鲸读（dsh-jingdu）

在 DeepSeek Harness 中把助手回复变成语音。鲸读默认静音，点按才读；也可以打开任务完成自动播报。支持总结/全文两种模式、流式首包即播、soul.md 人设、stella/tide 双声线，以及本机音频与总结缓存。

当前版本 1.0.0。仓库：https://github.com/Kylin412/dsh-jingdu

测试数据见 TEST-REPORT.md，版本记录见 CHANGELOG.md。

特性

点按朗读：每条已完成回复下方出现 🔊 按钮；播放中可暂停/停止，合成中可取消。
总结优先：长回复先由 DeepSeek Chat 压成 2–3 句口语再合成；短回复直接朗读。可在设置中切换为全文模式。
流式播放：浏览器直连 DeepSeek TTS WebSocket，首个 PCM 包到达即开始播放，不再等整段 WAV。
自动播报：回复完成时可自动朗读；可选在朗读结束后响一声提示音（不再在开始前响，避免和 DSH 自带完成音重复）。默认关闭。
soul.md 人设：用 Markdown 定义助手的身份、语气与规则；设置页可直接编辑、保存、重载，也可一键关闭。
双声线：stella（女声）/ tide（男声）。
本地缓存：音频写入 IndexedDB，重复内容直接播放；总结写入 localStorage，7 天内复用。音频默认最多 120 条 / 200 MB，按时间淘汰；总结最多 50 条。
Key 隔离：API Key 只写入插件私有凭据与当前浏览器，不污染 DSH 共享的 DEEPSEEK_API_KEY；Key 旁有绿/红状态灯。
左侧栏入口：不用每次打开设置弹窗，常用配置在侧栏面板内完成。

快速开始

环境要求

已安装并可运行的 DeepSeek Harness（Web profile，0.2.2 系列）。
Node.js 22 或更高版本。
一个 DeepSeek 开放平台的 sk- API Key。DSH 账号登录令牌不能调用 TTS。
浏览器可访问 api.deepseek.com，并允许 WebSocket、IndexedDB 与音频播放。
运行时无需额外 npm 依赖；React 由 DSH 客户端提供。

安装

从 npm 安装（包发布后）：

dsh plugin --profile web add dsh-jingdu

从源码安装：

git clone https://github.com/Kylin412/dsh-jingdu.git
dsh plugin --profile web add ./dsh-jingdu

也可以在已启动的 DSH 会话中安装 bundle 目录，把路径换成克隆后的绝对路径：

plugin_manager install_bundle C:\path\to\dsh-jingdu

安装完成后刷新页面，左侧栏会出现「鲸读」。

离线分发可以使用 dist/dsh-jingdu-1.0.0.tgz；校验值见 dist/SHA256SUMS.txt。

从旧版升级

旧版包名是 dsh-deepseek-tts。先移除旧 bundle，再安装 dsh-jingdu：

plugin_manager remove_bundle dsh-deepseek-tts

Key、设置与缓存沿用旧内部存储键，升级后不会丢失；显示名与 bundle 标识统一为 dsh-jingdu。

第一次使用

打开左侧栏「鲸读」。
填入 sk- 开头的 API Key，点「保存」；标题旁圆点变绿表示已配置。
点「试听」确认能出声；也可以在任意助手回复下点 🔊。
如需自动播报，打开「任务完成后自动播报」。

没有 Key 时，第一次点 🔊 也会弹出填写引导。

配置

配置项	默认值	说明
API Key	空	DeepSeek 开放平台 Key；只存入插件私有凭据与本机浏览器
朗读内容	总结	「总结」先压缩再读；「全文」按原文分句朗读
回复声线	`stella`	`stella` 女声 / `tide` 男声
人设 / 语气	空	对 `soul.md` 的补充，只在不冲突时生效
启用人设	开	关闭后 `soul.md` 与人设 / 语气都不进入总结 prompt
任务完成后自动播报	关	只对 30 秒内新完成、且未播过的回复自动朗读一次
播报结束后播放提示音	开	自动朗读结束后响一声；关闭自动播报时不可用
语音缓存	开启	显示条数与占用，可一键清理

人设优先级：soul.md 最高，是身份与规则的权威来源；设置页的「人设 / 语气」只在不冲突时补充口吻。

使用

手动朗读

等助手回复完成。
鼠标移到回复底部，点 🔊（与复制、点赞、分享同一行）。
默认先请求总结，再进入 TTS；按钮显示加载环，开始播放后变为停止方块。
再点一次停止。

自动播报

在设置中打开「任务完成后自动播报」即可。浏览器通常要求页面先有一次真实交互才能自动播放声音；刷新后点一下页面，或先手动播放一次。

关于「0 延迟」

插件把等待从「整段 WAV 合成完」变成「首包到达」：第一个 PCM 包一到就播，后续音频边收边播。总结阶段仍需要一次 DeepSeek Chat 调用（约 0.7–1.2 秒）；短回复、总结缓存命中时可以跳过这一步。

工作原理

Host 路由

路由	方法	作用
`/api/dsh-tts/speak`	POST	读取 Key，调用 `https://api.deepseek.com/v1/tools/tts`，返回 `audio/wav`；作为流式失败时的回退
`/api/dsh-tts/summarize`	POST	调用 `https://api.deepseek.com/chat/completions`（`deepseek-chat`），把长回复压成口语总结；短文本直接回原文
`/api/dsh-tts/key`	GET/POST/DELETE	查询/保存/清除插件私有凭据记录 `dsh-deepseek-tts/api-key`
`/api/dsh-tts/soul`	GET/POST	读取/保存 `soul.md`（UTF-8，上限 20 KB）

Key 解析顺序：请求头 x-dsh-tts-key → 请求体 apiKey → 插件私有凭据记录 → 环境变量 DSH_TTS_API_KEY。不会读取或覆盖 DSH 共享的 DEEPSEEK_API_KEY。

凭据记录名沿用 dsh-deepseek-tts/api-key，这是旧版留下的内部名称，只为升级时不丢 Key；显示名与新包名均为 dsh-jingdu。

Client 挂载点

conversation.chat.assistant-actions：每条已完成回复的 🔊 按钮。
conversation.chat.turnTail：自动播报，只处理新 settled 的 turn。
sidebar.panellist + main：左侧栏入口与完整设置面板。
settings.section：设置弹窗中的「鲸读」页。

音频链路

清理正文，按长度决定「总结」或「全文」。
请求 /api/dsh-tts/summarize 得到朗读文本。
浏览器有本地 Key 时直连 wss://api.deepseek.com/v1/tools/tts，使用 format=pcm；PCM 转 24kHz mono AudioBuffer 顺序调度。
流式不可用时回退到 Host 的 /speak，拿到 WAV 后用 Audio 播放。
播放结束把音频写入 IndexedDB；总结写入 localStorage。

隐私与安全

文本与音频只发送到 api.deepseek.com；插件没有遥测、没有第三方上传。
Key 保存在两处：当前浏览器 localStorage 与 DSH 凭据的插件私有记录。它不会写入 DSH 共享 Key。
清除 Key：设置页点「清除」，两处副本都会删除。
音频与总结缓存只在本机；可在设置页清理。
仓库与发布包不包含 API Key。

性能与消耗

实测环境与完整时间轴见 TEST-REPORT.md。

场景	实测
手动朗读（总结 + WAV）	点击到播放约 3.7s；其中总结约 1.0s、WAV 约 2.5s
流式播放	WebSocket open 约 0.15s；首个音频帧约 0.95s
缓存回放	约 0.14s，无新 TTS 请求
试听	约 1.6s 开始播放
自动播报（流式）	合成开始后约 1.2s 首帧

TTS 按计费字符收费（中文 1 字按 2 个计费字符）。一条约 60 字总结、11 秒音频的朗读，限时价约 ¥0.02–0.04/次；短句自动播报通常不到 ¥0.01。总结 LLM 调用另计，通常很低。实际费用以 DeepSeek 账单为准。

限制

单次手动朗读正文最多 4000 字；总结输入最多 12000 字；soul.md 最多 20000 字节。
TTS 接口单请求最多 10000 计费字符，且不支持语速控制；插件暂未提供语速设置。
一次只播放一条回复；开始新的朗读会停止上一条。
流式播放依赖浏览器 localStorage 中的 Key；只有服务端 Key 时会回退到较慢的 WAV 路径。
浏览器自动播放策略可能拦截自动播报；这是浏览器行为，手动点 🔊 不受影响。
目前只适配 DSH Web profile；移动端浏览器未做专门适配。

常见问题

点了 🔊 没有声音？

先刷新页面（必要时 Ctrl+F5），确认左侧栏面板里的 Key 是绿点。
点设置页「试听」：能听到说明链路正常，问题在具体回复或自动播放策略；听不到则检查标签页静音、系统输出设备与浏览器权限。
自动播报需要页面先有一次用户交互；刷新后点一下页面再试。
仍然无声时，按 F12 看 Console/Network 是否有 401、409 或 WebSocket 错误。

提示 401 / Authentication Fails？

TTS 必须使用 sk- 开头的开放平台 API Key。DSH 账号登录令牌只能用于聊天，不能调用 TTS。

提示 missing_api_key / 409？

设置页还没保存 Key。填入后保存，或按首次点击的弹窗提示填写。

更新后界面没变化？

客户端 client.js 更新后刷新页面；Host index.js / lib/ 更新后对 include:dsh-jingdu 执行一次 disable/enable，或重启 DSH。

如何更换人设文件？

直接编辑设置页的 soul.md 文本框并保存；也可以用环境变量 DSH_TTS_SOUL 指向其他文件。

开发与打包

仓库没有构建步骤：client.js 是手写的 window.__ModuleLoader__.load(...) 客户端 bundle，Host 直接以 ESM 运行。

node --check client.js
node --check index.js
npm pack --pack-destination dist

安装后调试：

客户端改动：刷新页面。
Host 改动：重载 include:dsh-jingdu，或重启 DSH。
卸载：plugin_manager remove_bundle dsh-jingdu。

目录结构

dsh-jingdu/
├─ index.js              # Host 路由注册
├─ lib/
│  ├─ config.js          # 常量
│  ├─ http.js            # JSON 响应
│  ├─ credentials.js     # Key 解析与隔离存储
│  ├─ soul.js            # soul.md 读写
│  ├─ summary.js         # 总结 prompt 与清洗
│  └─ routes/            # speak / summarize / soul / key
├─ client.js             # 客户端：按钮、面板、流式、缓存
├─ soul.md               # 默认人设
├─ locale/               # 中英文元数据
├─ dist/                 # tgz 与校验值
├─ TEST-REPORT.md
├─ CHANGELOG.md
├─ LICENSE
└─ README.md

友链

LINUX DO —— 中文技术社区；感谢社区与佬友的监督。

许可证

本项目采用 MIT License。

鲸读（dsh-jingdu）

当前版本 1.0.0。仓库：https://github.com/Kylin412/dsh-jingdu

测试数据见 TEST-REPORT.md，版本记录见 CHANGELOG.md。

特性

点按朗读：每条已完成回复下方出现 🔊 按钮；播放中可暂停/停止，合成中可取消。
总结优先：长回复先由 DeepSeek Chat 压成 2–3 句口语再合成；短回复直接朗读。可在设置中切换为全文模式。
流式播放：浏览器直连 DeepSeek TTS WebSocket，首个 PCM 包到达即开始播放，不再等整段 WAV。
自动播报：回复完成时可自动朗读；可选在朗读结束后响一声提示音（不再在开始前响，避免和 DSH 自带完成音重复）。默认关闭。
soul.md 人设：用 Markdown 定义助手的身份、语气与规则；设置页可直接编辑、保存、重载，也可一键关闭。
双声线：stella（女声）/ tide（男声）。
本地缓存：音频写入 IndexedDB，重复内容直接播放；总结写入 localStorage，7 天内复用。音频默认最多 120 条 / 200 MB，按时间淘汰；总结最多 50 条。
Key 隔离：API Key 只写入插件私有凭据与当前浏览器，不污染 DSH 共享的 DEEPSEEK_API_KEY；Key 旁有绿/红状态灯。
左侧栏入口：不用每次打开设置弹窗，常用配置在侧栏面板内完成。

快速开始

环境要求

已安装并可运行的 DeepSeek Harness（Web profile，0.2.2 系列）。
Node.js 22 或更高版本。
一个 DeepSeek 开放平台的 sk- API Key。DSH 账号登录令牌不能调用 TTS。
浏览器可访问 api.deepseek.com，并允许 WebSocket、IndexedDB 与音频播放。
运行时无需额外 npm 依赖；React 由 DSH 客户端提供。

安装

从 npm 安装（包发布后）：

dsh plugin --profile web add dsh-jingdu

从源码安装：

git clone https://github.com/Kylin412/dsh-jingdu.git
dsh plugin --profile web add ./dsh-jingdu

也可以在已启动的 DSH 会话中安装 bundle 目录，把路径换成克隆后的绝对路径：

plugin_manager install_bundle C:\path\to\dsh-jingdu

安装完成后刷新页面，左侧栏会出现「鲸读」。

离线分发可以使用 dist/dsh-jingdu-1.0.0.tgz；校验值见 dist/SHA256SUMS.txt。

从旧版升级

旧版包名是 dsh-deepseek-tts。先移除旧 bundle，再安装 dsh-jingdu：

plugin_manager remove_bundle dsh-deepseek-tts

Key、设置与缓存沿用旧内部存储键，升级后不会丢失；显示名与 bundle 标识统一为 dsh-jingdu。

第一次使用

打开左侧栏「鲸读」。
填入 sk- 开头的 API Key，点「保存」；标题旁圆点变绿表示已配置。
点「试听」确认能出声；也可以在任意助手回复下点 🔊。
如需自动播报，打开「任务完成后自动播报」。

没有 Key 时，第一次点 🔊 也会弹出填写引导。

配置

配置项	默认值	说明
API Key	空	DeepSeek 开放平台 Key；只存入插件私有凭据与本机浏览器
朗读内容	总结	「总结」先压缩再读；「全文」按原文分句朗读
回复声线	`stella`	`stella` 女声 / `tide` 男声
人设 / 语气	空	对 `soul.md` 的补充，只在不冲突时生效
启用人设	开	关闭后 `soul.md` 与人设 / 语气都不进入总结 prompt
任务完成后自动播报	关	只对 30 秒内新完成、且未播过的回复自动朗读一次
播报结束后播放提示音	开	自动朗读结束后响一声；关闭自动播报时不可用
语音缓存	开启	显示条数与占用，可一键清理

人设优先级：soul.md 最高，是身份与规则的权威来源；设置页的「人设 / 语气」只在不冲突时补充口吻。

使用

手动朗读

等助手回复完成。
鼠标移到回复底部，点 🔊（与复制、点赞、分享同一行）。
默认先请求总结，再进入 TTS；按钮显示加载环，开始播放后变为停止方块。
再点一次停止。

自动播报

在设置中打开「任务完成后自动播报」即可。浏览器通常要求页面先有一次真实交互才能自动播放声音；刷新后点一下页面，或先手动播放一次。

关于「0 延迟」

工作原理

Host 路由

路由	方法	作用
`/api/dsh-tts/speak`	POST	读取 Key，调用 `https://api.deepseek.com/v1/tools/tts`，返回 `audio/wav`；作为流式失败时的回退
`/api/dsh-tts/summarize`	POST	调用 `https://api.deepseek.com/chat/completions`（`deepseek-chat`），把长回复压成口语总结；短文本直接回原文
`/api/dsh-tts/key`	GET/POST/DELETE	查询/保存/清除插件私有凭据记录 `dsh-deepseek-tts/api-key`
`/api/dsh-tts/soul`	GET/POST	读取/保存 `soul.md`（UTF-8，上限 20 KB）

Key 解析顺序：请求头 x-dsh-tts-key → 请求体 apiKey → 插件私有凭据记录 → 环境变量 DSH_TTS_API_KEY。不会读取或覆盖 DSH 共享的 DEEPSEEK_API_KEY。

凭据记录名沿用 dsh-deepseek-tts/api-key，这是旧版留下的内部名称，只为升级时不丢 Key；显示名与新包名均为 dsh-jingdu。

Client 挂载点

conversation.chat.assistant-actions：每条已完成回复的 🔊 按钮。
conversation.chat.turnTail：自动播报，只处理新 settled 的 turn。
sidebar.panellist + main：左侧栏入口与完整设置面板。
settings.section：设置弹窗中的「鲸读」页。

音频链路

清理正文，按长度决定「总结」或「全文」。
请求 /api/dsh-tts/summarize 得到朗读文本。
浏览器有本地 Key 时直连 wss://api.deepseek.com/v1/tools/tts，使用 format=pcm；PCM 转 24kHz mono AudioBuffer 顺序调度。
流式不可用时回退到 Host 的 /speak，拿到 WAV 后用 Audio 播放。
播放结束把音频写入 IndexedDB；总结写入 localStorage。

隐私与安全

文本与音频只发送到 api.deepseek.com；插件没有遥测、没有第三方上传。
Key 保存在两处：当前浏览器 localStorage 与 DSH 凭据的插件私有记录。它不会写入 DSH 共享 Key。
清除 Key：设置页点「清除」，两处副本都会删除。
音频与总结缓存只在本机；可在设置页清理。
仓库与发布包不包含 API Key。

性能与消耗

实测环境与完整时间轴见 TEST-REPORT.md。

场景	实测
手动朗读（总结 + WAV）	点击到播放约 3.7s；其中总结约 1.0s、WAV 约 2.5s
流式播放	WebSocket open 约 0.15s；首个音频帧约 0.95s
缓存回放	约 0.14s，无新 TTS 请求
试听	约 1.6s 开始播放
自动播报（流式）	合成开始后约 1.2s 首帧

限制

单次手动朗读正文最多 4000 字；总结输入最多 12000 字；soul.md 最多 20000 字节。
TTS 接口单请求最多 10000 计费字符，且不支持语速控制；插件暂未提供语速设置。
一次只播放一条回复；开始新的朗读会停止上一条。
流式播放依赖浏览器 localStorage 中的 Key；只有服务端 Key 时会回退到较慢的 WAV 路径。
浏览器自动播放策略可能拦截自动播报；这是浏览器行为，手动点 🔊 不受影响。
目前只适配 DSH Web profile；移动端浏览器未做专门适配。

常见问题

点了 🔊 没有声音？

先刷新页面（必要时 Ctrl+F5），确认左侧栏面板里的 Key 是绿点。
点设置页「试听」：能听到说明链路正常，问题在具体回复或自动播放策略；听不到则检查标签页静音、系统输出设备与浏览器权限。
自动播报需要页面先有一次用户交互；刷新后点一下页面再试。
仍然无声时，按 F12 看 Console/Network 是否有 401、409 或 WebSocket 错误。

提示 401 / Authentication Fails？

TTS 必须使用 sk- 开头的开放平台 API Key。DSH 账号登录令牌只能用于聊天，不能调用 TTS。

提示 missing_api_key / 409？

设置页还没保存 Key。填入后保存，或按首次点击的弹窗提示填写。

更新后界面没变化？

客户端 client.js 更新后刷新页面；Host index.js / lib/ 更新后对 include:dsh-jingdu 执行一次 disable/enable，或重启 DSH。

如何更换人设文件？

直接编辑设置页的 soul.md 文本框并保存；也可以用环境变量 DSH_TTS_SOUL 指向其他文件。

开发与打包

仓库没有构建步骤：client.js 是手写的 window.__ModuleLoader__.load(...) 客户端 bundle，Host 直接以 ESM 运行。

node --check client.js
node --check index.js
npm pack --pack-destination dist

安装后调试：

客户端改动：刷新页面。
Host 改动：重载 include:dsh-jingdu，或重启 DSH。
卸载：plugin_manager remove_bundle dsh-jingdu。

目录结构

dsh-jingdu/
├─ index.js              # Host 路由注册
├─ lib/
│  ├─ config.js          # 常量
│  ├─ http.js            # JSON 响应
│  ├─ credentials.js     # Key 解析与隔离存储
│  ├─ soul.js            # soul.md 读写
│  ├─ summary.js         # 总结 prompt 与清洗
│  └─ routes/            # speak / summarize / soul / key
├─ client.js             # 客户端：按钮、面板、流式、缓存
├─ soul.md               # 默认人设
├─ locale/               # 中英文元数据
├─ dist/                 # tgz 与校验值
├─ TEST-REPORT.md
├─ CHANGELOG.md
├─ LICENSE
└─ README.md

友链

LINUX DO —— 中文技术社区；感谢社区与佬友的监督。

许可证

本项目采用 MIT License。

Kylin412/dsh-jingdu

鲸读（dsh-jingdu）

特性

快速开始

环境要求

安装

从旧版升级

第一次使用

配置

使用

手动朗读

自动播报

关于「0 延迟」

工作原理

Host 路由

Client 挂载点

音频链路

隐私与安全

性能与消耗

限制

常见问题

开发与打包

目录结构

友链

许可证

Community comments

Kylin412/dsh-jingdu

鲸读（dsh-jingdu）

特性

快速开始

环境要求

安装

从旧版升级

第一次使用

配置

使用

手动朗读

自动播报

关于「0 延迟」

工作原理

Host 路由

Client 挂载点

音频链路

隐私与安全

性能与消耗

限制

常见问题

开发与打包

目录结构

友链

许可证

Community comments