Przewodnik konfiguracji bota Text to Speech na Discord (2026)

Jeśli chcesz, aby Discord czytał tekst na głos — niezależnie od tego, czy jesteś streamerem kierującym czat Twitch do kanału głosowego, użytkownikiem, który woli pisać, czy programistą budującym niestandardowe narzędzie narracji — bot zamieniający tekst na mowę na Discord jest właściwym rozwiązaniem. Ten przewodnik obejmuje każdą praktyczną opcję dostępną w 2026 r.: boty hostowane, które możesz dodać jednym kliknięciem, natywne polecenie TTS Discord i krok po kroku instrukcje budowania niestandardowego bota z Discord.js i API ElevenLabs.

---

Streszczenie

• Natywne polecenie Discord /tts jest po stronie klienta — odtwarza audio poprzez lokalne głośniki słuchacza, a nie przez kanał głosowy.
• Streamcord TTS jest najpopularniejszą opcją hostowaną dla streamerów chcących odczytywać czat Twitch na głos w kanałach głosowych Discord.
• Voicemod TTS zapewnia komediowe i postaciowe głosy za pośrednictwem zarządzanego bota.
• Niestandardowy bot Discord.js + ElevenLabs daje ci najlepszą jakość głosu i pełną kontrolę, z czasem budowy poniżej godziny.
• Hotkeys do wyzwalania poleceń TTS można mapować za pomocą ustawień keybindu Discord lub zewnętrznych narzędzi, takich jak AutoHotkey.
• VoxBooster łączy się z botami TTS do hybrydowych przepływów pracy, w których chcesz zarówno syntetyzowaną narrację czatu, jak i na żywo zmodyfikowany głos.

---

Dlaczego istnieją boty TTS i co faktycznie robią

Wbudowane polecenie Discord /tts jest często źle rozumiane. Gdy wpiszesz /tts hello, klient pulpitu Discord czyta ten tekst na głos poprzez twoje głośniki, używając lokalnego aparatu TTS systemu operacyjnego. Inni użytkownicy w kanale go nie słyszą poprzez kanał głosowy — słyszą go tylko wtedy, gdy również mają włączony własny TTS Discord i ich klient czyta wiadomość lokalnie.

Bot zamieniający tekst na mowę na Discord działa inaczej. Bot to proces po stronie serwera z własnym połączeniem kanału głosowego. Po wyzwoleniu syntezuje mowę z tekstu i przesyła wynikowe audio do samego kanału głosowego. Wszyscy w tym kanale głosowym go słyszą, tak jak słyszeliby innego uczestnika mówiącego. Oznacza to rozróżnienie — lokalnie po stronie klienta w porównaniu z transmisją w kanale — całą przyczynę istnienia botów dla tego przypadku użycia.

Typowe scenariusze, w których to ma znaczenie:

• Konfiguracja transmisji: Transmitujesz na żywo na Twitch i chcesz, aby wiadomości czatu widzów były odczytywane na głos w rozmowie Discord, którą dzielisz ze współuczestniczącymi streamers.
• Dostępność: Członek serwera nie może lub woli nie korzystać z mikrofonu; bot TTS pozwala mu uczestniczyć w rozmowach głosowych, pisząc.
• Ogłoszenia: Bot czyta alerty moderacji, przypisania ról lub zaplanowane wiadomości do kanału bez ludzkiego operatora.
• Niestandardowa narracja: Programiści budują boty, które narracyjnie opisują zdarzenia gry, wyniki lub alerty w czasie rzeczywistym przy użyciu wysokiej jakości głosów AI.

---

Opcja 1: Natywne polecenie Discord /tts

Zanim sięgniesz po bota, sprawdź, czy wbudowane polecenie Discord obejmuje Twoje potrzeby.

Jak je włączyć: Na serwerze przejdź do Ustawienia serwera → Przegląd → Włącz tekst na mowę. W zaawansowanych ustawieniach kanału ustaw Zezwól każdemu na publikowanie wiadomości TTS (lub ogranicz do określonych ról).

Jak go używać: W dowolnym kanale tekstowym z włączoną funkcją TTS wpisz /tts [twoja wiadomość]. Discord czyta wiadomość na głos poprzez głośniki odbiorcy, korzystając z aparatu TTS jego systemu operacyjnego.

Ograniczenia:

• Audio trafia do lokalnych głośników, nie do transmisji kanału głosowego.
• Jakość głosu zależy od aparatu TTS systemu operacyjnego słuchacza (Microsoft David, Zira itd. na Windows).
• Każdy słuchacz musi włączyć TTS w Ustawienia → Dostępność → Zezwól na odtwarzanie i użycie polecenia /tts.

Najlepsze dla: Szybka dostępność, lub sytuacje, w których każdy użytkownik musi tylko słyszeć odczytywany tekst lokalnie — nie do transmisji lub ogłoszeń grupowych.

---

Opcja 2: Bot Voicemod TTS

Voicemod, znany głównie ze swojej zmieniaczki głosu na pulpicie, obsługuje bota Discord, który przenosi swoją bibliotekę do funkcji zamiany tekstu na mowę.

Co oferuje:

• Biblioteka komediowych i postaciowych głosów (robotyczne, kreskówkowe, głębokie i więcej).
• Prosty interfejs poleceń slash: /tts [głos] [wiadomość].
• Brak przesyłania niestandardowego modelu głosu — jesteś ograniczony do predefiniowanej biblioteki Voicemod.
• Dostępna bezpłatna wersja; głosy premium wymagają subskrypcji Voicemod.

Konfiguracja:

1. Odwiedź stronę bota Discord Voicemod i kliknij Dodaj do serwera.
2. Autoryzuj bota za pomocą uprawnień Połącz, Mów i Czytaj wiadomości.
3. Dołącz do kanału głosowego na serwerze.
4. Użyj /tts wraz z wybranym imieniem głosu i tekstem wiadomości.

Ograniczenia: Wybór głosu jest ograniczony do biblioteki Voicemod. Jeśli potrzebujesz naturalnego dźwięku głosu ludzkiego lub niestandardowej postaci, to nie będzie to obejmować.

---

Opcja 3: Streamcord TTS dla streamerów

Streamcord to bot zamieniający tekst na mowę na Discord z wyboru streamerów chcących odczytywać wiadomości czatu Twitch na głos w kanale głosowym Discord. Natywnie łączy Twitch i Discord.

Co oferuje:

• Łączy kanał Twitch z kanałem głosowym Discord.
• Czyta wiadomości czatu Twitch na głos z konfigurowalnym głosem, szybkością i tonem.
• Obsługuje TTS tylko dla subskrybentów, umorzenia punktów kanału jako wyzwalacze TTS i filtrowanie wiadomości.
• Konfiguracja poleceń slash i pulpitu nawigacyjnego.

Konfiguracja:

1. Przejdź do streamcord.io i kliknij Dodaj do Discord.
2. Autoryzuj na serwerze za pomocą wymaganych uprawnień.
3. Użyj /tts setup i postępuj zgodnie z monitami, aby połączyć kanał Twitch i wybrać docelowy kanał głosowy Discord.
4. Skonfiguruj ustawienia głosu na stronie streamcord.io/dashboard.

Routing kanału głosowego: Streamcord dołącza do kanału głosowego, który określisz podczas konfiguracji. Możesz zmienić kanał docelowy za pośrednictwem pulpitu nawigacyjnego bez ponownego zapraszania bota. Aby go podążył między kanałami, użyj polecenia /tts move.

Konfiguracja hotkey dla Streamcord: Sam Streamcord nie ma dedykowanego systemu hotkey na pulpicie. Streamers zwykle powiązują klawisz Push-to-Talk w Discord dla swoich własnych mikrofonów, a następnie używają oddzielnego keybindu w OBS lub StreamDeck do wyzwolenia poleceń czatu. Aby uzyskać bardziej szczegółową kontrolę, skrypty AutoHotkey mogą wysyłać polecenia /tts poprzez skróty klawiatury poprzez symulację wprowadzania Discord.

---

Opcja 4: Niestandardowy bot z Discord.js + API ElevenLabs

Aby uzyskać najwyższą jakość głosu i pełną kontrolę nad zachowaniem, zbuduj swój własny bot zamieniający tekst na mowę na Discord, korzystając z Discord.js v14 i API ElevenLabs. To daje ci dostęp do głosów w jakości studia ElevenLabs, klonowania głosu, syntezy wielojęzycznej i konfiguracji parametrów dla każdego żądania.

Wymagania wstępne

• Node.js 18+
• Aplikacja Discord i token bota (discord.com/developers)
• Klucz API ElevenLabs (elevenlabs.io)
• FFmpeg zainstalowany i w PATH (wymagany przez @discordjs/voice do kodowania audio)

Krok 1: Zainicjalizuj projekt

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

Krok 2: Zarejestruj polecenie slash

Utwórz deploy-commands.js:

const { REST, Routes, SlashCommandBuilder } = require('discord.js');

const commands = [
  new SlashCommandBuilder()
    .setName('tts')
    .setDescription('Speak text in your voice channel')
    .addStringOption(opt =>
      opt.setName('text').setDescription('Text to speak').setRequired(true)
    )
].map(cmd => cmd.toJSON());

const rest = new REST({ version: '10' }).setToken(process.env.DISCORD_TOKEN);

(async () => {
  await rest.put(
    Routes.applicationGuildCommands(process.env.CLIENT_ID, process.env.GUILD_ID),
    { body: commands }
  );
  console.log('Commands registered');
})();

Uruchom node deploy-commands.js raz, aby zarejestrować polecenie slash /tts na serwerze.

Krok 3: Zbuduj bota

Utwórz index.js:

const { Client, GatewayIntentBits } = require('discord.js');
const { joinVoiceChannel, createAudioPlayer, createAudioResource, AudioPlayerStatus } = require('@discordjs/voice');
const { ElevenLabsClient } = require('elevenlabs');
const { Readable } = require('stream');

const client = new Client({ intents: [GatewayIntentBits.Guilds, GatewayIntentBits.GuildVoiceStates] });
const eleven = new ElevenLabsClient({ apiKey: process.env.ELEVENLABS_API_KEY });

const VOICE_ID = 'your-elevenlabs-voice-id'; // e.g. 'EXAVITQu4vr4xnSDxMaL' for Rachel

client.on('interactionCreate', async interaction => {
  if (!interaction.isChatInputCommand() || interaction.commandName !== 'tts') return;

  const text = interaction.options.getString('text');
  const voiceChannel = interaction.member?.voice?.channel;

  if (!voiceChannel) {
    return interaction.reply({ content: 'Join a voice channel first.', ephemeral: true });
  }

  await interaction.deferReply({ ephemeral: true });

  const audioStream = await eleven.textToSpeech.convertAsStream(VOICE_ID, {
    text,
    model_id: 'eleven_multilingual_v2',
    voice_settings: { stability: 0.5, similarity_boost: 0.75 }
  });

  const connection = joinVoiceChannel({
    channelId: voiceChannel.id,
    guildId: interaction.guildId,
    adapterCreator: interaction.guild.voiceAdapterCreator,
  });

  const player = createAudioPlayer();
  const resource = createAudioResource(Readable.from(audioStream));

  player.play(resource);
  connection.subscribe(player);

  player.on(AudioPlayerStatus.Idle, () => connection.destroy());

  await interaction.editReply({ content: 'Speaking.' });
});

client.login(process.env.DISCORD_TOKEN);

Krok 4: Skonfiguruj zmienne środowiskowe

Utwórz .env:

DISCORD_TOKEN=your_bot_token
CLIENT_ID=your_app_client_id
GUILD_ID=your_server_id
ELEVENLABS_API_KEY=your_elevenlabs_key

Uruchom node index.js, dołącz do kanału głosowego na serwerze i wpisz /tts Hello, this is my custom TTS bot.

Wybieranie modelu głosu

ElevenLabs oferuje kilka modeli w 2026 r.:

Model	Latency	Quality	Languages
eleven_turbo_v2_5	~250ms	Good	32
eleven_multilingual_v2	~400ms	Excellent	29
eleven_flash_v2_5	~75ms	Good	32

Do użytku Discord w czasie rzeczywistym eleven_flash_v2_5 minimalizuje opóźnienie między poleceniem a mową. Aby ustalić priorytety jakości, eleven_multilingual_v2 jest lepszym wyborem.

---

Routing kanału głosowego: praktyczne wzorce

Niezależnie od tego, którego bota używasz, routing kanału głosowego podąża za tymi samymi podstawowymi wzorcami.

Wzorzec podążania za użytkownikiem: Bot dołącza do kanału głosowego, w którym znajduje się użytkownik wyzwalający w momencie użycia polecenia. To domyślnie dla większości botów i implementacja w powyższym przykładzie Discord.js. Nie jest wymagana żadna wstępna konfiguracja.

Wzorzec stałego kanału: Wyznaczasz określony identyfikator kanału w konfiguracji bota. Bot zawsze mówi w tym kanale niezależnie od tego, gdzie przebywa użytkownik wyzwalający. Najlepsze dla botów ogłoszeń lub dedykowanych pokoi TTS.

Wzorzec wielokanałowy: Bardziej złożona konfiguracja, w której różne kanały tekstowe mapują się na różne kanały głosowe. W Discord.js implementujesz to za pomocą obiektu mapy kanału i rozwiązujesz docelowy kanał głosowy z kanału tekstu źródła.

Dynamiczny wzorzec podążania: Bot monitoruje zdarzenia voiceStateUpdate i przemieszcza się, aby podążać za wyznaczonym użytkownikiem między kanałami głosowymi. Przydatne dla streamerów, którzy często przełączają się między pokojami podczas sesji.

---

Konfiguracja hotkey dla poleceń TTS

Większość botów TTS jest wyzwalana przez polecenia slash, a nie hotkeys. Ale możesz tworzyć efektywne przepływy pracy hotkey za pomocą kilku podejść.

Wbudowane keybindy Discord: Przejdź do Ustawienia Discord → Keybindy. Nie możesz tutaj powiązać dowolnych poleceń tekstowych — tylko push-to-talk, deafen, mute i podobne działania Discord. Dla TTS, keybindy nie mają bezpośredniego zastosowania.

AutoHotkey (Windows): Możesz mapować hotkey do wpisania polecenia /tts [preset message] i naciśnięcia Enter w oknie Discord:

^F1:: ; Ctrl+F1
  WinActivate, Discord
  Send, /tts Your preset message here{Enter}
return

StreamDeck: Jeśli korzystasz z Elgato StreamDeck, akcja „Tekst” może wysyłać naciśnięcia klawiszy do każdego aktywnego okna. Skonfiguruj przycisk StreamDeck, aby skupić się na wprowadzaniu tekstu Discord i wpisz polecenie /tts. Jest to szybsze i bardziej niezawodne niż AutoHotkey dla scenariuszy transmisji na żywo.

Słowa kluczowe po stronie bota: W przypadku niestandardowych botów możesz wdrożyć wyzwalacz prefiksu w kanale tekstowym zamiast polecenia slash — każda wiadomość w wyznaczonym kanale, która zaczyna się od skonfigurowanego prefiksu, jest automatycznie wysyłana do TTS. Zmienia to każdą wiadomość w wyzwalacz TTS bez hotkey.

---

Hybrydowe przepływy pracy: boty TTS + modyfikator głosu na żywo

Bot TTS obsługuje syntetyzowaną mowę z tekstu. Nie dotyka twojego mikrofonu. Oznacza to, że boty TTS i modyfikatory głosu na żywo, takie jak VoxBooster, współistnieją bez konfliktów w tym samym kanale głosowym.

Praktyczna konfiguracja hybrydowa dla streamerów:

1. Streamcord TTS czyta wiadomości czatu Twitch na głos w kanale głosowym Discord, w którym znajdują się współpracujący streamers.
2. VoxBooster modyfikuje twój głos mikrofonu na żywo w czasie rzeczywistym — niezależnie od tego, czy jest to tłumienie szumów, efekt tonu czy sklonowana persona głosu.
3. Współpracujący streamers słyszą obie: bot TTS mówiący wiadomości widza i twój zmodyfikowany głos na żywo.

Dwa strumienie audio są niezależne. Bot TTS generuje audio z własnego połączenia. Audio mikrofonu przechodzi przez urządzenie wirtualne VoxBooster przed dotarciem do Discord. Discord miesza je tak samo, jak miesza każdych dwóch uczestników w kanale.

To hybrydowe podejście jest szczególnie skuteczne dla twórców treści, którzy chcą bogatszego środowiska audio bez wymagania od widzów lub współpracujących streamerów instalacji czegokolwiek poza Discord.

---

Rozwiązywanie typowych problemów

Bot dołącza, ale nie wytwarza audio: Sprawdź, czy FFmpeg jest w PATH i czy @discordjs/opus zainstalował się pomyślnie. Uruchom ffmpeg -version w terminalu, aby sprawdzić. Jeśli brakuje opus, spróbuj npm rebuild @discordjs/opus.

Polecenie TTS ma duże opóźnienie: Opóźnienie API ElevenLabs zależy od wybranego modelu i długości tekstu wejściowego. Przełącz na eleven_flash_v2_5 dla niższego opóźnienia. Dla wiadomości dłuższych niż ~200 znaków rozważ podzielenie tekstu przed wysłaniem.

Bot rozłącza się w trakcie odtwarzania: Zwykle jest to limit czasu połączenia głosowego. Dodaj procedurę obsługi connection.on('error') i ponownie połącz w przypadku awarii. Upewnij się, że serwer ma stabilną łączność wychodzącą UDP na porcie 443 (protokół głosu Discord).

Bot Streamcord TTS nie czyta wszystkich wiadomości: Streamcord filtruje pewne typy wiadomości domyślnie. Sprawdź pulpit nawigacyjny Streamcord w sekcji Filtry, aby zezwolić na wiadomości inne niż subskrybent i wyłączyć filtrowanie treści w razie potrzeby.

Polecenie Discord /tts nie działa: Potwierdź, że TTS jest włączone w ustawieniach serwera i że określony kanał zezwala na TTS. Użytkownicy indywidualni muszą również włączyć odtwarzanie TTS w swoich ustawieniach dostępności Discord.

---

Podsumowanie

W 2026 r. ustawienie bota zamieniającego tekst na mowę na Discord zajmuje od dwóch minut (Streamcord lub Voicemod) do poniżej godziny (niestandardowy Discord.js + ElevenLabs). Właściwy wybór zależy od wymagań jakości głosu, ile dostosowań potrzebujesz i czy budujesz dla własnego serwera, czy dla produktywnej konfiguracji transmisji. Natywny Discord /tts obejmuje podstawowe odtwarzanie po stronie klienta bez żadnego bota. Boty hostowane, takie jak Streamcord, obejmują przypadek użycia streamers z minimalną konfiguracją. Niestandardowy bot Discord.js z ElevenLabs daje ci głosy AI w jakości studia z pełną programową kontrolą nad każdym aspektem mowy.

Aby uzyskać najbardziej wszechstronną konfigurację audio transmisji, połącz bota TTS do narracji czatu z VoxBooster do modyfikacji głosu na żywo — dwa narzędzia, jeden kanał głosowy, brak konfliktów.