第24回: Telegramを使いこなす — 画像・ファイル・ボタンUI

この回はレクチャー動画はありません。テキストのみとなります。

この回で学ぶこと

前回のおさらい

前回、OpenClawとTelegram Botを接続し、スマホから秘書にテキストメッセージを送って会話できるようになった。今回はテキスト以外のやりとり（画像・音声・ファイル・ボタン）を扱う。

画像の送信と分析

Telegramでは、テキストだけでなく画像も秘書に送ることができる。スマホで撮った写真をそのまま秘書に渡して「これ何？」と聞けるということ。

OpenClawには、テキスト用と画像用で2つのAIモデルを使い分ける仕組みがある。画像が送られてきたら、自動的に画像認識ができるモデルに切り替わる。特に自分で切り替え操作をする必要はない。

活用例：

文字の読み取り（OCR）は、専用の機能があるわけではなく、AIモデルの画像認識能力で実現している。 Claude SonnetやGPT-4oなどの上位モデルほど認識精度が高い。手書きの癖が強い文字や、解像度が低い画像は読み取れないこともある。

音声メッセージの送信

Telegramのマイクボタンを長押しして録音した音声メッセージも、秘書に送ることができる。OpenClawが自動で文字に起こしてから処理してくれる。

つまり、歩きながらスマホに向かって話しかけるだけで、秘書に指示が出せる。キーボードを打つ必要がない。

例えば「明日の会議の準備事項をまとめて」と声で伝えれば、秘書がその音声をテキストに変換し、内容を理解して回答を返してくれる。

音声の文字起こしには、OpenAIのWhisperやDeepgramなどの技術が使われている（読み飛ばしてOK：どの技術を使うかはOpenClawが自動で判断する。自分で設定する必要はない）。

注意点：

ファイルの送信と処理

Telegramのファイル添付機能を使って、ドキュメントを秘書に送ることもできる。

PDFファイルは標準対応。 PDFを送って「要約して」「重要なポイントを3つ教えて」と頼めば、内容を読み取って回答してくれる。契約書や報告書をスマホから送るだけでAIが処理してくれるので、PCを開く必要がない。

ただし、ExcelやWordファイルはそのままでは処理できない。 これらを扱うには追加のプラグイン（拡張機能）が必要になる。現時点ではPDFが最も確実に動くファイル形式。

ファイルサイズの制限：

通常のPDFであれば問題ないサイズだが、画像が大量に含まれた重いPDFは制限に引っかかることがある。

ボタンUI（インラインキーボード）

Telegramには「インラインキーボード」という機能がある。秘書がメッセージと一緒にボタンを表示し、タップするだけで回答できる仕組み。

活用例：

ボタンUIを使うと、テキストを打つ手間が省ける。特にスマホでの片手操作が快適になる。

ボタン機能は openclaw.json の設定で有効にする：

{
  "channels": {
    "telegram": {
      "capabilities": {
        "inlineButtons": "allowlist"
      }
    }
  }
}

設定値の意味：

まとめ

次回は、Telegram以外のチャネル（Discord・LINE・Slack）への展開方法を概要レベルで紹介する。

ゴール状態