discord-voice

Discord Voice 是 Clawdbot 的语音插件，用于在 Discord 语音频道中实现与 Claude AI 的实时语音对话。用户加入语音频道后直接说话，语音会被转写、交给智能体处理，并以语音形式回复。

主要能力

• 加入/离开语音频道：可通过斜杠命令、CLI 或智能体工具操作。
• 语音活动检测（VAD）：自动检测用户何时开始和停止说话。
• 语音转文本（STT）：支持 Whisper API（OpenAI）或 Deepgram。
• 流式 STT：使用 Deepgram WebSocket 实时转写，约减少 1 秒延迟。
• 智能体集成：转写后的语音文本会路由到 Clawdbot 智能体处理。
• 文本转语音（TTS）：支持 OpenAI TTS 或 ElevenLabs。
• 音频播放：回复会在语音频道中朗读出来。
• 打断支持（Barge-in）：用户开始说话时立即停止播放。
• 自动重连：心跳监控，断线后自动重连。

使用方式

1. 安装系统依赖：Ubuntu/Debian 使用 sudo apt-get install ffmpeg build-essential python3；Fedora/RHEL 使用 sudo dnf install ffmpeg gcc-c++ make python3；macOS 使用 brew install ffmpeg。
2. 通过 ClawdHub 安装：clawdhub install discord-voice；或手动克隆仓库到 ~/.clawdbot/extensions 后执行 npm install。
3. 在 clawdbot.json 中配置插件，设置 sttProvider、ttsProvider、ttsVoice、vadSensitivity、allowedUsers、silenceThresholdMs、maxRecordingMs 以及各服务商的 API Key。
4. 配置 Discord 机器人权限：Connect（加入语音频道）、Speak（播放音频）、Use Voice Activity（检测用户说话）。

操作入口

• 斜杠命令：/voice join <channel>、/voice leave、/voice status。
• CLI 命令：clawdbot voice join <channelId>、clawdbot voice leave --guild <guildId>、clawdbot voice status。
• 智能体工具 discord_voice：支持 join、leave、speak、status 动作。

工作流程 机器人加入指定语音频道后，VAD 检测用户说话并缓冲音频；检测到静音后将音频发送给 STT 服务商转写；转写文本发送给 Clawdbot 智能体；智能体回复经 TTS 合成音频；最后在语音频道中播放。

适用场景 适合希望在 Discord 语音频道中通过自然语音与 Claude AI 进行实时对话的用户，例如语音助手、语音交互实验等。

限制

• 每个服务器同一时间只能有一个语音频道处于活动状态。
• 最大录音长度默认 30 秒（可配置）。
• 实时音频需要稳定的网络连接。
• TTS 输出可能因合成而有轻微延迟。
• 需要 Discord 机器人具备语音权限，并配置 STT 与 TTS 服务商的 API Key。
• 需要 ffmpeg 以及 @discordjs/opus、sodium-native 的原生构建工具。

许可证：MIT。