dsh-win-pronounce

让助手真的开口说话 —— 用的是你机器上已经装好的 Windows 语音，一个字都不出网。

DeepSeek Harness（DSH）插件。在对话框输入栏的权限控件右边加一枚喇叭键，打开后助手就能用本机语音念短句；音源、语速、音量都能在弹层里改，SAPI 桌面语音和 OneCore 语音一并列出。

只调用本机 TTS（System.Speech 与 WinRT Windows.Media.SpeechSynthesis），没有网络请求，没有额外的模型调用。关掉开关，宿主侧连 speak 工具都会注销。

安装

从源码目录安装：

dsh plugin add E:\path\to\dsh-win-pronounce

或者在桌面端：设置 → 插件里选择本地目录安装，然后在插件列表里开启 语音播报 / Voice output。装完即生效，不需要重启。

效果

• 输入栏工具行里、权限控件右边紧邻的位置多一枚喇叭图标（槽位 conversation.input.left，order: 10）。
• 开启时图标是品牌色 + 两道声波；关闭时是带叉的静音喇叭。状态一望即知。
• 点开弹层：总开关、音源下拉（按 SAPI 桌面语音 / OneCore 语音 分组）、语速、音量、试听 / 停止 / 刷新。
• 弹层贴着按键向上展开，点外面或按 Esc 关闭。

它做了什么

部件	行为
喇叭按键	纯前端按钮，状态来自宿主 GET /dsh-win-pronounce/state
弹层	开关与音源改动即时 POST，语速/音量拖动 220ms 防抖后提交；打开期间 2.5s 轮询一次，朗读时状态行显示「正在朗读…」
speak 工具	只在开关打开时注册：助手说一句就返回，不等待播完（不阻塞回合）
系统提示	开关打开时附带一小段 prompt，提醒「只念短句、不念代码和表格」
持久化	开关、音源、语速、音量写进 <profile>/.dsh-win-pronounce.json，重启后保持

speak 的入参只有 text（超过 1200 字符会被截断），返回值 { ok, spoken, voice, error }。

音源是怎么来的

assets/voices.ps1 负责枚举，assets/speak.ps1 负责发声，两者都跑在系统自带的 powershell.exe（Windows PowerShell 5.1）：

音源	枚举方式	发声方式
SAPI 桌面语音	System.Speech.Synthesis.SpeechSynthesizer.GetInstalledVoices()	直接 Speak()，阻塞到说完
OneCore 语音	WinRT SpeechSynthesizer.AllVoices	先合成到临时 WAV，再用 SoundPlayer.PlaySync() 播放，结束后删除

为什么要两个来源：OneCore 里那些「新版」语音（比如中文的 Huihui / Yaoyao / Kangkang）在 SAPI 里根本看不到，只能通过 WinRT 投影拿到；反过来，SAPI 需要完整 .NET Framework 程序集，而 OneCore 需要 System.Runtime.WindowsRuntime 的异步桥。两条路各自都能跑通，就都保留了。

细节：

• 用户文本以 base64 传给脚本，彻底避开引号、换行和代码页问题（脚本本身全 ASCII）。
• 整段朗读是一个子进程，「停止」直接 kill，声音当场停住，不会拖到下一句。
• 语速 0.6×–1.8×：SAPI 换算成 -4..8 的 Rate，OneCore 直接用倍数；音量统一 0–1。

想增加音源：设置 → 时间和语言 → 语音 → 添加语音，装完后点弹层里的「刷新」即可出现在下拉里。

路由

同源，只给本页用。POST 必须带 x-dsh-win-pronounce: 1 头，且 Origin 的 host 与 Host 一致，否则一律拒绝：

方法	路径	作用
GET	/dsh-win-pronounce/state	开关、音源列表、语速、音量、是否正在朗读
POST	/dsh-win-pronounce/config	改开关 / 音源 / 语速 / 音量
POST	/dsh-win-pronounce/preview	用当前音源试听一句（按语音语言选中文或英文样句）
POST	/dsh-win-pronounce/stop	立刻停止当前朗读
POST	/dsh-win-pronounce/refresh	重新枚举本机语音

结构

index.js             宿主半边：路由、状态、speak 工具、子进程控制
client.js            客户端半边：喇叭键 + 弹层（window.__ModuleLoader__.load）
lib/util.js          profile 目录、状态文件路径、数值 clamp
lib/state.js         状态读写（.tmp + rename，失败静默）
lib/tts.js           枚举语音、拼 powershell 命令行
assets/voices.ps1    枚举 SAPI + OneCore 语音，输出 JSON
assets/speak.ps1     按 id 前缀分流，SAPI 直读 / OneCore 合成后播放
locale/{zh,en}.json  插件列表里的标题与描述
icon.svg             原创图标
cordis.patch.yml     insert: dsh-win-pronounce

客户端半边不 require 任何 Harness 私有包，只用 react、--dsw-alias-* 主题 token 和自带的 fetch；弹层通过 createPortal 挂到 document.body，免得被输入区容器的 transform / filter 裁掉。

已知限制

• 仅 Windows：依赖 System.Speech、WinRT 语音合成与 powershell.exe。
• 一次只播一段：新的朗读会先停掉上一段。
• 只适合短句：整段朗读会占用一个 powershell.exe 进程，长文本没意义也不该念。

English

A DeepSeek Harness plugin that speaks through the Windows voices already installed on the machine. One speaker button sits beside the permission control in the composer tool row; enabling it registers a speak tool the agent can call with a short line of text, and disabling it removes the tool and its prompt again. Voices from both SAPI (System.Speech) and OneCore (WinRT Windows.Media.SpeechSynthesis) are listed together, with rate, volume, preview, and stop controls in the same popover. Everything stays local: no network calls, no extra model requests. Windows only.

License

MIT © Charles516z