dsh-mimo-tts

小米 MiMo TTS（mimo-v2.5-tts，目前官方标为限时免费）在 DeepSeek Harness 里的两种用法：

1. 模型工具 mimo_tts：模型把文字合成为本地音频文件（wav / mp3），返回路径。
2. Web GUI 播报按钮：每条已定稿助手回答的动作行（复制旁边）多一个 🔊 按钮，点一下就朗读这条回答；右侧 ▾ 里可以开「自动播报新回答」和选音色。

安装

dsh plugin --profile web add dsh-mimo-tts

本仓库/目录形态（开发时）：

dsh plugin --profile web add link:D:/Workspaces/DSH/plugins/dsh-mimo-tts

配置

需要一个小米 MiMo API Key，插件按以下顺序读取：

1. DSH 凭据服务里的 XIAOMI_API_KEY（设置页或 ~/.dsh/.credentials.yaml）
2. 进程环境变量 XIAOMI_API_KEY
3. $DSH_HOME/.credentials.yaml 里的 XIAOMI_API_KEY

可选环境变量：

变量	默认	含义
MIMO_TTS_MODEL	mimo-v2.5-tts	模型 id（换成 voicedesign / voiceclone 可解锁自定义音色，但流式未开放）
MIMO_TTS_BASE	https://api.xiaomimimo.com/v1	OpenAI 兼容端点
DSH_MIMO_TTS_DIR	$DSH_HOME/tts	工具生成的音频落盘目录

两个入口分别做什么

工具 mimo_tts

参数：

参数	必填	说明
text	是	待朗读文字，上限 4000 字
voice	否	mimo_default / 冰糖 / 茉莉 / 苏打 / 白桦 / Mia / Chloe / Milo / Dean
style	否	自然语言风格提示，例如「温柔、放慢语速」「新闻播报」
format	否	wav（默认，可算时长）/ mp3（体积小）

返回音频绝对路径、字节数、时长（wav 可算）等。

行内播报（Web GUI）

• 按钮位置：已定稿助手消息动作行，位于官方「复制」之后、「反馈 / 分支」之前，与「用量」同排。
• 点击：请求宿主 /api/mimo-tts/speak，拿回音频字节直接播放；再点停止。API Key 不进浏览器。
• ▾ 菜单：自动播报开关 + 音色选择，偏好存在浏览器 localStorage（dsh-mimo-tts:prefs）。
• 自动播报只对「开启之后新结束的回答」生效，不会在打开页面时朗读历史消息。

宿主路由（Host 侧）

路由	方法	用途
/api/mimo-tts/speak	POST	{text, voice?, style?, format?} → 音频字节（audio/mpeg 或 audio/wav）
/api/mimo-tts/config	GET	可选音色、默认音色、字数上限、模型 id

兼容性

• 依赖 Host 的 connection.fetch 注册路由，因此只在 Web profile 有意义；headless 下会因缺少 connection 服务而不加载。
• 浏览器侧依赖 conversation.chat.assistant-actions 这个 Slot（官方 @deepseek-ai/dsh-client-ui-chat 声明）。宿主升级若改掉该 Slot 名，按钮会消失但工具仍可用。
• 文字优先从 Chat 快照按 messageId 取；取不到时退化到 DOM 近似提取，因此老版本宿主也能用，但极少数布局下可能多/少读一段。

已知限制

• 非流式合成：长文本要等整段合成完才播放（官方流式接口存在，但工具形态下收益有限）。
• 只播放，不落盘到工作区；需要文件请用 mimo_tts 工具。
• 音频长度上限由模型与超时（120s）共同决定，超长文本请分段。

许可

MIT。

三种合成模型 + 侧边栏「语音设置」

插件支持 MiMo 的三个 TTS 模型，区别只在「音色从哪来」：

模型	音色来源	需要填
mimo-v2.5-tts	9 个内置音色	音色名（默认 mimo_default = 中国集群的「冰糖」）
mimo-v2.5-tts-voicedesign	一段文字描述	voiceDesign，例如「低沉、语速很慢的老年男声」
mimo-v2.5-tts-voiceclone	mp3 / wav 样本	voiceSamplePath，本机绝对路径，≤10MB

侧边栏新增一个 「语音设置」 面板（图标在「插件市场 / 工具箱」那一列）：

• 选模型、选内置音色、填音色描述或样本路径
• 自动播报开关
• 试听：直接输入一段文字合成并播放，不用发消息
• 设置存在浏览器 localStorage（dsh-mimo-tts:prefs），换设备不跟随

回答动作行的 🔊 按钮和 ▾ 快速菜单都会用这里的设置；▾ 里也能快速切内置音色。

计费

MiMo TTS 目前官方标为限时免费（三个模型同一个计费口径），免费期结束后按平台账单计费。沿用已配置的 XIAOMI_API_KEY（与 MiMo 大模型共用同一个 key），无需另外申请。