Voz neural e chamadas DAVE
No Discord, a voz da Hikari atua em duas frentes distintas: notas de voz nativas nos canais de texto e chamadas de voz em tempo real com criptografia DAVE v1.
Notas de voz oficiais no chat (flags: 8192)
Seção intitulada “Notas de voz oficiais no chat (flags: 8192)”Ao responder falando no chat de texto ou DM, a Hikari envia uma mensagem de microfone oficial do Discord com barra de waveform e controle de velocidade (1x, 1.5x, 2x):
cleanForTtsremove códigos, links e emojis e aplica o dicionário fonético PT-BR.- O áudio WAV (
24.000 Hz) é gerado no Hugging Face Space (ZeroGPU) ou no Modal.com (NVIDIA T4) em contingência. - O FFmpeg converte em streaming para
voice-message.ogg(libopus,48 kbps VBR). - O sistema extrai
256blocos PCM RMS de 16 bits, normaliza de0a255em Base64 e realiza upload REST em 2 etapas comflags: 8192. registerBotAudio(messageId, text)guarda o texto notranscriptionCache, evitando gastar cota do Whisper quando membros respondem ao áudio da própria Hikari.
Como acionar notas de voz no Discord
Seção intitulada “Como acionar notas de voz no Discord”- Pedido natural: mencione a Hikari pedindo áudio (
send_voice_note). - Comando
/ia_chat: passevoice:Truepara forçar nota de voz (1 a 4 frases) ouvoice:Falsepara manter em texto. - Atalho
!do proprietário: mensagens do dono (config.isOwner) iniciadas por!forçam resposta em voz. Caso os servidores TTS falhem, envia em texto com o avisoHouve uma falha na voz..
Chamadas de voz com protocolo DAVE v1 E2EE
Seção intitulada “Chamadas de voz com protocolo DAVE v1 E2EE”Ao entrar em um canal de voz com /entrar-call (conversa, radio ou hibrido):
- Criptografia ponta a ponta: conecta via
@discordjs/voicecom suporte nativo ao DAVE Protocol v1. - Filtro de silêncio e microfone mutado: analisa o sinal PCM recebido e descarta blocos de usuários mutados ou abaixo de
RMS 250antes de chamar a API STT. - Matcher fonético de 75+ variações: soma hint de prompt
"Hikari"no Whisper a expressões regulares que captam mais de 75 variações próximas por sotaque ou ruído ("Hicari","Icari","Ficari","Vicari","Ricardo"). - Saída automática: quando todos os humanos saem da call, aguarda
10 segundose desconecta sozinha.
Para conferir o tutorial completo de extração de latentes .pth e deploy do servidor XTTS v2 no Hugging Face e Modal, acesse Voz neural e transcrição.
