@gw/dsh-mimotts — MiMo TTS 语音合成插件（DeepSeek Harness 0.1.7）

把助手回复"读出来"的 DSH 插件：设置页里的"语音合成"配置页 + 每条已定稿助手回复动作行里的音量按钮 + 带可拖动进度条的内联播放器。语音由小米 MiMo TTS（mimo-v2.5-tts）合成，API Key 只存在于宿主侧，浏览器只发送文本、收到 WAV。

面向 deepseek-harness 0.1.7-rc.2（engines.dsh: ">=0.1.7-rc.2 <0.2.0"），完全按照官方插件规范实现：

官方规范条目	本插件的落点
打包与安装插件（bundle 组合包）	package.json 声明 dsh.bundle.patch + cordis.patch.yml 插入 id: mimotts 行；同包携带 dsh.client 浏览器半侧（裸包名行同时挂载 Host/Client 两侧）
插件配置（无硬编码可调参数）	全部参数走 Schemastery Config + .volatile()（接口地址/模型/音色/克隆样本/风格/字数/超时均可配）；密钥 role('secret')
即时配置表单	ctx.configForms + SettingsFormModel 标准表单；ctx.settings.configure({ auto: false }) 关闭自动 Plugins 卡片，改为自己专属设置页
Web Client Slots	conversation.chat.assistant-actions（消息动作行）+ settings.section（设置页）两个 list 席位，ctx.slots.inject 贡献、effect 生命周期托管
Web Server 子系统	ctx.webServer.register 挂 /api/mimotts/status、/api/mimotts/synthesize 两条路由，入口先过 ctx.connection.requestRejection 信任栅栏（Host/Origin + 浏览器鉴权），LAN 裸请求无法白嫖 API 额度
客户端模块系统	lib/client.js 为 lazy-CJS factory（window.__ModuleLoader__.load({ id, factory })），外部仅平台模块（react / cordis / client-store / ui-primitives），跨插件只经 Cordis 服务与 import type（构建期 purity gate 强制）
extension-cookbook · UI 插件	业务数据不进组件 props 面：文本经 useChat 从 Conversation binding 派生，配置经 configForms，合成经宿主路由，文案经 ctx.locale（zh/en 双语）

功能

1. 设置 → 语音合成（专属设置页）
   • API Key（只写密钥，绝不回传页面；显示"已配置/未配置"）
   • 接口地址（默认 https://api.xiaomimimo.com/v1）、模型（默认 mimo-v2.5-tts）
   • 预置音色（默认 mimo_default）/ 音色克隆样本（宿主本地 WAV 路径，24kHz/16bit/单声道，5–15s）
   • 默认风格（如"开心""语速慢""东北话"）、单次最大字符数、请求超时
   • 试听：用当前页面（含未保存修改）的风格/音色合成一句示例，内联播放
   • 标准表单行为：脏值预览、"已覆盖/恢复默认"徽标、保存/放弃、只读部署提示
2. 每条已定稿助手回复底部的音量按钮（位于该消息动作行，复制/分支之间）
   • 点击 → 宿主合成（Markdown 归一化：不朗读代码块/URL/标记符号）→ 自动播放
   • 播放器浮层：播放/暂停 + 可拖动进度条（pointer 拖拽、单击定位、键盘 ←→/Home/End） + 时间读数
   • 同时只有一条在播；播放中动作行不再悬停淡出
   • 失败就地提示（未配置/超时/上游拒绝/无文本等稳定错误码 → 本地化文案）
3. 安全边界：密钥只在宿主；/api/mimotts/* 两路由先过 Connection 信任栅栏；请求体 1MiB 上限；文本超预算在句末截断朗读开头。

目录

dsh-mimotts/
├── package.json            # dsh.bundle + dsh.client manifest，engines.dsh 锁 0.1.7
├── cordis.patch.yml        # bundle 层：插入 id: mimotts 行（两侧共用）
├── tsconfig.json           # tsc → lib/node（Node 半侧 + 类型）
├── tsdown.config.ts        # 官方 clientBundle 的树外复刻 → lib/client.js
├── icon.svg  locale/{zh,en}.json
├── src/
│   ├── index.ts            # Host 插件：Config schema + 两条 Web 路由
│   ├── tts.ts              # MiMo TTS 客户端（/chat/completions + audio 输出块）
│   ├── wav.ts  normalize.ts# PCM→WAV 封装；Markdown→可朗读文本
│   ├── settings.ts         # 两侧共享：命名空间/路由/默认值/线格式类型
│   └── client/
│       ├── index.ts        # 浏览器插件：两个 slot 席位注册
│       ├── SpeakAction.tsx # 消息动作行的音量按钮 + 浮层播放器
│       ├── PlayerBar.tsx   # 可拖动进度条（role=slider，指针+键盘）
│       ├── SettingsSection.tsx + settings-controller.ts  # 设置页
│       ├── chat-text.ts    # 从 Chat snapshot 取该消息的可朗读文本
│       ├── use-audio-player.ts  # 播放引擎（单活播放器）
│       ├── api.ts  status.ts  slots.ts  locales.ts  styles.ts  SpeakerIcon.tsx
├── tests/                  # 17 项单测（node --test）
└── scripts/
    ├── stub-e2e.mjs        # 本地桩服务端到端（无需真实密钥）
    └── live-e2e.mjs        # 真实 MiMo API 端到端（需 MIMO_API_KEY）

构建与安装

npm install          # prepare 自动执行构建；或手动 npm run build
npm test             # 17 项单测
node scripts/stub-e2e.mjs

安装进 DSH profile（源码 checkout）：

dsh plugin --profile demo add ./dsh-mimotts
# pnpm≥10 首次 git/本地源码安装需要为构建授权：把 dsh-mimotts 写入
# 该 profile 的 pnpm-workspace.yaml → allowBuilds: { dsh-mimotts: true }，再重试
dsh --profile demo --dump-config   # 应能看到 "# == dsh-mimotts" 层
dsh --profile demo

打开 http://127.0.0.1:3080：设置 → 语音合成 填入 API Key（试听可即时验证），随后每条已定稿回复下都会出现音量按钮。

不想把密钥写进配置文件时，在 profile 的 cordis.patch.yml 里覆写该行：

- id: mimotts
  config:
    apiKey: !!js process.env.MIMO_API_KEY

MiMo TTS 线格式（与 mimo-tts-wav skill 完全一致）

POST {baseUrl}/chat/completions，头 api-key: <key>，体：

{
  "model": "mimo-v2.5-tts",
  "audio": { "format": "wav", "voice": "mimo_default" },
  "messages": [{ "role": "assistant", "content": "<style>开心</style>要说的话" }]
}

音色克隆时 audio 换成 { "format": "wav", "voice_audio": { "format": "wav", "data": "<base64 wav>" } }；响应 choices[0].message.audio.data 为 base64 音频（RIFF 或裸 PCM，裸 PCM 由插件包成 24kHz/16bit/mono WAV）。

已知边界

• 按消息朗读：动作行属于该条已定稿回复，朗读其正文（不读思考块与工具调用）；代码块以"代码略"代替。
• 文本超过"单次最大字符数"时朗读开头并在句末截断（动作行旁有提示）。
• Desktop（Electron）走 IPC 桥接 fetch，路由路径不变。
• 语音输入（麦克风）是官方 voice-input 组合包的职责，与本插件互补不冲突。

验证记录

• tsc 全量类型检查通过（对着 0.1.7-rc.2 的真实 .d.ts）
• node --test：17/17 通过（请求形状/PCM 封装/Markdown 归一化/文本提取/错误码映射）
• scripts/stub-e2e.mjs：真实 HTTP 桩端到端通过（96,044 字节 WAV）
• MiMo 实机协议探测通过（与官方 mimo-tts-wav skill 同一契约，115,244 字节 WAV）；scripts/live-e2e.mjs 可对真实 API 跑完整引擎链路