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.
Ciclo de resposta (processingQueue)
Seção intitulada “Ciclo de resposta (processingQueue)”- Captura de contexto: lê as últimas
5a10mensagens do canal para manter coerência imediata. - Gatilhos de entrada: responde quando mencionada (
@Hikari), chamada pelo nome configurado emBOT_NAME, respondida diretamente (reply) ou dentro de canais/regras espontâneas definidas em/config_servidor. - Visão computacional (
imageVisionHandler.js): descreve anexos e imagens recentes do histórico via Gemini mantendo cache persistente emimage_descriptions.json(até1.000registros, teto de10 MBe timeout de7s). - Parser de ferramentas: detecta chamadas MCP no retorno do modelo e executa a função correspondente antes de responder no chat.
Geração de imagens (/ia_imagem)
Seção intitulada “Geração de imagens (/ia_imagem)”Ao gerar imagens novas (512 a 1280 px com filtros anti-NSFW), os provedores seguem esta ordem de contingência:
- Stability AI (Ultra/Core): prioridade máxima quando
STABILITY_API_KEYestá configurada. - Gradio / SDXL-Flash: fallback gratuito rápido.
- Hugging Face (
FLUX.1): inferência viaHF_TOKEN. - Stable Horde: rede distribuída de GPUs (
HORDE_API_KEY). - 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 (incluindovt.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 de5opções no chat. - Compressão adaptativa por nível do servidor: quando um vídeo excede o teto de upload detectado no servidor (
25 MBpadrão,50 MBBoost nível 2 ou100 MBBoost nível 3), oferece compressão via FFmpeg. - Proteção da VPS: a fila global de FFmpeg roda apenas
1compressão por vez, limita cada usuário a1download ativo simultâneo, expira vídeos aguardando compressão em6 horas, apaga arquivos temporários logo após o envio e aborta a transcodificação se a RAM total da máquina atingir95%.
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.mp3são identificados apenas pelo nome original (musica.mp3) sem passar pelo Whisper.
