API de texto a voz para bots de Discord: guía de configuración completa con discord.js (2026)
Crea un bot de Discord que sintetice voz y la reproduzca en un canal de voz usando la API de texto a voz de Audexum y discord.js. Incluye todo el código funcional.
El TTS integrado de Discord (/tts) resulta útil durante cinco minutos, antes de empezar a ser molesto. Si quieres un bot que hable con una voz real en un canal de voz (no la TTS robótica del navegador), necesitarás una API de TTS externa. Esta guía explica toda la configuración: elegir una API de TTS, integrarla con discord.js v14 y reproducir audio en un canal de voz. Todo el código está listo para copiar y pegar.
Qué necesitas
- 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
El flujo del bot es: el usuario escribe un comando → el bot llama a la API de TTS → recibe un audio MP3 → lo reproduce en el canal de voz actual del usuario.
Cómo elegir una API de TTS para tu bot de Discord
Las principales limitaciones para usar un bot en Discord son la latencia (los canales de voz son interactivos), el coste a escala (los bots pueden generar mucho audio rápidamente) y la simplicidad (no necesitas clonar voces; necesitas un endpoint REST fiable).
Para bots de Discord, la latencia importa más que en canalizaciones por lotes. La diferencia entre proveedores es perceptible: todo lo que supere 1 segundo parece lento en una sesión de voz interactiva. La API REST de Audexum es la más fácil de integrar: no requiere SDK, utiliza autenticación por token Bearer y devuelve audio binario.
Consulta Audexum frente a ElevenLabs para obtener un desglose detallado de los costes.
Configuración del proyecto
mkdir discord-tts-bot && cd discord-tts-bot
npm init -y
npm install discord.js @discordjs/voice @discordjs/opus ffmpeg-static dotenvCrea un .env archivo:
DISCORD_TOKEN=your_discord_bot_token
DISCORD_CLIENT_ID=your_application_client_id
AUDEXUM_API_KEY=your_audexum_api_keyObtén tu clave de API de Audexum desde audexum.com/signup. El nivel gratuito (un bono de 2.000 créditos al registrarte, 250 más al crear tu primera clave API y 250 créditos diarios) basta para prototipar un bot.
El asistente de TTS
Crear tts.js. Esto se ocupa de la llamada a la API y devuelve un stream legible para reproducir el audio:
// 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 };El bot: reproducción en canales de voz
Crear bot.js, que se ocupa de los comandos de Discord y canaliza el audio TTS hacia un canal de voz:
// 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);Ejecutar el bot
node bot.jsEn Discord, escribe /speak text:Hello, this is your TTS bot mientras estás en un canal de voz. El bot se une, pronuncia el texto y sale.
Gestión del presupuesto de caracteres para bots de Discord
Los bots de Discord pueden consumir caracteres más rápido de lo que esperas. Estos son algunos escenarios:
Para el servidor de una comunidad pequeña con un uso ocasional, los 250 créditos gratuitos diarios de Audexum (más 2.000 al empezar) son suficientes. Para un servidor de juegos activo, el plan de 29 €/mes (1,2 M de créditos) es el rango realista. Consulta audexum.com/pricing para conocer todos los detalles de los planes.
El programa de referidos también se aplica aquí: comparte tu código de referido de Audexum con tu comunidad. Cada registro que use tu código otorga a ambas cuentas créditos gratuitos adicionales además de la asignación mensual. En un servidor de Discord, esto puede permitir un uso gratuito sostenido.
Permitir que los usuarios elijan la voz
Un patrón habitual es permitir que los usuarios elijan de una lista de voces. Amplía las opciones del comando de barra:
.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" }
)
)Consulta la lista completa de voces en audexum.com/docs. Con 43 voces en 32 idiomas, puedes dar soporte a comunidades multilingües con un solo bot.
Gestionar los límites de peticiones y los errores de forma elegante
Para bots en producción, añade un wrapper de reintentos sencillo alrededor de la llamada a la API:
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));
}
}
}En bots con mucho tráfico, registra el uso de caracteres en tu propia base de datos y recibe una alerta antes de alcanzar los límites del plan.
Alternativas de TTS para bots de Discord
- Google Cloud TTS: Mejor volumen gratis (4 M estándar + 1 M WaveNet/Neural2 al mes), requiere cuenta de facturación. Configuración con el SDK algo más compleja, pero fiable a escala.
- OpenAI TTS: sin plan gratuito, 15 $/1 M de caracteres. Está justificado si ya pagas las API de OpenAI y quieres unificar la facturación. Buena calidad de voz para frases largas.
- ElevenLabs: alta calidad de voz, 10 K caracteres gratuitos sin derechos comerciales. A escala de bot, el coste sube rápidamente. Comparación completa aquí.
- Autoalojado (Coqui/Piper): coste de API nulo una vez en funcionamiento, pero requiere un servidor con recursos de GPU o CPU, mantenimiento continuo y gestión de modelos.
Despliegue del bot
En producción, ejecuta el bot como un proceso gestionado por pm2:
pm2 start bot.js --name discord-tts-bot
pm2 saveAsegúrate de que tu .env archivo esté protegido (chmod 600 .env) y no se añada al control de versiones.
Por Petar, fundador de Audexum. El caso de uso de los bots de Discord fue una de las primeras cosas que la gente pidió tras el lanzamiento. Esta guía cubre exactamente lo que me hubiera gustado encontrar cuando construí la primera integración.
Got any questions left?
Compartir opinión
¿Te ha sido útil este artículo?