Pular para o conteúdo

Pesquise guias, comandos, ferramentas MCP e arquitetura

Hikari Discord

Funcionalidades e mídia no Discord

Além das conversas em canal e DM, a edição Discord combina fila global assíncrona, processamento de mídia adaptado ao limite do servidor e transcrição sob demanda de áudios do histórico.

  1. Captura de contexto: lê as últimas 5 a 10 mensagens do canal para manter coerência imediata.
  2. Gatilhos de entrada: responde quando mencionada (@Hikari), chamada pelo nome configurado em BOT_NAME, respondida diretamente (reply) ou dentro de canais/regras espontâneas definidas em /config_servidor.
  3. Visão computacional (imageVisionHandler.js): descreve anexos e imagens recentes do histórico via Gemini mantendo cache persistente em image_descriptions.json (até 1.000 registros, teto de 10 MB e timeout de 7s).
  4. Parser de ferramentas: detecta chamadas MCP no retorno do modelo e executa a função correspondente antes de responder no chat.

Ao gerar imagens novas (512 a 1280 px com filtros anti-NSFW), os provedores seguem esta ordem de contingência:

  1. Stability AI (Ultra/Core): prioridade máxima quando STABILITY_API_KEY está configurada.
  2. Gradio / SDXL-Flash: fallback gratuito rápido.
  3. Hugging Face (FLUX.1): inferência via HF_TOKEN.
  4. Stable Horde: rede distribuída de GPUs (HORDE_API_KEY).
  5. Pollinations: contingência final para manter disponibilidade contínua.

Áudio, Deezer HQ e compressão adaptativa de vídeo

Seção intitulada “Áudio, Deezer HQ e compressão adaptativa de vídeo”
  • Plataformas suportadas (youtubeAudioHandler.js): áudio e vídeo de YouTube (vídeos curtos/Shorts para vídeo e geral para áudio), Instagram Reels e TikTok (incluindo vt.tiktok.com).
  • Deezer 320 kbps (deezerMusicHandler.js): calcula pontuação de correspondência por palavras-chave. Se a confiança for >= 80%, baixa o MP3 direto com capa e tags ID3; se ambígua, exibe menu suspenso interativo de 5 opções no chat.
  • Compressão adaptativa por nível do servidor: quando um vídeo excede o teto de upload detectado no servidor (25 MB padrão, 50 MB Boost nível 2 ou 100 MB Boost nível 3), oferece compressão via FFmpeg.
  • Proteção da VPS: a fila global de FFmpeg roda apenas 1 compressão por vez, limita cada usuário a 1 download ativo simultâneo, expira vídeos aguardando compressão em 6 horas, apaga arquivos temporários logo após o envio e aborta a transcodificação se a RAM total da máquina atingir 95%.

Transcrição sob demanda de áudios do histórico

Seção intitulada “Transcrição sob demanda de áudios do histórico”

Quando uma conversa no canal inclui mensagens de voz antigas e alguém chama a Hikari:

  • As notas de voz são transcritas sob demanda apenas naquele momento usando Wit.ai primeiro e Groq (whisper-large-v3-turbo) como fallback.
  • O texto resultante fica em cache por ID da mensagem para não consumir nova cota em mensagens seguintes.
  • Notas de voz aparecem no contexto como [Áudio transcrito: "..."], enquanto arquivos musicais .mp3 são identificados apenas pelo nome original (musica.mp3) sem passar pelo Whisper.