Text-to-Speech-API für Discord-Bots: Komplette Einrichtungsanleitung mit discord.js (2026)
Entwickle einen Discord-Bot, der mit Audexums TTS API Sprache synthetisiert und in einem Sprachkanal abspielt. Der vollständige funktionierende Code ist enthalten.
Die integrierte TTS-Funktion von Discord (/tts) ist fünf Minuten lang nützlich, bevor es nervt. Wenn du einen Bot möchtest, der in einem Sprachkanal mit einer echten Stimme spricht (nicht mit der robotischen Browser-TTS), brauchst du eine externe TTS-API. Dieser Leitfaden behandelt die vollständige Einrichtung: Auswahl einer TTS-API, Integration mit discord.js v14 und Audiowiedergabe in einem Sprachkanal. Der gesamte Code ist kopierfertig.
Was du brauchst
- 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
Der Bot-Ablauf ist: Der Benutzer gibt einen Befehl ein → der Bot ruft die TTS-API auf → erhält MP3-Audio → spielt es im aktuellen Sprachkanal des Benutzers ab.
TTS-API für deinen Discord-Bot auswählen
Die wichtigsten Einschränkungen für den Einsatz mit Discord-Bots sind: Latenz (Sprachkanale sind interaktiv), Kosten im großen Maßstab (Bots können schnell viel Audio erzeugen) und Einfachheit (du brauchst kein Voice-Cloning, sondern einen zuverlässigen REST-Endpunkt).
Bei Discord-Bots ist Latenz wichtiger als bei Batch-Pipelines. Der Unterschied zwischen den Anbietern ist spürbar: Alles über 1 Sekunde fühlt sich in einer interaktiven Sprachsitzung träge an. Audexums REST-API lässt sich am einfachsten integrieren: kein SDK erforderlich, Bearer-Token-Authentifizierung, Binäraudio als Antwort.
Sieh Audexum vs. ElevenLabs für eine detaillierte Kostenaufstellung.
Projekteinrichtung
mkdir discord-tts-bot && cd discord-tts-bot
npm init -y
npm install discord.js @discordjs/voice @discordjs/opus ffmpeg-static dotenvErstelle eine .env Datei:
DISCORD_TOKEN=your_discord_bot_token
DISCORD_CLIENT_ID=your_application_client_id
AUDEXUM_API_KEY=your_audexum_api_keyHol dir deinen Audexum-API-Schlüssel von audexum.com/signup. Der kostenlose Tarif (ein 2.000-Credit-Startbonus, 250 weitere beim Erstellen deines ersten API-Keys und 250 Credits täglich) reicht, um einen Bot zu prototypen.
Der TTS-Helfer
Erstellen tts.js. Diese Komponente übernimmt den API-Aufruf und gibt einen lesbaren Stream zur Audiowiedergabe zurück:
// 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 };Der Bot: Wiedergabe im Sprachkanal
Erstellen bot.js, das Discord-Befehle verarbeitet und TTS-Audio in einen Sprachkanal leitet:
// 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);Bot ausführen
node bot.jsGib in Discord ein: /speak text:Hello, this is your TTS bot während du in einem Sprachkanal bist. Der Bot tritt bei, spricht den Text und verlässt den Kanal dann wieder.
Zeichenbudget für Discord-Bots
Discord-Bots können Zeichen schneller verbrauchen, als du erwartest. Einige Szenarien:
Für einen kleinen Community-Server mit gelegentlicher Nutzung reichen Audexums 250 kostenlose Credits pro Tag (plus 2.000 zu Beginn) aus. Für einen aktiven Gaming-Server ist der Tarif für €29/Monat (1.2M Credits) realistisch. Sieh audexum.com/pricing für vollständige Tarifdetails.
Das Empfehlungsprogramm gilt auch hier: Teile deinen Audexum-Empfehlungscode mit deiner Community. Jede Registrierung mit deinem Code gibt beiden Konten zusätzliche kostenlose Credits zum monatlichen Kontingent. Für einen Discord-Server kann das eine dauerhafte kostenlose Nutzung bedeuten.
Stimmenauswahl für Benutzer hinzufügen
Ein häufiges Muster ist, Benutzern die Auswahl aus einer Stimmenliste zu ermöglichen. Erweitere die Optionen des Slash-Befehls:
.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" }
)
)Die vollständige Stimmenliste findest du unter audexum.com/docs. Mit 43 Stimmen in 32 Sprachen unterstützt du mehrsprachige Communitys mit einem einzigen Bot.
Ratenlimits und Fehler elegant behandeln
Füge für produktive Bots einen einfachen Retry-Wrapper um den API-Aufruf hinzu:
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));
}
}
}Verfolge bei Bots mit hohem Traffic den Zeichenverbrauch in deiner eigenen Datenbank und warne, bevor die Tariflimits erreicht werden.
Alternativen für Discord-Bot-TTS
- Google Cloud TTS: Bestes kostenloses Volumen (4 Mio. Standard + 1 Mio. WaveNet/Neural2-Zeichen pro Monat), erfordert ein Abrechnungskonto. Etwas komplexere Einrichtung mit dem SDK, aber zuverlässig im Skalieren.
- OpenAI TTS: Keine kostenlose Stufe, $15/1M Zeichen. Lohnt sich nur, wenn du bereits für OpenAI-APIs zahlst und die Abrechnung konsolidieren möchtest. Gute Stimmqualität für längere Sätze.
- ElevenLabs: Hohe Stimmqualität, 10K kostenlose Zeichen ohne kommerzielle Rechte. Bei Bot-Mengen werden die Kosten schnell sehr hoch. Hier ist der vollständige Vergleich.
- Selbst gehostet (Coqui/Piper): Nach Inbetriebnahme keine API-Kosten, aber ein Server mit GPU- oder CPU-Ressourcen, laufende Wartung und Modellverwaltung erforderlich.
Bot bereitstellen
Führe den Bot im Produktivbetrieb als von pm2 verwalteten Prozess aus:
pm2 start bot.js --name discord-tts-bot
pm2 saveStelle sicher, dass deine .env Datei geschützt ist (chmod 600 .env) und nicht in die Versionskontrolle eingecheckt wurde.
Von Petar, Gründer von Audexum. Der Anwendungsfall mit Discord-Bots gehörte zu den ersten Dingen, nach denen Menschen unmittelbar nach dem Start gefragt haben. Dieser Leitfaden behandelt genau das, was ich mir gewünscht hätte, als ich die erste Integration entwickelte.
Got any questions left?
Feedback teilen
War dieser Artikel hilfreich?