коли агент викликає `video_generate` або `music_generate`, OpenClaw надсилає запит постачальнику, одразу повертає ідентифікатор завдання та відстежує роботу в журналі завдань. Поки завдання виконується, агент продовжує відповідати на інші повідомлення. Коли постачальник завершує обробку, OpenClaw активує агента, щоб він міг опублікувати готове медіа назад у початковий канал. Генерація зображень і TTS є синхронними та завершуються в межах відповіді.
| Можливість | Режим | Чому |
| ---------------- | ------------- | ----------------------------------------------------------------- |
| Зображення | Синхронний | Відповіді провайдера повертаються за секунди; завершується в межах відповіді. |
| Синтез мовлення | Синхронний | Відповіді провайдера повертаються за секунди; додається до аудіо відповіді. |
| Відео | Асинхронний | Обробка провайдером триває від 30 с до кількох хвилин. |
| Музика (спільна) | Асинхронний | Така сама характеристика обробки провайдером, як і у відео. |
| Музика (ComfyUI) | Синхронний | Локальний робочий процес виконується вбудовано на налаштованому сервері ComfyUI. |
Для асинхронних інструментів OpenClaw надсилає запит провайдеру, одразу повертає
ідентифікатор завдання та відстежує завдання в журналі завдань. Агент продовжує
відповідати на інші повідомлення, поки завдання виконується. Коли провайдер
завершує роботу, OpenClaw пробуджує агента, щоб він міг опублікувати готове
медіа назад в оригінальний канал.
## Мовлення в текст і Voice Call
Deepgram, ElevenLabs, Mistral, OpenAI, SenseAudio та xAI можуть транскрибувати
вхідне аудіо через пакетний шлях `tools.media.audio`, якщо їх налаштовано.
Плагіни каналів, які попередньо обробляють голосове повідомлення для
перевірки згадки або розбору команд, позначають транскрибоване вкладення у
вхідному контексті, тому спільний етап розуміння медіа повторно використовує
цю транскрипцію замість виконання другого виклику STT для того самого аудіо.
Deepgram, ElevenLabs, Mistral, OpenAI та xAI також реєструють постачальників
потокового STT для Voice Call, тому живий телефонний аудіопотік можна
передавати вибраному постачальнику без очікування завершення запису.
Channel Plugin, які попередньо перевіряють голосове повідомлення для
відсікання за згадками або розбору команд, позначають транскрибоване вкладення
у вхідному контексті, тому спільний етап розуміння медіа повторно використовує
цю транскрипцію замість повторного виклику STT для того самого аудіо.
Google відповідає поверхням OpenClaw для зображень, відео, музики, пакетного TTS, backend realtime
voice та розуміння медіа. OpenAI відповідає поверхням OpenClaw для зображень,
відео, пакетного TTS, пакетного STT, потокового STT для Voice Call, backend realtime voice
та векторних подань пам’яті. xAI наразі відповідає поверхням OpenClaw для зображень, відео,
пошуку, виконання коду, пакетного TTS, пакетного STT та потокового STT для Voice Call.
Голос xAI Realtime є можливістю на рівні зовнішнього постачальника, але він не
реєструється в OpenClaw, доки спільний контракт голосу в реальному часі не зможе
його відобразити.
Deepgram, ElevenLabs, Mistral, OpenAI та xAI також реєструють провайдерів
потокового STT для Voice Call, тож живе телефонне аудіо можна переспрямувати
вибраному постачальнику без очікування завершення запису.
## Швидкі посилання
## Відображення провайдерів (як постачальники розподіляються між поверхнями)
- [Генерація зображень](/uk/tools/image-generation) -- генерація та редагування зображень
- [Генерація відео](/uk/tools/video-generation) -- текст у відео, зображення у відео та відео у відео
- [Генерація музики](/uk/tools/music-generation) -- створення музики та аудіодоріжок
- [Перетворення тексту на мовлення](/uk/tools/tts) -- перетворення відповідей на озвучене аудіо
- [Розуміння медіа](/uk/nodes/media-understanding) -- розуміння вхідних зображень, аудіо та відео
<AccordionGroup>
<Accordion title="Google">
Поверхні зображень, відео, музики, пакетного TTS, backend голосу в реальному часі та
розуміння медіа.
</Accordion>
<Accordion title="OpenAI">
Поверхні зображень, відео, пакетного TTS, пакетного STT, потокового STT для Voice Call, backend
голосу в реальному часі та memory-embedding.
</Accordion>
<Accordion title="xAI">
Зображення, відео, пошук, виконання коду, пакетний TTS, пакетний STT і потоковий
STT для Voice Call. Голос xAI Realtime є можливістю на боці upstream, але
не зареєстрований в OpenClaw, доки спільний контракт realtime-voice не зможе
його представити.
</Accordion>
</AccordionGroup>
## Пов’язане
- [Генерація зображень](/uk/tools/image-generation)
- [Генерація відео](/uk/tools/video-generation)
- [Генерація музики](/uk/tools/music-generation)
- [Перетворення тексту на мовлення](/uk/tools/tts)
- [Генерування зображень](/uk/tools/image-generation)
- [Генерування відео](/uk/tools/video-generation)
- [Генерування музики](/uk/tools/music-generation)
- [Синтез мовлення](/uk/tools/tts)
- [Розуміння медіа](/uk/nodes/media-understanding)
- [Аудіовузли](/uk/nodes/audio)