ANLEITUNG

Ein discord.js-TTS-Bot, der KI-Stimmen in einen Sprachkanal streamt

Ein Text-to-Speech-Bot gehört zu den beliebtesten Discord-Bots: Er tritt dem Sprachkanal bei und liest vor, was stumme Mitglieder tippen. Mit einem eigenen Bot wählen Sie die Stimme: einen Erzähler, einen Ansager, eine Spiel- oder Anime-Figur oder die eigene Stimme Ihres Servers.

Diese Anleitung baut einen mit discord.js und @discordjs/voice. Den Ton liefert die Sprach-API von SuperClonica, die nach unseren Messungen ab etwa 300 ms Sprache streamt, sodass der Bot fast sofort nach einer Nachricht spricht.

Kostenlosen API-Schlüssel holen Stimme wählen Oder die Engine selbst betreiben

Was Sie brauchen

Node.js 18 oder neuer, eine Bot-Anwendung im Discord Developer Portal mit aktiviertem Message-Content-Intent und eine Einladung mit den Rechten Verbinden und Sprechen. Dann installieren Sie:

npm install discord.js @discordjs/voice @discordjs/opus ffmpeg-static

Laut README von @discordjs/voice braucht es eine Opus-Bibliothek wie @discordjs/opus und FFmpeg, das ffmpeg-static liefert; die DAVE-Bibliothek für Ende-zu-Ende-Verschlüsselung ist vorinstalliert. Erstellen Sie auf der Seite der Sprach-API einen SuperClonica-API-Schlüssel; er ist kostenlos und braucht keine Karte.

Der Bot

Setzen Sie DISCORD_TOKEN, TTS_CHANNEL_ID (der vorzulesende Textkanal), SUPERCLONICA_KEY und VOICE_ID, die ID von der Seite der gewählten Katalogstimme, und starten Sie die Datei mit node:

import { Client, GatewayIntentBits } from "discord.js";
import { joinVoiceChannel, createAudioPlayer, createAudioResource, AudioPlayerStatus, getVoiceConnection } from "@discordjs/voice";
import { Readable } from "node:stream";

const client = new Client({ intents: [GatewayIntentBits.Guilds, GatewayIntentBits.GuildMessages,
  GatewayIntentBits.MessageContent, GatewayIntentBits.GuildVoiceStates] });
const player = createAudioPlayer();
const queue = [];

async function speak(text) {
  const answer = await fetch("https://superclonica.com/api/v1/speech", {
    method: "POST",
    headers: { Authorization: "Bearer " + process.env.SUPERCLONICA_KEY, "Content-Type": "application/json" },
    body: JSON.stringify({ text, voice: process.env.VOICE_ID, language: "en", stream: true }),
  });
  if (!answer.ok) throw new Error(await answer.text());
  return createAudioResource(Readable.fromWeb(answer.body));
}

player.on(AudioPlayerStatus.Idle, async () => {
  const next = queue.shift();
  if (next) player.play(await next());
});

client.on("messageCreate", async (message) => {
  if (message.author.bot || message.channelId !== process.env.TTS_CHANNEL_ID) return;
  const channel = message.member?.voice.channel;
  if (!channel) return;
  const connection = getVoiceConnection(message.guildId) ?? joinVoiceChannel({
    channelId: channel.id, guildId: message.guildId, adapterCreator: message.guild.voiceAdapterCreator });
  connection.subscribe(player);
  const job = () => speak(message.member.displayName + " says: " + message.cleanContent.slice(0, 300));
  if (player.state.status === AudioPlayerStatus.Idle && queue.length === 0) player.play(await job());
  else queue.push(job);
});

client.login(process.env.DISCORD_TOKEN);

Jede Nachricht wird zu einer Anfrage mit "stream": true. Die API antwortet mit einem Ogg-Stream, den @discordjs/voice über FFmpeg umwandelt und schon beim Eintreffen abspielt; Nachrichten, die kommen, während der Bot spricht, warten in einer Warteschlange.

Stimmen und Tarife

Jede Stimme des SuperClonica-Katalogs funktioniert über die API mit ihrer ID, in jedem Tarif und ohne Kauf; Sie können auch eine Stimme aus Ihrer eigenen Aufnahme trainieren und dem Bot geben. Der kostenlose Schlüssel gibt eine Minute Audio pro Tag. Start für 5 $ im Monat gibt bis zu 3 Minuten Sprache in jedem 10-Minuten-Fenster, die größeren Tarife 8, 20 oder 65 Minuten. Ist ein Fenster aufgebraucht, antwortet die API mit 429 und Retry-After, berechnet wird nichts.

Ganz ohne API geht es mit der kostenlosen SuperClonica-Engine auf Ihrem Rechner; die Anleitung zum Python-TTS-Bot zeigt die Offline-Version.