From d531334e4bd624ba152bd34549bbdf3b5b24e4ab Mon Sep 17 00:00:00 2001 From: "openclaw-docs-i18n[bot]" Date: Thu, 23 Apr 2026 00:09:00 +0000 Subject: [PATCH] chore(i18n): refresh uk translations --- docs/uk/nodes/media-understanding.md | 168 ++++++++++------- docs/uk/providers/index.md | 25 +-- docs/uk/providers/xai.md | 272 ++++++++++++++++----------- docs/uk/tools/media-overview.md | 66 +++---- 4 files changed, 301 insertions(+), 230 deletions(-) diff --git a/docs/uk/nodes/media-understanding.md b/docs/uk/nodes/media-understanding.md index 3958f3871..e3bb01c75 100644 --- a/docs/uk/nodes/media-understanding.md +++ b/docs/uk/nodes/media-understanding.md @@ -2,54 +2,55 @@ read_when: - Проєктування або рефакторинг розуміння медіа - Налаштування попередньої обробки вхідних аудіо/відео/зображень -summary: Вхідне розуміння зображень/аудіо/відео (необов’язково) із запасними варіантами для провайдера та CLI +summary: Вхідне розуміння зображень/аудіо/відео (необов’язково) з резервними варіантами provider + CLI title: Розуміння медіа x-i18n: - generated_at: "2026-04-21T21:37:36Z" + generated_at: "2026-04-23T00:07:55Z" model: gpt-5.4 provider: openai - source_hash: 0d80c9bcd965b521c3c782a76b9dd31eb6e6c635d8a1cc6895b6ccfaf5f9492e + source_hash: 5bb2d0eab59d857c2849f329435f8fad3eeff427f7984d011bd5b7d9fd7bf51c source_path: nodes/media-understanding.md workflow: 15 --- # Розуміння медіа — вхідне (2026-01-17) -OpenClaw може **узагальнювати 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 все одно отримують вихідні файли/URL-адреси як зазвичай. +OpenClaw може **узагальнювати вхідні медіа** (зображення/аудіо/відео) до запуску конвеєра відповіді. Він автоматично визначає, коли доступні локальні інструменти або ключі provider, і може бути вимкнений або налаштований. Якщо розуміння вимкнено, моделі, як і раніше, отримують оригінальні файли/URL. -Поведінка медіа, специфічна для постачальника, реєструється через плагіни постачальників, тоді як ядро OpenClaw володіє спільною конфігурацією `tools.media`, порядком запасних варіантів і інтеграцією з конвеєром відповіді. +Поведінка медіа, специфічна для постачальника, реєструється plugin постачальника, тоді як +ядро OpenClaw відповідає за спільну конфігурацію `tools.media`, порядок резервного вибору та інтеграцію з конвеєром відповіді. ## Цілі -- Необов’язково: попередньо зводити вхідні медіа до короткого тексту для швидшої маршрутизації та кращого розбору команд. -- Завжди зберігати передавання оригінальних медіа до моделі. -- Підтримувати **API провайдерів** і **запасні варіанти через CLI**. -- Дозволяти кілька моделей з упорядкованим запасним переходом (помилка/розмір/тайм-аут). +- Необов’язково: попередньо перетворювати вхідні медіа на короткий текст для швидшої маршрутизації та кращого розбору команд. +- Завжди зберігати доставку оригінальних медіа до моделі. +- Підтримувати **API provider** і **резервні варіанти CLI**. +- Дозволяти кілька моделей з упорядкованим резервним вибором (помилка/розмір/тайм-аут). ## Поведінка на високому рівні 1. Зібрати вхідні вкладення (`MediaPaths`, `MediaUrls`, `MediaTypes`). 2. Для кожної ввімкненої можливості (зображення/аудіо/відео) вибрати вкладення згідно з політикою (типово: **перше**). 3. Вибрати перший придатний запис моделі (розмір + можливість + автентифікація). -4. Якщо модель завершується помилкою або медіа завелике, **перейти до наступного запису**. +4. Якщо модель не спрацьовує або медіа завелике, **перейти до наступного запису**. 5. У разі успіху: - `Body` стає блоком `[Image]`, `[Audio]` або `[Video]`. - Для аудіо встановлюється `{{Transcript}}`; розбір команд використовує текст підпису, якщо він є, інакше — транскрипт. - Підписи зберігаються як `User text:` усередині блоку. -Якщо розуміння не вдається або вимкнене, **потік відповіді продовжується** з оригінальним тілом і вкладеннями. +Якщо розуміння не вдається або воно вимкнене, **потік відповіді продовжується** з початковим body + вкладеннями. ## Огляд конфігурації -`tools.media` підтримує **спільні моделі** та перевизначення для кожної можливості окремо: +`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`) - - перевизначення провайдера (`baseUrl`, `headers`, `providerOptions`) - - параметри Deepgram для аудіо через `tools.media.audio.providerOptions.deepgram` - - параметри повторного виведення транскрипту аудіо (`echoTranscript`, типово `false`; `echoFormat`) - - необов’язковий **список `models` для окремої можливості** (має пріоритет над спільними моделями) + - перевизначення provider (`baseUrl`, `headers`, `providerOptions`) + - параметри аудіо Deepgram через `tools.media.audio.providerOptions.deepgram` + - керування відлунням аудіотранскрипту (`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 channel/chatType/session key) - `tools.media.concurrency`: максимальна кількість одночасних запусків можливостей (типово **2**). @@ -79,7 +80,7 @@ OpenClaw може **узагальнювати вхідні медіа** (зоб ### Записи моделей -Кожен запис у `models[]` може бути **provider** або **CLI**: +Кожен запис `models[]` може бути **provider** або **CLI**: ```json5 { @@ -118,7 +119,7 @@ OpenClaw може **узагальнювати вхідні медіа** (зоб - `{{MediaDir}}` (каталог, що містить медіафайл) - `{{OutputDir}}` (тимчасовий каталог, створений для цього запуску) -- `{{OutputBase}}` (базовий шлях тимчасового файла, без розширення) +- `{{OutputBase}}` (базовий шлях до тимчасового файла без розширення) ## Типові значення та обмеження @@ -133,35 +134,41 @@ OpenClaw може **узагальнювати вхідні медіа** (зоб Правила: -- Якщо медіа перевищує `maxBytes`, цю модель пропускають і **пробують наступну модель**. -- Аудіофайли менші за **1024 байти** вважаються порожніми/пошкодженими та пропускаються до транскрибування через provider/CLI. -- Якщо модель повертає більше ніж `maxChars`, вивід обрізається. -- Типове значення `prompt` — просте «Describe the {media}.» плюс вказівка щодо `maxChars` (лише для зображень/відео). -- Якщо активна основна модель для зображень уже нативно підтримує vision, OpenClaw пропускає блок зведення `[Image]` і натомість передає оригінальне зображення до моделі. -- Явні запити `openclaw infer image describe --model ` відрізняються: вони напряму запускають цей provider/model із підтримкою зображень, зокрема посилання Ollama, як-от `ollama/qwen2.5vl:7b`. -- Якщо `.enabled: true`, але моделі не налаштовані, OpenClaw намагається використати **активну модель відповіді**, якщо її провайдер підтримує цю можливість. +- Якщо медіа перевищує `maxBytes`, ця модель пропускається і **пробується наступна модель**. +- Аудіофайли, менші за **1024 bytes**, вважаються порожніми/пошкодженими й пропускаються до транскрибування через provider/CLI. +- Якщо модель повертає більше, ніж `maxChars`, вивід обрізається. +- Типове значення `prompt` — просте “Describe the {media}.” плюс вказівка щодо `maxChars` (лише для зображень/відео). +- Якщо активна основна модель для зображень уже нативно підтримує vision, OpenClaw + пропускає блок підсумку `[Image]` і натомість передає оригінальне зображення в + модель. +- Явні запити `openclaw infer image describe --model ` відрізняються: вони запускають безпосередньо цей provider/model із підтримкою зображень, включно з посиланнями Ollama, такими як `ollama/qwen2.5vl:7b`. +- Якщо `.enabled: true`, але моделі не налаштовані, OpenClaw пробує + **активну модель відповіді**, якщо її provider підтримує цю можливість. ### Автовизначення розуміння медіа (типово) -Якщо `tools.media..enabled` **не** встановлено в `false` і ви не налаштували моделі, OpenClaw автоматично визначає варіант у такому порядку і **зупиняється на першому робочому варіанті**: +Якщо `tools.media..enabled` **не** встановлено в `false` і ви не налаштували моделі, OpenClaw автовизначає у такому порядку й **зупиняється на першому працездатному варіанті**: -1. **Активна модель відповіді**, якщо її провайдер підтримує цю можливість. -2. Основні/запасні посилання **`agents.defaults.imageModel`** (лише для зображень). -3. **Локальні CLI** (лише для аудіо; якщо встановлені) +1. **Активна модель відповіді**, якщо її provider підтримує цю можливість. +2. Основне/резервне посилання `agents.defaults.imageModel` (лише для зображень). +3. **Локальні CLI** (лише аудіо; 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-модель) + - `whisper-cli` (`whisper-cpp`; використовує `WHISPER_CPP_MODEL` або вбудовану tiny model) - `whisper` (Python CLI; автоматично завантажує моделі) 4. **Gemini CLI** (`gemini`) з використанням `read_many_files` -5. **Автентифікація провайдера** - - Налаштовані записи `models.providers.*`, що підтримують цю можливість, перевіряються раніше за вбудований порядок запасних варіантів. - - Провайдери з 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 запасних варіантів: - - Аудіо: OpenAI → Groq → Deepgram → Google → Mistral +5. **Автентифікація provider** + - Налаштовані записи `models.providers.*`, що підтримують цю можливість, + пробуються до вбудованого порядку резервного вибору. + - Provider конфігурації лише для зображень із моделлю, що підтримує зображення, автоматично реєструються для + розуміння медіа, навіть якщо вони не є вбудованим plugin постачальника. + - Розуміння зображень Ollama доступне за явного вибору, наприклад через `agents.defaults.imageModel` або + `openclaw infer image describe --model ollama/`. + - Вбудований порядок резервного вибору: + - Аудіо: OpenAI → Groq → xAI → Deepgram → Google → Mistral - Зображення: OpenAI → Anthropic → Google → MiniMax → MiniMax Portal → Z.AI - Відео: Google → Qwen → Moonshot -Щоб вимкнути автовизначення, встановіть: +Щоб вимкнути автовизначення, установіть: ```json5 { @@ -175,23 +182,26 @@ OpenClaw може **узагальнювати вхідні медіа** (зоб } ``` -Примітка: виявлення бінарних 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. +Примітка: виявлення бінарних файлів виконується за принципом best-effort на macOS/Linux/Windows; переконайтеся, що CLI є в `PATH` (ми розгортаємо `~`), або задайте явну модель CLI з повним шляхом до команди. -### Підтримка проксі-середовища (provider-моделі) +### Підтримка проксі-середовища (моделі provider) -Коли ввімкнене розуміння медіа **audio** і **video** на основі провайдера, OpenClaw враховує стандартні змінні середовища вихідного проксі для HTTP-викликів до провайдера: +Коли ввімкнено розуміння медіа **аудіо** та **відео** на основі provider, OpenClaw +враховує стандартні змінні середовища вихідного проксі для HTTP-викликів provider: - `HTTPS_PROXY` - `HTTP_PROXY` - `https_proxy` - `http_proxy` -Якщо змінні середовища проксі не встановлені, розуміння медіа використовує прямий вихід у мережу. -Якщо значення проксі некоректно сформоване, 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 має неправильний формат, OpenClaw журналює попередження і повертається до прямого +отримання. ## Можливості (необов’язково) -Якщо ви задаєте `capabilities`, запис запускається лише для цих типів медіа. Для спільних списків OpenClaw може виводити 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** @@ -202,50 +212,62 @@ OpenClaw може **узагальнювати вхідні медіа** (зоб - `mistral`: **audio** - `zai`: **image** - `groq`: **audio** +- `xai`: **audio** - `deepgram`: **audio** -- Будь-який каталог `models.providers..models[]` із моделлю, що підтримує зображення: **image** +- Будь-який каталог `models.providers..models[]` з моделлю, що підтримує зображення: + **image** -Для записів CLI **явно задавайте `capabilities`**, щоб уникнути неочікуваних збігів. -Якщо `capabilities` не вказано, запис придатний для списку, у якому він з’являється. +Для записів CLI **задавайте `capabilities` явно**, щоб уникнути неочікуваних збігів. +Якщо ви не задасте `capabilities`, запис придатний для списку, у якому він з’являється. -## Матриця підтримки провайдерів (інтеграції OpenClaw) +## Матриця підтримки provider (інтеграції OpenClaw) -| Можливість | Інтеграція провайдера | Примітки | -| ---------- | ---------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------------------------------------------------------------- | -| Зображення | OpenAI, OpenRouter, Anthropic, Google, MiniMax, Moonshot, Qwen, Z.AI, config providers | Плагіни постачальників реєструють підтримку зображень; MiniMax і MiniMax OAuth обидва використовують `MiniMax-VL-01`; config providers із підтримкою зображень реєструються автоматично. | -| Аудіо | OpenAI, Groq, Deepgram, Google, Mistral | Транскрибування провайдера (Whisper/Deepgram/Gemini/Voxtral). | -| Відео | Google, Qwen, Moonshot | Розуміння відео провайдером через плагіни постачальників; розуміння відео Qwen використовує стандартні кінцеві точки DashScope. | +| Можливість | Інтеграція provider | Примітки | +| ---------- | -------------------------------------------------------------------------------------- | ---------------------------------------------------------------------------------------------------------------------------------------- | +| Зображення | OpenAI, OpenRouter, Anthropic, Google, MiniMax, Moonshot, Qwen, Z.AI, config providers | Plugin постачальника реєструють підтримку зображень; MiniMax і MiniMax OAuth обидва використовують `MiniMax-VL-01`; config providers із підтримкою зображень реєструються автоматично. | +| Аудіо | OpenAI, Groq, Deepgram, Google, Mistral | Транскрибування provider (Whisper/Deepgram/Gemini/Voxtral). | +| Відео | Google, Qwen, Moonshot | Розуміння відео через provider за допомогою plugin постачальника; розуміння відео Qwen використовує стандартні кінцеві точки DashScope. | Примітка щодо MiniMax: -- Розуміння зображень `minimax` і `minimax-portal` походить із медіапровайдера `MiniMax-VL-01`, що належить плагіну. -- Вбудований текстовий каталог MiniMax усе ще починається лише з тексту; явні записи `models.providers.minimax` матеріалізують M2.7 chat refs із підтримкою зображень. +- Розуміння зображень `minimax` і `minimax-portal` походить від plugin-власного + медіа provider `MiniMax-VL-01`. +- Вбудований текстовий каталог MiniMax усе ще починається лише з тексту; явні + записи `models.providers.minimax` матеріалізують чат-посилання M2.7 із підтримкою зображень. -## Рекомендації щодо вибору моделі +## Настанови щодо вибору моделі - Віддавайте перевагу найсильнішій моделі останнього покоління, доступній для кожної медіаможливості, коли важливі якість і безпека. -- Для агентів з увімкненими інструментами, які обробляють недовірені вхідні дані, уникайте старіших/слабших медіамоделей. -- Тримайте принаймні один запасний варіант для кожної можливості задля доступності (якісна модель + швидша/дешевша модель). -- Запасні варіанти CLI (`whisper-cli`, `whisper`, `gemini`) корисні, коли API провайдерів недоступні. -- Примітка про `parakeet-mlx`: з `--output-dir` OpenClaw читає `/.txt`, коли формат виводу — `txt` (або не вказаний); формати, відмінні від `txt`, повертаються до stdout. +- Для агентів з увімкненими інструментами, які працюють із недовіреними вхідними даними, уникайте старіших/слабших медіамоделей. +- Тримайте щонайменше один резервний варіант для кожної можливості заради доступності (якісна модель + швидша/дешевша модель). +- Резервні варіанти CLI (`whisper-cli`, `whisper`, `gemini`) корисні, коли API provider недоступні. +- Примітка щодо `parakeet-mlx`: з `--output-dir` OpenClaw читає `/.txt`, коли формат виводу — `txt` (або не заданий); формати, відмінні від `txt`, повертаються до stdout. ## Політика вкладень -`attachments` для кожної можливості визначає, які вкладення обробляються: +`attachments` для кожної можливості керує тим, які вкладення обробляються: - `mode`: `first` (типово) або `all` -- `maxAttachments`: обмежує кількість оброблюваних елементів (типово **1**) +- `maxAttachments`: обмеження кількості оброблюваних вкладень (типово **1**) - `prefer`: `first`, `last`, `path`, `url` Коли `mode: "all"`, результати позначаються як `[Image 1/2]`, `[Audio 2/2]` тощо. -Поведінка вилучення з файлових вкладень: +Поведінка вилучення тексту з файлових вкладень: -- Вилучений текст файла обгортається як **недовірений зовнішній вміст**, перш ніж його буде додано до запиту медіа. -- Впроваджений блок використовує явні маркери меж, такі як `<<>>` / `<<>>`, і містить рядок метаданих `Source: External`. -- Цей шлях вилучення вкладень навмисно не включає довгий банер `SECURITY NOTICE:`, щоб не роздувати запит медіа; маркери меж і метадані все одно зберігаються. -- Якщо файл не має тексту, придатного до вилучення, OpenClaw вставляє `[No extractable text]`. -- Якщо PDF на цьому шляху повертається до зображень відрендерених сторінок, запит медіа 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. +- Вилучений текст файла обгортається як **недовірений зовнішній вміст** перед тим, як + додається до prompt медіа. +- Вставлений блок використовує явні маркери меж на кшталт + `<<>>` / + `<<>>` і містить рядок метаданих + `Source: External`. +- Цей шлях вилучення вкладень навмисно не містить довгий банер + `SECURITY NOTICE:`, щоб не роздувати prompt медіа; маркери меж і + метадані при цьому зберігаються. +- Якщо файл не має тексту, який можна вилучити, OpenClaw вставляє `[No extractable text]`. +- Якщо PDF у цьому шляху повертається до рендерингу сторінок як зображень, prompt медіа 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. ## Приклади конфігурації @@ -357,7 +379,7 @@ OpenClaw може **узагальнювати вхідні медіа** (зоб } ``` -### 4) Один мультимодальний запис (явні можливості) +### 4) Одномодальний запис для кількох типів медіа (явні capabilities) ```json5 { @@ -397,21 +419,21 @@ OpenClaw може **узагальнювати вхідні медіа** (зоб ## Вивід статусу -Коли виконується розуміння медіа, `/status` містить короткий рядок зведення: +Коли працює розуміння медіа, `/status` містить короткий рядок підсумку: ``` 📎 Media: image ok (openai/gpt-5.4-mini) · audio skipped (maxBytes) ``` -Тут показано результат для кожної можливості та вибраний provider/model, якщо 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 виконується у режимі **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 особистих повідомленнях). +- Використовуйте `scope`, щоб обмежити, де працює розуміння (наприклад, лише в особистих повідомленнях). -## Пов’язані документи +## Пов’язана документація - [Конфігурація](/uk/gateway/configuration) - [Підтримка зображень і медіа](/uk/nodes/images) diff --git a/docs/uk/providers/index.md b/docs/uk/providers/index.md index 0f748ddaa..7e7c94e5a 100644 --- a/docs/uk/providers/index.md +++ b/docs/uk/providers/index.md @@ -1,14 +1,14 @@ --- read_when: - Ви хочете вибрати постачальника моделей - - Вам потрібен короткий огляд підтримуваних бекендів LLM -summary: Постачальники моделей (LLM), що підтримуються OpenClaw + - Вам потрібен швидкий огляд підтримуваних бекендів LLM +summary: Постачальники моделей (LLM), які підтримуються OpenClaw title: Каталог постачальників x-i18n: - generated_at: "2026-04-21T21:27:20Z" + generated_at: "2026-04-23T00:07:55Z" model: gpt-5.4 provider: openai - source_hash: 7d77e5da93d71c48ea97460c6be56fbbe8279d9240a8101e1b35fdafb657737e + source_hash: d61873f18fcaef7353620f687afc2043087c62edca62f24568c67339a9c65086 source_path: providers/index.md workflow: 15 --- @@ -16,9 +16,9 @@ x-i18n: # Постачальники моделей OpenClaw може використовувати багато постачальників LLM. Виберіть постачальника, пройдіть автентифікацію, а потім задайте -модель за замовчуванням у форматі `provider/model`. +модель за замовчуванням як `provider/model`. -Шукаєте документацію для чат-каналів (WhatsApp/Telegram/Discord/Slack/Mattermost (plugin)/тощо)? Див. [Channels](/uk/channels). +Шукаєте документацію щодо каналів чату (WhatsApp/Telegram/Discord/Slack/Mattermost (plugin)/тощо)? Див. [Канали](/uk/channels). ## Швидкий старт @@ -37,7 +37,7 @@ OpenClaw може використовувати багато постачаль - [Amazon Bedrock](/uk/providers/bedrock) - [Anthropic (API + Claude CLI)](/uk/providers/anthropic) - [Arcee AI (моделі Trinity)](/uk/providers/arcee) -- [BytePlus (міжнародна версія)](/uk/concepts/model-providers#byteplus-international) +- [BytePlus (міжнародний)](/uk/concepts/model-providers#byteplus-international) - [Chutes](/uk/providers/chutes) - [Cloudflare AI Gateway](/uk/providers/cloudflare-ai-gateway) - [ComfyUI](/uk/providers/comfy) @@ -51,7 +51,7 @@ OpenClaw може використовувати багато постачаль - [Hugging Face (інференс)](/uk/providers/huggingface) - [inferrs (локальні моделі)](/uk/providers/inferrs) - [Kilocode](/uk/providers/kilocode) -- [LiteLLM (уніфікований шлюз)](/uk/providers/litellm) +- [LiteLLM (уніфікований Gateway)](/uk/providers/litellm) - [LM Studio (локальні моделі)](/uk/providers/lmstudio) - [MiniMax](/uk/providers/minimax) - [Mistral](/uk/providers/mistral) @@ -70,7 +70,7 @@ OpenClaw може використовувати багато постачаль - [StepFun](/uk/providers/stepfun) - [Synthetic](/uk/providers/synthetic) - [Together AI](/uk/providers/together) -- [Venice (Venice AI, з акцентом на приватність)](/uk/providers/venice) +- [Venice (Venice AI, орієнтований на приватність)](/uk/providers/venice) - [Vercel AI Gateway](/uk/providers/vercel-ai-gateway) - [vLLM (локальні моделі)](/uk/providers/vllm) - [Volcengine (Doubao)](/uk/providers/volcengine) @@ -79,9 +79,9 @@ OpenClaw може використовувати багато постачаль - [Xiaomi](/uk/providers/xiaomi) - [Z.AI](/uk/providers/zai) -## Спільні оглядові сторінки +## Спільні сторінки огляду -- [Додаткові вбудовані варіанти](/uk/providers/models#additional-bundled-provider-variants) - Anthropic Vertex, Copilot Proxy та Gemini CLI OAuth +- [Додаткові вбудовані варіанти](/uk/providers/models#additional-bundled-provider-variants) - Anthropic Vertex, Copilot Proxy і Gemini CLI OAuth - [Генерація зображень](/uk/tools/image-generation) - Спільний інструмент `image_generate`, вибір постачальника та failover - [Генерація музики](/uk/tools/music-generation) - Спільний інструмент `music_generate`, вибір постачальника та failover - [Генерація відео](/uk/tools/video-generation) - Спільний інструмент `video_generate`, вибір постачальника та failover @@ -89,10 +89,11 @@ OpenClaw може використовувати багато постачаль ## Постачальники транскрипції - [Deepgram (транскрипція аудіо)](/uk/providers/deepgram) +- [xAI](/uk/providers/xai#speech-to-text) ## Інструменти спільноти - [Claude Max API Proxy](/uk/providers/claude-max-api-proxy) - Проксі спільноти для облікових даних підписки Claude (перед використанням перевірте політику/умови Anthropic) -Щоб переглянути повний каталог постачальників (xAI, Groq, Mistral тощо) і розширену конфігурацію, +Для повного каталогу постачальників (xAI, Groq, Mistral тощо) та розширеної конфігурації див. [Постачальники моделей](/uk/concepts/model-providers). diff --git a/docs/uk/providers/xai.md b/docs/uk/providers/xai.md index 4cdfa9b3f..e6d55b9fd 100644 --- a/docs/uk/providers/xai.md +++ b/docs/uk/providers/xai.md @@ -5,10 +5,10 @@ read_when: summary: Використовуйте моделі xAI Grok в OpenClaw title: xAI x-i18n: - generated_at: "2026-04-22T23:11:26Z" + generated_at: "2026-04-23T00:07:55Z" model: gpt-5.4 provider: openai - source_hash: 73e7cf36e43540661fc9519b22258ed7efb156eec8c3eb2f8ae5e62e80456b8a + source_hash: fbf4a0eba237a1dfb0d93f2135cd98bae8c3cf21f9cfa1a36bddbbbfca1c4963 source_path: providers/xai.md workflow: 15 --- @@ -42,77 +42,79 @@ OpenClaw постачається з вбудованим плагіном пр OpenClaw використовує xAI Responses API як вбудований транспорт xAI. Той самий -`XAI_API_KEY` також може використовуватися для Grok-орієнтованого `web_search`, першокласного `x_search` -і віддаленого `code_execution`. +`XAI_API_KEY` також може забезпечувати Grok-підтримувані `web_search`, нативний `x_search` +і віддалене `code_execution`. Якщо ви зберігаєте ключ xAI у `plugins.entries.xai.config.webSearch.apiKey`, вбудований провайдер моделей xAI також повторно використовує цей ключ як резервний варіант. -Налаштування `code_execution` розміщені в `plugins.entries.xai.config.codeExecution`. +Налаштування `code_execution` розміщено в `plugins.entries.xai.config.codeExecution`. ## Каталог вбудованих моделей -OpenClaw містить ці сімейства моделей xAI з коробки: +OpenClaw включає такі сімейства моделей xAI з коробки: -| Сімейство | Ідентифікатори моделей | -| --------------- | ------------------------------------------------------------------------ | -| Grok 3 | `grok-3`, `grok-3-fast`, `grok-3-mini`, `grok-3-mini-fast` | -| Grok 4 | `grok-4`, `grok-4-0709` | -| Grok 4 Fast | `grok-4-fast`, `grok-4-fast-non-reasoning` | -| Grok 4.1 Fast | `grok-4-1-fast`, `grok-4-1-fast-non-reasoning` | -| Grok 4.20 Beta | `grok-4.20-beta-latest-reasoning`, `grok-4.20-beta-latest-non-reasoning` | -| Grok Code | `grok-code-fast-1` | +| Сімейство | Ідентифікатори моделей | +| -------------- | ------------------------------------------------------------------------ | +| Grok 3 | `grok-3`, `grok-3-fast`, `grok-3-mini`, `grok-3-mini-fast` | +| Grok 4 | `grok-4`, `grok-4-0709` | +| Grok 4 Fast | `grok-4-fast`, `grok-4-fast-non-reasoning` | +| Grok 4.1 Fast | `grok-4-1-fast`, `grok-4-1-fast-non-reasoning` | +| Grok 4.20 Beta | `grok-4.20-beta-latest-reasoning`, `grok-4.20-beta-latest-non-reasoning` | +| Grok Code | `grok-code-fast-1` | -Плагін також напряму резолвить новіші ідентифікатори `grok-4*` і `grok-code-fast*`, коли +Плагін також переспрямовано розв’язує новіші ідентифікатори `grok-4*` і `grok-code-fast*`, коли вони відповідають тій самій формі API. `grok-4-fast`, `grok-4-1-fast` і варіанти `grok-4.20-beta-*` — це -поточні посилання Grok із підтримкою зображень у вбудованому каталозі. +поточні посилання Grok з підтримкою зображень у вбудованому каталозі. ## Покриття можливостей OpenClaw Вбудований плагін зіставляє поточну публічну поверхню API xAI зі спільними -контрактами провайдерів та інструментів OpenClaw там, де така поведінка добре вписується. +контрактами провайдера та інструментів OpenClaw там, де така поведінка добре узгоджується. -| Можливість xAI | Поверхня OpenClaw | Статус | -| --------------------------- | -------------------------------------- | ------------------------------------------------------------------- | -| Чат / Responses | Провайдер моделей `xai/` | Так | -| Пошук в інтернеті на боці сервера | Провайдер `web_search` `grok` | Так | -| Пошук у X на боці сервера | Інструмент `x_search` | Так | -| Виконання коду на боці сервера | Інструмент `code_execution` | Так | -| Зображення | `image_generate` | Так | -| Відео | `video_generate` | Так | -| Пакетне перетворення тексту на мовлення | `messages.tts.provider: "xai"` / `tts` | Так | -| Потокове TTS | — | Не доступно; контракт TTS в OpenClaw повертає завершені аудіобуфери | -| Перетворення мовлення на текст | — | Ще не доступно; потрібна поверхня провайдера транскрибування | -| Голос у реальному часі | — | Ще не доступно; інший контракт сесії/WebSocket | -| Файли / пакети | Лише сумісність із Generic model API | Не є першокласним інструментом OpenClaw | +| Можливість xAI | Поверхня OpenClaw | Статус | +| -------------------------- | ----------------------------------------- | ------------------------------------------------------------------- | +| Чат / Responses | Провайдер моделей `xai/` | Так | +| Серверний вебпошук | Провайдер `web_search` `grok` | Так | +| Серверний пошук X | Інструмент `x_search` | Так | +| Серверне виконання коду | Інструмент `code_execution` | Так | +| Зображення | `image_generate` | Так | +| Відео | `video_generate` | Так | +| Пакетне перетворення тексту в мовлення | `messages.tts.provider: "xai"` / `tts` | Так | +| Потокове TTS | — | Не надається; контракт TTS в OpenClaw повертає завершені аудіобуфери | +| Пакетне перетворення мовлення в текст | `tools.media.audio` / розуміння медіа | Так | +| Потокове перетворення мовлення в текст | — | Не надається; потребує зіставлення контракту потокової транскрипції | +| Голос у реальному часі | — | Ще не надається; інший контракт сесії/WebSocket | +| Файли / пакети | Лише сумісність із generic model API | Не є першокласним інструментом OpenClaw | -OpenClaw використовує REST API xAI для зображень/відео/TTS для генерації медіа та -Responses API для моделей, пошуку й інструментів виконання коду. Можливості, які потребують -нових контрактів OpenClaw, як-от потокове STT або голосові сесії Realtime, -задокументовані тут як можливості апстриму, а не як прихована поведінка плагіна. +OpenClaw використовує REST API xAI для зображень/відео/TTS/STT для генерації медіа, +мовлення та транскрипції, а Responses API — для моделей, пошуку та +інструментів виконання коду. Можливості, що потребують нових контрактів OpenClaw, такі як +потокове STT або голосові сесії Realtime, документуються тут як можливості +верхнього рівня, а не як прихована поведінка плагіна. -### Зіставлення fast mode +### Зіставлення швидкого режиму `/fast on` або `agents.defaults.models["xai/"].params.fastMode: true` -перезаписує нативні запити xAI таким чином: +переписує нативні запити xAI так: -| Вихідна модель | Ціль fast mode | -| -------------- | ------------------ | -| `grok-3` | `grok-3-fast` | -| `grok-3-mini` | `grok-3-mini-fast` | -| `grok-4` | `grok-4-fast` | -| `grok-4-0709` | `grok-4-fast` | +| Вихідна модель | Ціль швидкого режиму | +| ------------- | ------------------ | +| `grok-3` | `grok-3-fast` | +| `grok-3-mini` | `grok-3-mini-fast` | +| `grok-4` | `grok-4-fast` | +| `grok-4-0709` | `grok-4-fast` | -### Застарілі аліаси сумісності +### Псевдоніми для застарілої сумісності -Застарілі аліаси все ще нормалізуються до канонічних вбудованих ідентифікаторів: +Застарілі псевдоніми все ще нормалізуються до канонічних вбудованих ідентифікаторів: -| Застарілий аліас | Канонічний ідентифікатор | +| Застарілий псевдонім | Канонічний ідентифікатор | | ------------------------- | ------------------------------------- | | `grok-4-fast-reasoning` | `grok-4-fast` | | `grok-4-1-fast-reasoning` | `grok-4-1-fast` | @@ -122,8 +124,8 @@ Responses API для моделей, пошуку й інструментів в ## Можливості - - Вбудований провайдер вебпошуку `grok` також використовує `XAI_API_KEY`: + + Вбудований провайдер вебпошуку `grok` теж використовує `XAI_API_KEY`: ```bash openclaw config set tools.web.search.provider grok @@ -135,21 +137,22 @@ Responses API для моделей, пошуку й інструментів в Вбудований плагін `xai` реєструє генерацію відео через спільний інструмент `video_generate`. - - Стандартна модель відео: `xai/grok-imagine-video` - - Режими: текст у відео, зображення у відео, віддалене редагування відео та віддалене + - Типова модель відео: `xai/grok-imagine-video` + - Режими: text-to-video, image-to-video, віддалене редагування відео та віддалене розширення відео - Співвідношення сторін: `1:1`, `16:9`, `9:16`, `4:3`, `3:4`, `3:2`, `2:3` - Роздільні здатності: `480P`, `720P` - - Тривалість: 1-15 секунд для генерації/зображення-у-відео, 2-10 секунд для - розширення + - Тривалість: 1-15 секунд для generation/image-to-video, 2-10 секунд для + extension - Локальні відеобуфери не приймаються. Використовуйте віддалені URL `http(s)` для - вхідних даних редагування/розширення відео. Режим зображення-у-відео приймає локальні буфери зображень, оскільки - OpenClaw може кодувати їх як data URL для xAI. + Локальні відеобуфери не підтримуються. Для + вхідних даних редагування/розширення відео використовуйте віддалені URL `http(s)`. + Image-to-video приймає локальні буфери зображень, оскільки + OpenClaw може кодувати їх як URL даних для xAI. - Щоб використовувати xAI як стандартний провайдер відео: + Щоб використовувати xAI як типовий провайдер відео: ```json5 { @@ -164,8 +167,8 @@ Responses API для моделей, пошуку й інструментів в ``` - Див. [Генерація відео](/uk/tools/video-generation), щоб дізнатися про спільні параметри інструмента, - вибір провайдера та поведінку резервного перемикання. + Див. [Генерація відео](/uk/tools/video-generation) для спільних параметрів інструмента, + вибору провайдера та поведінки перемикання при збоях. @@ -174,20 +177,20 @@ Responses API для моделей, пошуку й інструментів в Вбудований плагін `xai` реєструє генерацію зображень через спільний інструмент `image_generate`. - - Стандартна модель зображень: `xai/grok-imagine-image` + - Типова модель зображень: `xai/grok-imagine-image` - Додаткова модель: `xai/grok-imagine-image-pro` - - Режими: текст у зображення та редагування еталонного зображення - - Еталонні вхідні дані: одне `image` або до п’яти `images` + - Режими: text-to-image і редагування reference-image + - Вхідні reference-дані: одне `image` або до п’яти `images` - Співвідношення сторін: `1:1`, `16:9`, `9:16`, `4:3`, `3:4`, `2:3`, `3:2` - Роздільні здатності: `1K`, `2K` - Кількість: до 4 зображень - OpenClaw запитує в xAI відповіді зображень у форматі `b64_json`, щоб згенеровані медіа можна було - зберігати та доставляти через звичайний шлях вкладень каналу. Локальні - еталонні зображення перетворюються на data URL; віддалені посилання `http(s)` + OpenClaw запитує в xAI відповіді зображень у форматі `b64_json`, щоб згенеровані медіа могли + зберігатися та доставлятися через звичайний шлях вкладень каналу. Локальні + reference-зображення перетворюються на URL даних; віддалені посилання `http(s)` передаються без змін. - Щоб використовувати xAI як стандартний провайдер зображень: + Щоб використовувати xAI як типовий провайдер зображень: ```json5 { @@ -203,25 +206,25 @@ Responses API для моделей, пошуку й інструментів в xAI також документує `quality`, `mask`, `user` і додаткові нативні співвідношення - сторін, як-от `1:2`, `2:1`, `9:20` і `20:9`. Сьогодні OpenClaw передає лише - спільні міжпровайдерні елементи керування зображеннями; непідтримувані суто нативні параметри - навмисно не доступні через `image_generate`. + сторін, такі як `1:2`, `2:1`, `9:20` і `20:9`. Сьогодні OpenClaw передає лише + спільні міжпровайдерні елементи керування зображеннями; непідтримувані + нативні параметри навмисно не надаються через `image_generate`. - - Вбудований плагін `xai` реєструє перетворення тексту на мовлення через спільну поверхню + + Вбудований плагін `xai` реєструє перетворення тексту в мовлення через спільну поверхню провайдера `tts`. - Голоси: `eve`, `ara`, `rex`, `sal`, `leo`, `una` - - Стандартний голос: `eve` + - Типовий голос: `eve` - Формати: `mp3`, `wav`, `pcm`, `mulaw`, `alaw` - Мова: код BCP-47 або `auto` - Швидкість: нативне перевизначення швидкості провайдера - Нативний формат голосових нотаток Opus не підтримується - Щоб використовувати xAI як стандартний TTS-провайдер: + Щоб використовувати xAI як типовий провайдер TTS: ```json5 { @@ -241,22 +244,66 @@ Responses API для моделей, пошуку й інструментів в OpenClaw використовує пакетний ендпоінт xAI `/v1/tts`. xAI також пропонує потоковий TTS через WebSocket, але контракт провайдера мовлення OpenClaw наразі очікує - завершений аудіобуфер перед доставкою відповіді. + повний аудіобуфер перед доставкою відповіді. + + + + + + Вбудований плагін `xai` реєструє пакетне перетворення мовлення в текст через + поверхню транскрипції для розуміння медіа в OpenClaw. + + - Типова модель: `grok-stt` + - Ендпоінт: xAI REST `/v1/stt` + - Шлях введення: multipart-завантаження аудіофайлу + - Підтримується в OpenClaw скрізь, де транскрипція вхідного аудіо використовує + `tools.media.audio`, включно з сегментами голосових каналів Discord і + аудіовкладеннями каналів + + Щоб примусово використовувати xAI для транскрипції вхідного аудіо: + + ```json5 + { + tools: { + media: { + audio: { + models: [ + { + type: "provider", + provider: "xai", + model: "grok-stt", + }, + ], + }, + }, + }, + } + ``` + + Мову можна передавати через спільну конфігурацію аудіомедіа або в запиті + транскрипції для кожного виклику. Підказки prompt приймаються спільною поверхнею OpenClaw, + але інтеграція xAI REST STT передає лише файл, модель і + мову, оскільки саме вони добре зіставляються з поточним публічним ендпоінтом xAI. + + + xAI також пропонує потоковий STT через `wss://api.x.ai/v1/stt`. Вбудований + плагін xAI в OpenClaw поки що цього не надає; поточний провайдер — це пакетний + STT для транскрипції файлів/сегментів. Вбудований плагін xAI надає `x_search` як інструмент OpenClaw для пошуку - вмісту X (раніше Twitter) через Grok. + контенту X (раніше Twitter) через Grok. Шлях конфігурації: `plugins.entries.xai.config.xSearch` - | Ключ | Тип | Стандартне значення | Опис | + | Ключ | Тип | Типово | Опис | | ------------------ | ------- | ------------------ | ------------------------------------ | | `enabled` | boolean | — | Увімкнути або вимкнути x_search | - | `model` | string | `grok-4-1-fast` | Модель для запитів x_search | - | `inlineCitations` | boolean | — | Додавати вбудовані цитати в результати | + | `model` | string | `grok-4-1-fast` | Модель, що використовується для запитів x_search | + | `inlineCitations` | boolean | — | Додавати вбудовані цитування в результати | | `maxTurns` | number | — | Максимальна кількість ходів розмови | | `timeoutSeconds` | number | — | Тайм-аут запиту в секундах | | `cacheTtlMinutes` | number | — | Час життя кешу в хвилинах | @@ -283,19 +330,19 @@ Responses API для моделей, пошуку й інструментів в Вбудований плагін xAI надає `code_execution` як інструмент OpenClaw для - віддаленого виконання коду в ізольованому середовищі xAI. + віддаленого виконання коду в середовищі sandbox xAI. Шлях конфігурації: `plugins.entries.xai.config.codeExecution` - | Ключ | Тип | Стандартне значення | Опис | - | ----------------- | ------- | ------------------------- | ----------------------------------------- | - | `enabled` | boolean | `true` (якщо ключ доступний) | Увімкнути або вимкнути виконання коду | - | `model` | string | `grok-4-1-fast` | Модель для запитів виконання коду | - | `maxTurns` | number | — | Максимальна кількість ходів розмови | - | `timeoutSeconds` | number | — | Тайм-аут запиту в секундах | + | Ключ | Тип | Типово | Опис | + | ----------------- | ------- | ------------------------ | ---------------------------------------------- | + | `enabled` | boolean | `true` (якщо ключ доступний) | Увімкнути або вимкнути виконання коду | + | `model` | string | `grok-4-1-fast` | Модель, що використовується для запитів виконання коду | + | `maxTurns` | number | — | Максимальна кількість ходів розмови | + | `timeoutSeconds` | number | — | Тайм-аут запиту в секундах | - Це віддалене виконання в пісочниці xAI, а не локальний [`exec`](/uk/tools/exec). + Це віддалене виконання в sandbox xAI, а не локальний [`exec`](/uk/tools/exec). ```json5 @@ -318,41 +365,41 @@ Responses API для моделей, пошуку й інструментів в - - Автентифікація наразі підтримується лише через API-ключ. У - OpenClaw поки що немає потоку xAI OAuth або device-code. + - Наразі автентифікація підтримує лише API-ключ. Потоків xAI OAuth або device-code в + OpenClaw поки що немає. - `grok-4.20-multi-agent-experimental-beta-0304` не підтримується на - звичайному шляху провайдера xAI, оскільки для нього потрібна інша апстримна поверхня API, + звичайному шляху провайдера xAI, оскільки він потребує іншої верхньорівневої API-поверхні, ніж стандартний транспорт xAI в OpenClaw. - - xAI STT і голос Realtime ще не зареєстровані як провайдери OpenClaw. - Для них потрібні контракти транскрибування/сесій, а не наявна форма - пакетного TTS-провайдера. - - `quality` для зображень xAI, `mask` для зображень і додаткові суто нативні співвідношення сторін - не доступні, доки спільний інструмент `image_generate` не отримає - відповідні міжпровайдерні елементи керування. + - Потокові STT і Realtime voice від xAI ще не зареєстровані як провайдери + OpenClaw. Пакетний xAI STT зареєстровано через розуміння медіа. + Потокові STT і Realtime voice потребують зіставлення контракту WebSocket/сесії. + - `quality` зображень xAI, `mask` зображень та додаткові нативні співвідношення сторін + не надаються, доки спільний інструмент `image_generate` не отримає відповідні + міжпровайдерні елементи керування. - - - OpenClaw автоматично застосовує специфічні для xAI виправлення сумісності - схеми інструментів і викликів інструментів на спільному шляху виконання. - - Нативні запити xAI за замовчуванням використовують `tool_stream: true`. Установіть + + - OpenClaw автоматично застосовує специфічні для xAI виправлення сумісності схем інструментів і викликів інструментів + на спільному шляху виконання. + - Нативні запити xAI типово використовують `tool_stream: true`. Установіть `agents.defaults.models["xai/"].params.tool_stream` у `false`, щоб вимкнути це. - - Вбудована обгортка xAI прибирає непідтримувані строгі прапорці схем інструментів і + - Вбудована обгортка xAI видаляє непідтримувані прапорці strict tool-schema і ключі payload reasoning перед надсиланням нативних запитів xAI. - - `web_search`, `x_search` і `code_execution` доступні як інструменти OpenClaw. - OpenClaw вмикає конкретний вбудований інструмент xAI, який потрібен, у межах кожного - запиту інструмента замість додавання всіх нативних інструментів до кожного ходу чату. + - `web_search`, `x_search` і `code_execution` надаються як інструменти + OpenClaw. OpenClaw вмикає конкретний вбудований механізм xAI, який йому потрібен, у кожному + запиті інструмента, замість того щоб додавати всі нативні інструменти до кожного ходу чату. - `x_search` і `code_execution` належать вбудованому плагіну xAI, а не - жорстко закодовані в основному runtime моделей. - - `code_execution` — це віддалене виконання в пісочниці xAI, а не локальний + жорстко вбудовані в основне середовище виконання моделей. + - `code_execution` — це віддалене виконання в sandbox xAI, а не локальний [`exec`](/uk/tools/exec). -## Тестування в реальному середовищі +## Живе тестування -Шляхи xAI для медіа покриті unit-тестами та opt-in live-наборами. Live-команди -завантажують секрети з вашої оболонки входу, зокрема з `~/.profile`, перед +Шляхи медіа xAI покриваються модульними тестами та живими наборами, що вмикаються за потреби. Живі +команди завантажують секрети з вашої оболонки входу, включно з `~/.profile`, перед перевіркою `XAI_API_KEY`. ```bash @@ -361,10 +408,11 @@ OPENCLAW_LIVE_TEST=1 OPENCLAW_LIVE_TEST_QUIET=1 pnpm test:live -- extensions/xai OPENCLAW_LIVE_TEST=1 OPENCLAW_LIVE_TEST_QUIET=1 OPENCLAW_LIVE_IMAGE_GENERATION_PROVIDERS=xai pnpm test:live -- test/image-generation.runtime.live.test.ts ``` -Специфічний для провайдера live-файл синтезує звичайний TTS, PCM-дружній до телефонії -TTS, генерацію тексту в зображення та редагування еталонного зображення. Спільний live-файл -для зображень перевіряє того самого провайдера xAI через вибір runtime OpenClaw, -резервне перемикання, нормалізацію та шлях вкладення медіа. +Специфічний для провайдера живий файл синтезує звичайний TTS, зручний для телефонії PCM +TTS, транскрибує аудіо через xAI STT, генерує результат text-to-image і +редагує reference-зображення. Спільний живий файл зображень перевіряє той самий провайдер xAI +через вибір середовища виконання OpenClaw, резервне перемикання, нормалізацію та +шлях вкладення медіа. ## Пов’язане @@ -373,12 +421,12 @@ TTS, генерацію тексту в зображення та редагув Вибір провайдерів, посилань на моделі та поведінки резервного перемикання. - Параметри спільного інструмента відео та вибір провайдера. + Спільні параметри інструмента відео та вибір провайдера. Ширший огляд провайдерів. - Поширені проблеми та способи їх вирішення. + Поширені проблеми та способи виправлення. diff --git a/docs/uk/tools/media-overview.md b/docs/uk/tools/media-overview.md index c1e975de0..1fcbd85d4 100644 --- a/docs/uk/tools/media-overview.md +++ b/docs/uk/tools/media-overview.md @@ -1,67 +1,67 @@ --- read_when: - Шукаєте огляд медіаможливостей - - Вирішуєте, якого постачальника медіа налаштувати + - Вирішуєте, якого провайдера медіа налаштувати - Розумієте, як працює асинхронна генерація медіа -summary: Єдина цільова сторінка для можливостей генерації медіа, розуміння та мовлення +summary: Уніфікована цільова сторінка для можливостей генерації медіа, розуміння та мовлення title: Огляд медіа x-i18n: - generated_at: "2026-04-22T23:11:28Z" + generated_at: "2026-04-23T00:07:55Z" model: gpt-5.4 provider: openai - source_hash: f73028cdcb5f7ab7692253f6b95ccde058cd37af1c93cdab6b01e6d2a0498539 + source_hash: 9365fe6fd57d08806d91221a7e198dd4df40ec87d81039883b72d9704cd9656f 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, на основі розмови, і кожен інструмент з’являється лише тоді, коли налаштовано принаймні одного базового постачальника. +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, на основі розмови, а кожен інструмент з’являється лише тоді, коли налаштовано принаймні одного базового провайдера. ## Можливості з першого погляду -| Можливість | Інструмент | Постачальники | Що робить | +| Можливість | Інструмент | Провайдери | Що робить | | -------------------- | ---------------- | -------------------------------------------------------------------------------------------- | ------------------------------------------------------- | -| Генерація зображень | `image_generate` | ComfyUI, fal, Google, MiniMax, OpenAI, Vydra, xAI | Створює або редагує зображення з текстових запитів чи референсів | +| Генерація зображень | `image_generate` | ComfyUI, fal, Google, MiniMax, OpenAI, Vydra, xAI | Створює або редагує зображення з текстових запитів чи посилань | | 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 | | Синтез мовлення (TTS) | `tts` | ElevenLabs, Microsoft, MiniMax, OpenAI, xAI | Перетворює вихідні відповіді на озвучене аудіо | -| Розуміння медіа | (автоматично) | Будь-який постачальник моделей із підтримкою зору/аудіо, а також резервні варіанти CLI | Узагальнює вхідні зображення, аудіо та відео | +| Розуміння медіа | (автоматично) | Будь-який провайдер моделей із підтримкою візуального чи аудіовводу, а також резервні варіанти CLI | Узагальнює вхідні зображення, аудіо та відео | -## Матриця можливостей постачальників +## Матриця можливостей провайдерів -Ця таблиця показує, які постачальники підтримують які медіаможливості на платформі. +Ця таблиця показує, які провайдери підтримують які медіаможливості на платформі. -| Постачальник | Зображення | Відео | Музика | TTS | STT / Транскрибування | Розуміння медіа | -| ------------ | ---------- | ----- | ------ | --- | --------------------- | --------------- | -| Alibaba | | Yes | | | | | -| BytePlus | | Yes | | | | | -| ComfyUI | Yes | Yes | Yes | | | | -| Deepgram | | | | | Yes | | -| ElevenLabs | | | | Yes | | | -| fal | Yes | Yes | | | | | -| Google | Yes | Yes | Yes | | | Yes | -| Microsoft | | | | Yes | | | -| MiniMax | Yes | Yes | Yes | Yes | | | -| OpenAI | Yes | Yes | | Yes | Yes | Yes | -| Qwen | | Yes | | | | | -| Runway | | Yes | | | | | -| Together | | Yes | | | | | -| Vydra | Yes | Yes | | | | | -| xAI | Yes | Yes | | Yes | | | +| Провайдер | Зображення | Відео | Музика | TTS | STT / Транскрибування | Розуміння медіа | +| ---------- | ----- | ----- | ----- | --- | ------------------- | ------------------- | +| Alibaba | | Так | | | | | +| BytePlus | | Так | | | | | +| ComfyUI | Так | Так | Так | | | | +| Deepgram | | | | | Так | | +| ElevenLabs | | | | Так | | | +| fal | Так | Так | | | | | +| Google | Так | Так | Так | | | Так | +| Microsoft | | | | Так | | | +| MiniMax | Так | Так | Так | Так | | | +| OpenAI | Так | Так | | Так | Так | Так | +| Qwen | | Так | | | | | +| Runway | | Так | | | | | +| Together | | Так | | | | | +| Vydra | Так | Так | | | | | +| xAI | Так | Так | | Так | Так | Так | -Для розуміння медіа використовуються будь-які моделі з підтримкою зору або аудіо, зареєстровані у вашій конфігурації постачальників. У таблиці вище виділено постачальників із виділеною підтримкою розуміння медіа; більшість постачальників LLM із мультимодальними моделями (Anthropic, Google, OpenAI тощо) також можуть розуміти вхідні медіа, якщо вони налаштовані як активна модель для відповідей. +Для розуміння медіа використовується будь-яка модель із підтримкою візуального або аудіовводу, зареєстрована у вашій конфігурації провайдера. У таблиці вище виділено провайдерів зі спеціальною підтримкою розуміння медіа; більшість провайдерів LLM із мультимодальними моделями (Anthropic, Google, OpenAI тощо) також можуть розуміти вхідні медіа, якщо налаштовані як активна модель для відповідей. ## Як працює асинхронна генерація -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 ID завдання та відстежує роботу в журналі завдань. Агент продовжує відповідати на інші повідомлення, поки завдання виконується. Коли постачальник завершує роботу, OpenClaw активує агента, щоб він міг опублікувати готовий медіафайл назад в оригінальний канал. Генерація зображень і TTS є синхронними та завершуються безпосередньо в межах відповіді. +Генерація відео та музики виконується як фонові завдання, оскільки обробка на боці провайдера зазвичай триває від 30 секунд до кількох хвилин. Коли агент викликає `video_generate` або `music_generate`, OpenClaw надсилає запит провайдеру, негайно повертає ідентифікатор завдання та відстежує це завдання в журналі завдань. Агент продовжує відповідати на інші повідомлення, поки завдання виконується. Коли провайдер завершує роботу, OpenClaw пробуджує агента, щоб він міг опублікувати готовий медіарезультат назад у вихідний канал. Генерація зображень і TTS є синхронними та завершуються в межах відповіді. -xAI наразі зіставляється з поверхнями OpenClaw для зображень, відео, пошуку, виконання коду та -пакетного TTS. xAI STT і Realtime voice є можливостями на боці апстриму, але -вони не зареєстровані в OpenClaw, доки спільні контракти транскрибування та realtime -voice не зможуть їх представляти. +xAI наразі зіставляється з поверхнями OpenClaw для зображень, відео, пошуку, виконання коду, пакетного +TTS і пакетного STT. Потоковий STT та Realtime voice для xAI є +можливостями на боці провайдера, але вони не реєструються в OpenClaw, доки спільні +контракти для потокового транскрибування та голосу в реальному часі не зможуть їх подати. ## Швидкі посилання