TTS API за Discord бот: пълно ръководство за настройка с discord.js (2026)
Създайте Discord бот, който синтезира реч и я възпроизвежда в гласов канал, като използва Audexum TTS API и discord.js. Включен е пълен работещ код.
Вграденото TTS в Discord (/tts) е полезен в продължение на пет минути, преди да започне да е досаден. Ако искате бот, който говори в гласов канал с истински човешки глас, а не с роботизирания браузърен TTS, ще ви е необходим външен TTS API. Това ръководство описва пълната настройка: избор на TTS API, интегрирането му с discord.js v14 и възпроизвеждането на аудио в гласов канал. Целият код е готов за копиране и поставяне.
Какво ви е необходимо
- Node.js 18+
- A Discord bot application and token
- A TTS API key (Audexum free tier works: 2,000 free credits + 250 a day, no credit card)
- @discordjs/voice, discord.js, @discordjs/opus, and ffmpeg-static packages
Работният процес на бота е: потребителят въвежда команда → ботът извиква TTS API → получава MP3 аудио → възпроизвежда го в текущия гласов канал на потребителя.
Избор на TTS API за вашия Discord бот
Основните ограничения при използване на Discord бот са: латентност (гласовите канали са интерактивни), цена при мащаб (ботовете могат бързо да генерират много аудио) и простота (не ви е нужно клониране на глас; трябва ви надеждна REST крайна точка).
При Discord ботовете латентността е по-важна, отколкото при пакетни pipeline-и. Разликата между доставчиците е осезаема: всичко над 1 секунда се усеща като бавно в интерактивна гласов разговори. REST API на Audexum е най-лесният за интегриране: не е необходим SDK, удостоверяване с Bearer token, отговор с двоично аудио.
Вижте Audexum срещу ElevenLabs за подробен разчет на разходите.
Настройка на проекта
mkdir discord-tts-bot && cd discord-tts-bot
npm init -y
npm install discord.js @discordjs/voice @discordjs/opus ffmpeg-static dotenvСъздайте .env файл:
DISCORD_TOKEN=your_discord_bot_token
DISCORD_CLIENT_ID=your_application_client_id
AUDEXUM_API_KEY=your_audexum_api_keyВземете своя API ключ за Audexum от audexum.com/signup. Безплатният план (бонус от 2 000 кредита при регистрация, още 250 при създаване на първия API ключ и 250 кредита ежедневно) е достатъчен за прототипиране на бот.
TTS помощникът
Създаване tts.js. Това обработва API извикването и връща поток, който може да се прочете за възпроизвеждане на аудиото:
// tts.js
const { Readable } = require("stream");
const AUDEXUM_API = "https://audexum.com/api/synthesize";
async function synthesize(text, voiceId = "af_heart") {
const response = await fetch(AUDEXUM_API, {
method: "POST",
headers: {
Authorization: `Bearer ${process.env.AUDEXUM_API_KEY}`,
"Content-Type": "application/json",
},
body: JSON.stringify({
text,
voice: voiceId,
format: "mp3",
}),
});
if (!response.ok) {
const body = await response.text();
throw new Error(`Audexum API error ${response.status}: ${body}`);
}
// Convert the fetch body (Web ReadableStream) to a Node.js Readable
return Readable.fromWeb(response.body);
}
module.exports = { synthesize };Ботът: възпроизвеждане в гласов канал
Създаване bot.js, който обработва командите на Discord и насочва TTS аудиото към гласов канал:
// bot.js
require("dotenv").config();
const {
Client, GatewayIntentBits, REST, Routes, SlashCommandBuilder,
} = require("discord.js");
const {
joinVoiceChannel, createAudioPlayer, createAudioResource,
AudioPlayerStatus, StreamType,
} = require("@discordjs/voice");
const { synthesize } = require("./tts");
const client = new Client({
intents: [
GatewayIntentBits.Guilds,
GatewayIntentBits.GuildVoiceStates,
GatewayIntentBits.GuildMessages,
],
});
async function registerCommands() {
const commands = [
new SlashCommandBuilder()
.setName("speak")
.setDescription("Speak text in your current voice channel")
.addStringOption((opt) =>
opt.setName("text").setDescription("What to say").setRequired(true).setMaxLength(500)
)
.addStringOption((opt) =>
opt.setName("voice").setDescription("Voice ID (optional)").setRequired(false)
)
.toJSON(),
];
const rest = new REST().setToken(process.env.DISCORD_TOKEN);
await rest.put(Routes.applicationCommands(process.env.DISCORD_CLIENT_ID), { body: commands });
console.log("Slash commands registered.");
}
client.once("ready", async () => {
console.log(`Logged in as ${client.user.tag}`);
await registerCommands();
});
client.on("interactionCreate", async (interaction) => {
if (!interaction.isChatInputCommand() || interaction.commandName !== "speak") return;
const voiceChannel = interaction.member?.voice?.channel;
if (!voiceChannel) {
return interaction.reply({ content: "You need to be in a voice channel first.", ephemeral: true });
}
const text = interaction.options.getString("text");
const voiceId = interaction.options.getString("voice") ?? "af_heart";
await interaction.deferReply({ ephemeral: true });
try {
const audioStream = await synthesize(text, voiceId);
const connection = joinVoiceChannel({
channelId: voiceChannel.id,
guildId: interaction.guildId,
adapterCreator: interaction.guild.voiceAdapterCreator,
selfDeaf: false,
});
const player = createAudioPlayer();
const resource = createAudioResource(audioStream, { inputType: StreamType.Arbitrary });
player.play(resource);
connection.subscribe(player);
player.on(AudioPlayerStatus.Idle, () => connection.destroy());
player.on("error", (err) => { console.error("Player error:", err); connection.destroy(); });
await interaction.editReply({ content: `Speaking: "${text}"` });
} catch (err) {
console.error("TTS error:", err);
await interaction.editReply({ content: "Failed to synthesize audio. Check logs." });
}
});
client.login(process.env.DISCORD_TOKEN);Стартиране на бота
node bot.jsВ Discord въведете /speak text:Hello, this is your TTS bot докато сте в гласов канал. Ботът се присъединява, произнася текста и след това напуска канала.
Планиране на разхода от знаци за Discord ботове
Discord ботовете могат да използват знаци по-бързо, отколкото очаквате. Няколко примера:
За малка общност със случайна употреба стигат 250-те безплатни кредита на ден от Audexum (плюс 2 000 в началото). За активен геймърски сървър реалистичният диапазон е пакетът за €29/месец (1,2M кредита). Вижте audexum.com/pricing за пълните подробности по пакетите.
Тук се прилага и програмата за препоръки: споделете своя код за препоръки на Audexum с общността си. Всяка регистрация с вашия код дава допълнителни безплатни кредити на двата акаунта, в допълнение към месечната предоставка. За Discord сървър това може да означава постоянно безплатно използване.
Добавяне на избор на глас за потребителите
Често срещаният подход е да позволите на потребителите да избират от списък с гласове. Разширете опциите на slash командата:
.addStringOption((opt) =>
opt
.setName("voice")
.setDescription("Choose a voice")
.setRequired(false)
.addChoices(
{ name: "Heart (American · F)", value: "af_heart" },
{ name: "Michael (American · M)", value: "am_michael" },
{ name: "Emma (British · F)", value: "bf_emma" },
{ name: "George (British · M)", value: "bm_george" }
)
)Проверете пълния списък с гласове на audexum.com/docs. С 43 гласа на 32 езика можете да поддържате многоезични общности с един бот.
Корректна обработка на ограниченията на честотата и грешките
Добавете проста retry обвивка около API извикването за production ботове:
async function synthesizeWithRetry(text, voiceId, maxRetries = 2) {
for (let attempt = 0; attempt <= maxRetries; attempt++) {
try {
return await synthesize(text, voiceId);
} catch (err) {
if (attempt === maxRetries) throw err;
await new Promise((r) => setTimeout(r, 1000));
}
}
}При ботове с висок трафик проследявайте използването на знаци в собствената си база данни и изпращайте предупреждение, преди да достигнете лимитите на пакета.
Алтернативи за TTS в Discord ботове
- Google Cloud TTS: Най-голям безплатен обем (4M стандартни + 1M WaveNet/Neural2 символа на месец), изисква платежен акаунт. Незначително по-сложна настройка със SDK, но надеждно при мащабиране.
- OpenAI TTS: Без безплатен пакет, $15/1M знака. Оправдано, ако вече плащате за APIта на OpenAI и искате да обедините сметките. Добро качество на гласа за по-дълги фрази.
- ElevenLabs: Високо качество на гласа, 10K безплатни знака без търговски права. При мащаб на бот цената бързо става висока. Пълното сравнение е тук.
- Самостоятелно хостване (Coqui/Piper): Без разходи за API след стартиране, но изисква сървър с GPU или CPU ресурси, непрекъсната поддръжка и управление на моделите.
Внедряване на бота
За production стартирайте бота като процес, управляван от pm2:
pm2 start bot.js --name discord-tts-bot
pm2 saveУверете се, че вашият .env файл е защитен (chmod 600 .env) и не е добавен във version control.
От Petar, основател на Audexum. Сценарият с Discord бот беше едно от първите неща, за които хората попитаха след стартирането. Това ръководство описва точно това, което ми се беше искало да съществува, когато изграждах първата интеграция.
Got any questions left?
Споделете обратна връзка
Беше ли ви полезна тази статия?