（307期）Discord Voice Using Deepgram – Discord 实时语音 AI 助手

Discord 实时语音 AI 助手 Discord 语音频道 AI 助手，集成 Deepgram 流式语音识别与合成，支持低延迟双向语音交互，可设置唤醒词与权限管控。 使用说明 核心用法 Deepgram Discord Voice 是一款面向 Discord 语音频道的实时 AI 对话插件，专为 Clawdbot/OpenClaw 平台设计。其核心功能是将 Discord 语音通道中的音频流转为文字，经 AI 处理后再以语音形式实时回复，形成完整的语音-语音交互闭环。 技术架构：采用 Deepgram Nova-2 模型进行流式语音识别（WebSocket 连接），识别结果送入 Agent 处理后，通过 Deepgram Aura TTS API（/v1/speak）以 Ogg/Opus 流式格式返回，直接播放至 Discord 频道，端到端延迟极低。 关键特性： 权限管控：通过 primaryUser 锁定主控用户，支持语音指令动态授权他人（如 "openclaw allow 用户名"） 唤醒词机制：默认 "openclaw" 前缀触发控制指令 语音打断（Barge-in）：允许用户中断 AI 播报 多语言支持：可配置 BCP-47 语言标签（如 en-US、es-EC） VAD 灵敏度调节：低/中/高三档语音活动检测 显著优点： 低延迟体验：流式 STT + 流式 TTS 双端优化，接近实时对话 部署便捷：npm 安装或 ClawHub 一键集成，配置即开即用 权限安全：默认仅监听指定用户，避免误触发或恶意干扰 音质优秀：Deepgram Aura 系列语音自然度高，支持多种音色选择 潜在局限与风险： 第三方依赖：完全依赖 Deepgram API 稳定性与定价策略，存在服务中断或成本波动风险 Discord 生态限制：需维护 bot 连接状态，受 Discord 网关速率限制 隐私考量：语音数据需传输至 Deepgram 云端处理，敏感场景需评估合规性 网络依赖：WebSocket 连接对网络质量敏感，弱网环境可能出现断连 适合人群：Discord 社群运营者、游戏团队指挥、远程协作小组、需要免手操作 AI 助手的开发者与技术爱好者。 常规风险：API 密钥泄露风险（需妥善保管 DISCORDTOKEN 与 DEEPGRAMAPI_KEY）、语音指令被误识别导致的非预期操作、多用户场景下的权限管理复杂度。 原始说明 Voice-channel conversations in Discord using Deepgram streaming STT + low-latency TTS