画像とメディア対応 — 2025-12-05

WhatsApp チャンネルは Baileys Web で動作しています。このドキュメントでは、送信・Gateway・エージェント返信における現在のメディア処理ルールを説明します。

目的

openclaw message send --media <path-or-url> [--message <caption>]
- --media は任意。キャプションを空にしてメディアのみの送信も可能。
- --dry-run で解決済みペイロードを表示。--json で { channel, to, messageId, mediaUrl, caption } を出力。

入力: ローカルファイルパスまたは HTTP(S) URL。
フロー: Buffer に読み込み、メディア種別を検出し、適切なペイロードを構築:
- 画像: JPEG にリサイズ・再圧縮（最大辺 2048px）、agents.defaults.mediaMaxMb（デフォルト 5 MB）を目標、上限 6 MB。
- 音声/ボイス/動画: 16 MB まではパススルー。音声はボイスメモとして送信（ptt: true）。
- ドキュメント: その他すべて、100 MB まで。可能な場合はファイル名を保持。
WhatsApp GIF 風再生: gifPlayback: true で MP4 を送信（CLI: --gif-playback）すると、モバイルクライアントでインラインループ再生されます。
MIME 検出はマジックバイト、次にヘッダー、次にファイル拡張子の優先順で行われます。
キャプションは --message または reply.text から取得。空のキャプションも許可されます。
ログ: 非 verbose では ↩️/✅ を表示。verbose ではサイズとソースパス/URL も含まれます。

受信 Web メッセージにメディアが含まれている場合、OpenClaw は一時ファイルにダウンロードし、テンプレート変数を公開します。
- {{MediaUrl}} 受信メディアの擬似 URL。
- {{MediaPath}} コマンド実行前に書き込まれるローカル一時パス。
セッションごとの Docker サンドボックスが有効な場合、受信メディアはサンドボックスワークスペースにコピーされ、MediaPath/MediaUrl は media/inbound/<filename> のような相対パスに書き換えられます。
メディア理解（tools.media.* または共有の tools.media.models で設定）はテンプレート処理前に実行され、Body に [Image]、[Audio]、[Video] ブロックを挿入できます。
- 音声は {{Transcript}} を設定し、スラッシュコマンドが動作するようコマンド解析にトランスクリプトを使用します。
- 動画と画像の説明は、コマンド解析用にキャプションテキストを保持します。
デフォルトでは最初にマッチした画像/音声/動画の添付ファイルのみ処理されます。複数の添付ファイルを処理するには tools.media.<cap>.attachments を設定してください。

送信上限（WhatsApp Web 送信）

メディア理解の上限（文字起こし/説明）