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：
1. 低延迟体验：流式 STT + 流式 TTS 双端优化，接近实时对话
2. 部署便捷：npm 安装或 ClawHub 一键集成，配置即开即用
3. 权限安全：默认仅监听指定用户，避免误触发或恶意干扰
4. 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 DISCORD_TOKEN 与 DEEPGRAM_API_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。