การจับภาพจากกล้อง

OpenClaw รองรับ การถ่ายภาพจากกล้อง สำหรับเวิร์กโฟลว์ของเอเจนต์:

• iOS Node (จับคู่ผ่าน Gateway): ถ่าย ภาพถ่าย (jpg) หรือ คลิปวิดีโอสั้น (mp4 พร้อมเสียงหรือไม่ก็ได้) ผ่าน node.invoke
• Android Node (จับคู่ผ่าน Gateway): ถ่าย ภาพถ่าย (jpg) หรือ คลิปวิดีโอสั้น (mp4 พร้อมเสียงหรือไม่ก็ได้) ผ่าน node.invoke
• แอป macOS (Node ผ่าน Gateway): ถ่าย ภาพถ่าย (jpg) หรือ คลิปวิดีโอสั้น (mp4 พร้อมเสียงหรือไม่ก็ได้) ผ่าน node.invoke

การเข้าถึงกล้องทั้งหมดถูกควบคุมด้วย การตั้งค่าที่ผู้ใช้ควบคุมได้

# iOS Node

# การตั้งค่าของผู้ใช้ (เปิดโดยค่าเริ่มต้น)

• แท็บการตั้งค่า iOS → กล้อง → อนุญาตกล้อง (camera.enabled)
  • ค่าเริ่มต้น: เปิด (หากไม่มีคีย์นี้ จะถือว่าเปิดใช้งาน)
  • เมื่อปิด: คำสั่ง camera.* จะส่งคืน CAMERA_DISABLED

# คำสั่ง (ผ่าน Gateway node.invoke)

• camera.list

  • เพย์โหลดการตอบกลับ:
    • devices: อาร์เรย์ของ { id, name, position, deviceType }

• camera.snap

  • พารามิเตอร์:
    • facing: front|back (ค่าเริ่มต้น: front)
    • maxWidth: ตัวเลข (ไม่บังคับ; ค่าเริ่มต้น 1600 บน iOS Node)
    • quality: 0..1 (ไม่บังคับ; ค่าเริ่มต้น 0.9)
    • format: ปัจจุบันคือ jpg
    • delayMs: ตัวเลข (ไม่บังคับ; ค่าเริ่มต้น 0)
    • deviceId: สตริง (ไม่บังคับ; จาก camera.list)
  • เพย์โหลดการตอบกลับ:
    • format: "jpg"
    • base64: "<...>"
    • width, height
  • การป้องกันขนาดเพย์โหลด: ภาพถ่ายจะถูกบีบอัดใหม่เพื่อให้เพย์โหลด base64 มีขนาดต่ำกว่า 5 MB

• camera.clip

  • พารามิเตอร์:
    • facing: front|back (ค่าเริ่มต้น: front)
    • durationMs: ตัวเลข (ค่าเริ่มต้น 3000 และจำกัดค่าสูงสุดไว้ที่ 60000)
    • includeAudio: บูลีน (ค่าเริ่มต้น true)
    • format: ปัจจุบันคือ mp4
    • deviceId: สตริง (ไม่บังคับ; จาก camera.list)
  • เพย์โหลดการตอบกลับ:
    • format: "mp4"
    • base64: "<...>"
    • durationMs
    • hasAudio

# ข้อกำหนดเรื่องการอยู่เบื้องหน้า

เช่นเดียวกับ canvas.* iOS Node อนุญาตคำสั่ง camera.* เฉพาะเมื่ออยู่ใน เบื้องหน้า เท่านั้น การเรียกใช้เบื้องหลังจะส่งคืน NODE_BACKGROUND_UNAVAILABLE

# ตัวช่วย CLI (ไฟล์ชั่วคราว + MEDIA)

วิธีที่ง่ายที่สุดในการรับไฟล์แนบคือผ่านตัวช่วย CLI ซึ่งจะเขียนสื่อที่ถอดรหัสแล้วลงในไฟล์ชั่วคราวและพิมพ์ MEDIA:<path>

ตัวอย่าง:

openclaw nodes camera snap --node <id>               # default: both front + back (2 MEDIA lines)
openclaw nodes camera snap --node <id> --facing front
openclaw nodes camera clip --node <id> --duration 3000
openclaw nodes camera clip --node <id> --no-audio

หมายเหตุ:

• nodes camera snap ใช้ทั้ง สอง ทิศทางกล้องเป็นค่าเริ่มต้น เพื่อให้เอเจนต์มีภาพจากทั้งสองมุมมอง
• ไฟล์ผลลัพธ์เป็นไฟล์ชั่วคราว (ในไดเรกทอรีชั่วคราวของ OS) เว้นแต่คุณจะสร้าง wrapper ของคุณเอง

# Android Node

# การตั้งค่าของผู้ใช้ Android (เปิดโดยค่าเริ่มต้น)

• แผ่นการตั้งค่า Android → กล้อง → อนุญาตกล้อง (camera.enabled)
  • ค่าเริ่มต้น: เปิด (หากไม่มีคีย์นี้ จะถือว่าเปิดใช้งาน)
  • เมื่อปิด: คำสั่ง camera.* จะส่งคืน CAMERA_DISABLED

# สิทธิ์

• Android ต้องใช้สิทธิ์ขณะรันไทม์:
  • CAMERA สำหรับทั้ง camera.snap และ camera.clip
  • RECORD_AUDIO สำหรับ camera.clip เมื่อ includeAudio=true

หากไม่มีสิทธิ์ แอปจะแสดงพรอมป์เมื่อทำได้; หากถูกปฏิเสธ คำขอ camera.* จะล้มเหลวพร้อมข้อผิดพลาด *_PERMISSION_REQUIRED

# ข้อกำหนดเรื่องการอยู่เบื้องหน้าบน Android

เช่นเดียวกับ canvas.* Android Node อนุญาตคำสั่ง camera.* เฉพาะเมื่ออยู่ใน เบื้องหน้า เท่านั้น การเรียกใช้เบื้องหลังจะส่งคืน NODE_BACKGROUND_UNAVAILABLE

# คำสั่ง Android (ผ่าน Gateway node.invoke)

• camera.list
  • เพย์โหลดการตอบกลับ:
    • devices: อาร์เรย์ของ { id, name, position, deviceType }

# การป้องกันขนาดเพย์โหลด

ภาพถ่ายจะถูกบีบอัดใหม่เพื่อให้เพย์โหลด base64 มีขนาดต่ำกว่า 5 MB

# แอป macOS

# การตั้งค่าของผู้ใช้ (ปิดโดยค่าเริ่มต้น)

แอปคู่ขนานบน macOS แสดงช่องทำเครื่องหมาย:

• การตั้งค่า → ทั่วไป → อนุญาตกล้อง (openclaw.cameraEnabled)
  • ค่าเริ่มต้น: ปิด
  • เมื่อปิด: คำขอกล้องจะส่งคืน "กล้องถูกปิดใช้งานโดยผู้ใช้"

# ตัวช่วย CLI (การเรียกใช้ Node)

ใช้ CLI หลักของ openclaw เพื่อเรียกใช้คำสั่งกล้องบน macOS Node

ตัวอย่าง:

openclaw nodes camera list --node <id>            # list camera ids
openclaw nodes camera snap --node <id>            # prints MEDIA:<path>
openclaw nodes camera snap --node <id> --max-width 1280
openclaw nodes camera snap --node <id> --delay-ms 2000
openclaw nodes camera snap --node <id> --device-id <id>
openclaw nodes camera clip --node <id> --duration 10s          # prints MEDIA:<path>
openclaw nodes camera clip --node <id> --duration-ms 3000      # prints MEDIA:<path> (legacy flag)
openclaw nodes camera clip --node <id> --device-id <id>
openclaw nodes camera clip --node <id> --no-audio

หมายเหตุ:

• openclaw nodes camera snap ใช้ค่าเริ่มต้นเป็น maxWidth=1600 เว้นแต่จะถูกแทนที่
• บน macOS, camera.snap จะรอ delayMs (ค่าเริ่มต้น 2000ms) หลังจากการวอร์มอัป/การปรับแสงนิ่งแล้วก่อนถ่ายภาพ
• เพย์โหลดภาพถ่ายจะถูกบีบอัดใหม่เพื่อให้ base64 มีขนาดต่ำกว่า 5 MB

# ความปลอดภัย + ขีดจำกัดเชิงปฏิบัติ

• การเข้าถึงกล้องและไมโครโฟนจะเรียกพรอมป์สิทธิ์ตามปกติของ OS (และต้องมีสตริงการใช้งานใน Info.plist)
• คลิปวิดีโอถูกจำกัดความยาว (ปัจจุบัน <= 60s) เพื่อหลีกเลี่ยงเพย์โหลด Node ที่มีขนาดใหญ่เกินไป (โอเวอร์เฮด base64 + ขีดจำกัดข้อความ)

# วิดีโอหน้าจอ macOS (ระดับ OS)

สำหรับวิดีโอ หน้าจอ (ไม่ใช่กล้อง) ให้ใช้แอปคู่ขนานบน macOS:

openclaw nodes screen record --node <id> --duration 10s --fps 15   # prints MEDIA:<path>

หมายเหตุ:

• ต้องใช้สิทธิ์ การบันทึกหน้าจอ ของ macOS (TCC)

# ที่เกี่ยวข้อง

• การรองรับรูปภาพและสื่อ
• การทำความเข้าใจสื่อ
• คำสั่งตำแหน่งที่ตั้ง