Ir para o conteúdo

API de TTS para bot do Discord: guia completo de configuração com discord.js (2026)

Audexum9 minBy Petar

Crie um bot do Discord que sintetiza fala e a reproduz em um canal de voz usando a API de TTS do Audexum e o discord.js. Todo o código funcional está incluído.

O TTS integrado do Discord (/tts) é útil por cinco minutos antes de começar a incomodar. Se você quiser um bot que fale em um canal de voz com uma voz real (não a TTS robótica do navegador), precisa de uma API de TTS externa. Este guia mostra a configuração completa: escolha de uma API de TTS, integração com discord.js v14 e reprodução de áudio em um canal de voz. Todo o código está pronto para copiar e colar.

O que você precisa

  • 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

O fluxo do bot é: o usuário digita um comando → o bot chama a API de TTS → recebe um áudio MP3 → reproduz no canal de voz atual do usuário.

Escolhendo uma API de TTS para seu bot do Discord

As principais restrições para usar bots no Discord são: latência (canais de voz são interativos), custo em escala (bots podem gerar muito áudio rapidamente) e simplicidade (você não precisa de clonagem de voz, mas precisa de um endpoint REST confiável).

ProviderLatency (typical)Free TierCost at 1M charsAPI Simplicity
Audexum~300–700ms2K to start€28Simple REST, Bearer auth
ElevenLabs~400–900ms10K/mo (no commercial)$165–$200Good docs
OpenAI TTS~600–1200msNone$15Simple REST
Google Cloud TTS~200–500ms1M/mo (billing req.)$4–$16SDK or REST
AWS Polly~200–600ms5M (12-mo trial)$4SDK required

Para bots no Discord, a latência importa mais do que em pipelines em lote. A diferença entre provedores é perceptível: acima de 1 segundo, a experiência parece lenta em uma sessão de voz interativa. A API REST do Audexum é a mais simples de integrar: sem SDK, autenticação por token Bearer e resposta de áudio binário.

Veja O Audexum vs ElevenLabs para uma análise detalhada dos custos.

Configuração do projeto

bash
mkdir discord-tts-bot && cd discord-tts-bot
npm init -y
npm install discord.js @discordjs/voice @discordjs/opus ffmpeg-static dotenv

Crie um arquivo .env arquivo:

env
DISCORD_TOKEN=your_discord_bot_token
DISCORD_CLIENT_ID=your_application_client_id
AUDEXUM_API_KEY=your_audexum_api_key

Obtenha sua chave de API do Audexum em audexum.com/signup. O nível gratuito (bônus de 2.000 créditos no cadastro, 250 a mais ao criar sua primeira chave de API e 250 créditos por dia) basta para prototipar um bot.

O auxiliar de TTS

Criar tts.js. Isso faz a chamada à API e retorna um stream legível para reprodução de áudio:

javascript
// 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 };

O bot: reprodução no canal de voz

Criar bot.js, que cuida dos comandos do Discord e encaminha o áudio de TTS para um canal de voz:

javascript
// 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);

Executando o bot

bash
node bot.js

No Discord, digite /speak text:Hello, this is your TTS bot enquanto estiver em um canal de voz. O bot entra, fala o texto e sai.

Orçamento de caracteres para bots do Discord

Bots do Discord podem consumir caracteres mais rápido do que você imagina. Alguns exemplos:

Use CaseAvg chars/commandCommands/dayMonthly total
Server announcements2005~30,000
Game event narration15020~90,000
Music bot track announces80100~240,000
Full assistant bot30050~450,000

Para um servidor de comunidade pequeno com uso ocasional, os 250 créditos gratuitos diários do Audexum (mais 2.000 no início) são suficientes. Para um servidor de jogos ativo, o plano de €29/mês (1,2 milhão de créditos) é a faixa realista. Veja audexum.com/pricing para todos os detalhes dos planos.

O programa de indicações também se aplica aqui: compartilhe seu código de indicação do Audexum com sua comunidade. Cada cadastro usando seu código dá às duas contas créditos gratuitos extras, além da concessão mensal. Para um servidor do Discord, isso pode significar uso gratuito contínuo.

Adicionando seleção de voz para os usuários

Um padrão comum é permitir que os usuários escolham entre uma lista de vozes. Estenda as opções do comando slash:

javascript
.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" }
    )
)

Confira a lista completa de vozes em audexum.com/docs. Com 43 vozes em 32 idiomas, você pode atender comunidades multilíngues com um único bot.

Tratando limites de taxa e erros com elegância

Adicione um wrapper de repetição simples ao redor da chamada da API para bots em produção:

javascript
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));
    }
  }
}

Para bots com muito tráfego, acompanhe o uso de caracteres em seu próprio banco de dados e receba um alerta antes de atingir os limites do plano.

Alternativas para TTS de bots do Discord

  • Google Cloud TTS: Melhor volume grátis (4M padrão + 1M WaveNet/Neural2 caracteres por mês), exige conta de faturamento. Configuração com o SDK um pouco mais complexa, mas confiável em escala.
  • OpenAI TTS: Sem plano gratuito, $15/1M caracteres. Vale a pena se você já paga pelas APIs da OpenAI e quer consolidar a cobrança. Boa qualidade de voz para frases mais longas.
  • ElevenLabs: Alta qualidade de voz, 10K caracteres grátis sem direitos comerciais. Em escala para bots, o custo aumenta rapidamente. Comparação completa aqui.
  • Hospedagem própria (Coqui/Piper): Custo zero de API depois em funcionamento, mas exige um servidor com recursos de GPU ou CPU, manutenção contínua e gestão do modelo.

Implantando o bot

Em produção, execute o bot como um processo gerenciado pelo pm2:

bash
pm2 start bot.js --name discord-tts-bot
pm2 save

Verifique se o seu arquivo .env está protegido (chmod 600 .env) e não está versionado no controle de código.


Por Petar, fundador do Audexum. O caso de uso de bots no Discord foi uma das primeiras coisas que as pessoas pediram após o lançamento. Este guia cobre exatamente o que eu gostaria que tivesse existido quando criei a primeira integração.

Got any questions left?

Compartilhar feedback

Este artigo foi útil?

Próximo artigoComo Obter a Transcrição de um Vídeo do YouTube: 4 Formas Comparadas (2026)

Comece grátis. Sem cartão.

2,000 créditos para começar, 250 por dia.