# realtime_voice_bot

디스코드 음성 채널에서 여러 사용자의 음성을 개별로 받아 한국어로 인식하고, LLM 응답을 생성한 뒤 ElevenLabs TTS로 다시 읽어주는 최소 프로토타입입니다.

## 현재 구현 범위

- Discord slash command 기반 제어: `/join`, `/leave`, `/status`, `/reset`, `/say`
- `@discordjs/voice` 기반 음성 채널 입장 및 유저별 오디오 수신
- 48k stereo PCM을 16k mono로 내려서 유저별 VAD 처리
- Silero 계열 VAD(`avr-vad`)로 발화 시작/종료 감지
- ElevenLabs Scribe Realtime WebSocket으로 발화 단위 STT
- OpenAI Responses API로 짧은 한국어 답변 생성
- ElevenLabs Flash v2.5 스트리밍 TTS
- 채널 단위 단일 재생 큐
- 사용자 발화 시작 시 현재 TTS와 대기열 중단(barge-in)

## 권장 환경

- Bun `1.3+`
- Node.js `22.12+`
- Discord bot with Voice permissions
- ElevenLabs API key + 사용할 Voice ID
- OpenAI API key

## 환경 변수

`.env.example`를 참고해서 `.env`를 채우면 됩니다.

필수:

- `DISCORD_BOT_TOKEN`
- `DISCORD_APPLICATION_ID`
- `OPENAI_API_KEY`
- `ELEVENLABS_API_KEY`
- `ELEVENLABS_VOICE_ID`

선택:

- `DISCORD_COMMAND_GUILD_ID`
  - 테스트 서버에만 slash command를 즉시 반영하려면 설정
- `OPENAI_MODEL`
  - 기본값: `gpt-5.4-mini`
- `ELEVENLABS_STT_MODEL`
  - 기본값: `scribe_v2_realtime`
- `ELEVENLABS_TTS_MODEL`
  - 기본값: `eleven_flash_v2_5`
- `DEBUG_TEXT_EVENTS`
  - `true`면 명령을 실행한 텍스트 채널에 transcript/reply를 같이 올림

## 실행

```bash
bun install
bun run start
```

개발 모드:

```bash
bun run dev
```

타입 체크:

```bash
bun run check
```

## 사용 흐름

1. 봇을 서버에 초대하고 음성 권한을 부여합니다.
2. 음성 채널에 들어갑니다.
3. 텍스트 채널에서 `/join` 실행
4. 말을 하면 봇이 발화 단위로 인식하고 음성으로 짧게 답합니다.
5. 다시 말하면 현재 읽고 있던 TTS는 즉시 중단됩니다.

## 설계 메모

- 입력은 유저별 병렬 처리
- 출력은 길드 세션당 단일 큐
- 화자 구분은 `speaker_id`, `speaker_name`을 LLM 프롬프트에 항상 포함
- 최소 프로토타입이므로 Deepgram 대체 STT, 장기 메모리, 고급 명령 라우팅은 아직 포함하지 않았습니다.