ボイス

ボイス系のボット（Lavalink や @discordjs/voice を含む）はコードの変更なしで動きます。GameVox は Discord のボイスゲートウェイプロトコルをそのまま話し、AEAD-RTP のストリームを合成ピアとしてネイティブの WebRTC SFU にブリッジします。

対応ライブラリ

リージョンごとに用意されています。ボットは VOICE_SERVER_UPDATE のディスパッチが指定したリージョンに接続します。

メインゲートウェイが、チャンネルの SFU の場所に応じて適切なリージョンを配信します。ライブラリはディスパッチの endpoint を読んでそこへ接続するだけで、手動のルーティングは不要です。

ボットがメインゲートウェイ（gateway.gamevox.com）に channel_id 付きで op:4 Update Voice State を送信します。
メインゲートウェイが、エンドポイントとセッションごとのトークンを含む VOICE_STATE_UPDATE と VOICE_SERVER_UPDATE を配信します。
ボットが wss://{endpoint}/?v=8 に WSS 接続し、{server_id, user_id, session_id, token} を付けて op:0 Identify を送信します。
ボイスゲートウェイが ssrc、ip、port、対応する暗号化モードを含む op:2 Ready を返します。
ボットが UDP の IP ディスカバリーを行います（74 バイトの type 0x0001 パケット → type 0x0002 でエコーバック）。
ボットが選んだ暗号化モードを付けて op:1 Select Protocol を送信します。
ボイスゲートウェイが 32 バイトの secret_key を含む op:4 Session Description を返します。
ボットが、合意した方式で AEAD 暗号化した Opus を RTP で送信します。

Discord と同じく、2 つの AEAD-RTPSize モードに対応します。

aead_aes256_gcm_rtpsize — 推奨。暗号化ペイロードの末尾に付与した 4 バイトのカウンターから nonce を導出する AES-256-GCM です。
aead_xchacha20_poly1305_rtpsize — AES-NI がないライブラリ向けのフォールバックです。

旧来のモード（xsalsa20_poly1305、_lite、_suffix）は提供していません。Discord が 2024 年に廃止し、主要なライブラリも移行済みです。ライブラリが古いモードに固定されている場合は更新してください。

Lavalink は VOICE_SERVER_UPDATE から直接 endpoint を読み、自分で UDP を張ります。エンドポイントに到達できる限り（到達できます）、Lavalink は相手が Discord でないことに気づきません。

テスト済みバージョン: Lavalink v3.7.x と v4.0.x。特定のバージョンで問題が起きた場合は開発者ポータルから報告してください。CI でそのバージョンを固定して検証します。

ブリッジによる追加レイテンシの目標は、受信 UDP から SFU 送出までで 5 ms 未満です。5 ms を超えると音楽が不自然に聞こえます（音の立ち上がりのずれ、ハイハットのジッター）。ブリッジは Opus をそのまま通し、トランスコードしないため、主な要素は復号と再パケット化です。

op:5 Speaking は双方向で、Discord と同一です。ボイスゲートウェイは受信した人間の話者の SSRC をユーザー ID に対応付け、ボットが紐づけられるよう {ssrc, user_id} を含む op:5 を配信します。

メインゲートウェイに channel_id: null で op:4 Update Voice State を送るとセッションが終了します。ボイスゲートウェイは UDP ソケットを閉じ、合成 SFU ピアを取り除くため、聞いている人には直ちに音声が届かなくなります。