РУКОВОДСТВО

TTS-бот на discord.js, который стримит AI-голоса в голосовой канал

Бот озвучки текста — один из самых популярных ботов Discord: он заходит в голосовой канал и читает то, что пишут участники без микрофона. Свой бот позволяет выбрать голос: диктора, анонсера, персонажа игры или аниме или собственный голос сервера.

В этом руководстве мы соберём такого бота на discord.js и @discordjs/voice. Звук даёт API озвучки SuperClonica, который по нашим замерам начинает стримить речь примерно через 300 мс, так что бот заговаривает почти сразу после сообщения.

Получить API-ключ бесплатно Выбрать голос Или запустить движок у себя

Что понадобится

Node.js 18 или новее, приложение-бот в Discord Developer Portal с включённым Message Content intent и приглашение с правами Connect и Speak. Затем установите:

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

Согласно README @discordjs/voice, ему нужна библиотека Opus, например @discordjs/opus, и FFmpeg, который даёт ffmpeg-static; библиотека сквозного шифрования DAVE ставится сама. Создайте API-ключ SuperClonica на странице API озвучки — это бесплатно и без карты.

Бот

Задайте DISCORD_TOKEN, TTS_CHANNEL_ID (текстовый канал для чтения), SUPERCLONICA_KEY и VOICE_ID — ID со страницы выбранного голоса каталога — и запустите файл через 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);

Каждое сообщение — это один запрос с "stream": true. API отвечает потоком Ogg, который @discordjs/voice перекодирует через FFmpeg и играет по мере получения; сообщения, пришедшие, пока бот говорит, ждут в очереди.

Голоса и тарифы

Любой голос каталога SuperClonica работает через API по своему ID, на любом тарифе и без покупки; можно и обучить голос по своей записи и отдать боту его. Бесплатный ключ даёт минуту звука в день. «Старт» за $5 в месяц даёт до 3 минут речи в каждом 10-минутном окне, тарифы старше — 8, 20 или 65 минут. Когда окно исчерпано, API отвечает 429 с Retry-After и ничего не списывает.

Чтобы обойтись совсем без API, используйте бесплатный движок SuperClonica на своём компьютере; офлайн-версию показывает руководство по TTS-боту на Python.