Mensagens de voz em bots do Telegram com vozes de IA
Um bot que responde com mensagem de voz parece vivo: um resumo matinal lido em voz alta, uma resposta na voz de um personagem, um exemplo de pronúncia para quem aprende um idioma. As APIs de voz na nuvem cobram cada mensagem e veem cada texto.
O motor gratuito SuperClonica dá voz ao texto do bot no seu próprio servidor, com vozes naturais ou de personagens. Este guia mostra como transformar uma resposta numa mensagem de voz do Telegram, como manter o bot rápido e como usar as vozes com respeito.
O que um bot de voz pode fazer
Respostas curtas funcionam melhor: uma mensagem de voz de poucas frases é mais fácil de ouvir que um monólogo.
- Responder perguntas com uma mensagem de voz em vez de um paredão de texto.
- Ler em voz alta notícias, posts ou um resumo diário.
- Falar como um personagem num bot de jogo ou de comunidade de fãs.
- Dar a quem aprende idiomas frases de exemplo em 31 idiomas.
Ouça as vozes grátis
Na página de qualquer voz, escreva uma resposta típica do bot de 30 a 100 caracteres, escolha o idioma e clique no botão para gerar. Em poucos segundos você ouve como seu bot soaria, sem conta.
Transforme texto em mensagem de voz
O WAV é só um arquivo intermediário; o Opus é leve e toca dentro do chat em qualquer app do Telegram.
- Instale o motor uma vez: python -m pip install superclonica-cpu.
- Crie-o uma vez, tts = Superclonica(), e gere cada resposta: audio, rate = tts.synthesize("Bom dia! Aqui está o seu resumo de hoje.", voice="F1", lang="pt"); tts.save("reply.wav", audio).
- O Telegram mostra como mensagens de voz os arquivos OGG com codec Opus, então converta com o ffmpeg: ffmpeg -i reply.wav -c:a libopus -b:a 48k reply.ogg.
- Envie o arquivo pelo método de mensagem de voz da sua biblioteca de bots, que chama o sendVoice da Telegram Bot API.
Mantenha o bot rápido
Carregar o motor leva alguns segundos, e cada resposta depois, uma fração de segundo: nos nossos testes uma frase curta levou 0,43 s com quatro threads de CPU. Com uma biblioteca assíncrona como aiogram ou python-telegram-bot, rode a síntese numa thread separada para o bot continuar respondendo outros chats. Faça cache das respostas que se repetem, porque o mesmo texto, voz e seed sempre dão o mesmo áudio. Se o seu bot não é escrito em Python, rode o motor como serviço HTTP local com a imagem Docker superclonica/superclonica:cpu e chame POST /synthesize.
Vozes, com respeito
As dez vozes padrão do modelo, M1 a M5 e F1 a F5, são gratuitas e servem para qualquer bot. As vozes de personagens do catálogo são feitas por fãs: use-as em bots de diversão em comunidades de fãs, não para se passar por alguém nem parecer oficial. Avise os usuários de que a voz é gerada e, para uma marca ou um bot público com muitos usuários, treine uma voz original a partir de um locutor que concordou ou encomende na bolsa.