Integrimi i zërit u mundëson botëve të Discord të japin njoftime në kohë reale, të lexojnë statistika lojërash, pyetje kuizi apo tituj lajmesh dhe të mbështesin përvoja me role e rrëfim. Përdoruesit mund ta marrin informacionin pa lexuar mesazhe, ndërsa ndërveprimi bëhet më i natyrshëm, sidomos në komunitetet e lojërave.
Dy teknologjitë kryesore janë shndërrimi i tekstit në të folur (TTS) dhe klonimi i zërit. TTS prodhon audio nga teksti, ndërsa klonimi përdor një mostër zëri real për të gjeneruar të folur me atë zë. Të dyja mund të kombinohen për të lexuar përmbajtje dinamike me një zë të personalizuar.
Materiali përmend Google Cloud Text-to-Speech, Amazon Polly, Azure Cognitive Services, ElevenLabs, Replica Studios dhe Resemble AI si ofrues të këtyre shërbimeve. Shembulli praktik mbështetet te ElevenLabs dhe API-ja e tij për të sintetizuar të folur për një bot Discord.
Konfigurimi i paraqitur përdor Python, discord.py (v2.0+) dhe requests. Nevojiten një token boti nga Discord Developer Portal dhe një çelës API i ElevenLabs, të cilët kodi i lexon nga variablat e mjedisit. Funksioni demonstrues dërgon tekstin te shërbimi TTS dhe kthen të dhënat audio në formatin MP3; fragmenti i dhënë nuk përfshin implementimin e plotë të botit.
Burimi: DEV Community (Web Dev Feed) — lexoni artikullin e plotë në anglisht.
