dsh-speak-plus 🔊

让 DeepSeek Harness 把回答念出来——而且中间过程也念，不是只念最后一句。

本仓库是 dsh-speak 1.8.4 的增强分支（MIT 许可）。 上游的朗读、队列、设置页、WebSocket 状态同步全部保留，另外补了五项能力。 所有新增行为默认关闭或取保守值，不配置时与上游一致。

英文文档见 README.en.md；上游完整中文文档见 docs/UPSTREAM-README.zh-CN.md。

---

为什么做这个分支

上游开启 queueAllMessages 后，每条 assistant 消息都会立刻独立入队朗读。但模型在工具调用之间 往往只吐一两句话，于是听感是这样的：

"收到——"（被切）/ "那就你自己重启。"（被切）/ "6 个场景全过。"（被切）/ …

本分支把连续到达的正文先攒成一段再念，并且规定了「什么时候该打断、什么时候不该」，让中间过程 听得清、也不拖得太久。

---

功能

能力	上游 1.8.4	本分支
朗读最终回复	✅	✅
朗读中间过程	逐条、易被切碎	合并成段，按序读完
新内容打断当前朗读	❌	✅ 可配（默认等新回合出内容才换手）
审批 / 提问优先	❌（会被正文顶掉）	✅ 插队并保护
停止播报快捷键	❌	✅ Alt + S
配置读取	依赖设置 schema	✅ schema 不可用时回落读 profile 配置
队列 / 状态同步 / 设置页 / 手动重播	✅	✅ 全部保留

---

安装

插件以 DSH bundle 形式挂载，在 profile 的 cordis.patch.yml 中配置：

- id: dsh-speak
  name: dsh-speak-plus
  config:
    queueAllMessages: true
    interruptOnNewMessage: true
    interimMode: queue
    interimMergeMs: 800
    interimMaxBacklog: 180
    engine: 'C:\Users\<你>\.dsh\profiles\desktop\data\dsh-speak-edge\speak-edge.ps1'  # 可选：自定义引擎
    rate: 8

Windows 用系统 SAPI 嗓音（装了 NaturalVoiceSAPIAdapter 可用自然音色），macOS 用系统 say。 引擎脚本与上游一致（engine/speak.ps1、engine/speak.sh），也可以用 engine 指向自己的脚本。

---

配置项

新增（本分支）

键	默认	说明
interruptOnNewMessage	false	总开关：打开后启用本分支的打断 / 合并逻辑
interruptOnNewTurn	false	false：提交消息不打断，等新回合真的产出内容才换手；true：按下发送就掐断
interimMode	queue	queue：回合内各段排队读完、互不打断；replace：每段新内容立刻顶掉正在播的
interimMergeMs	800	静默多久把碎片合并成一段，0 = 不合并
interimMaxBacklog	180	待播正文最多积压多少字，超出丢弃最旧的

继承自上游（常用）

键	默认	说明
enabled	true	总开关，关掉后完全不出声
automaticSpeech	true	自动朗读；手动重播始终可用
queueAllMessages	false	每条 assistant 消息都入队（中间过程）
throttleMs	1500	默认模式的合并延迟
engine	空	覆盖引擎脚本路径
rate / volume	0 / 50	Windows 为 SAPI 刻度（-10~10）
maxChars	安全值	超过则只念固定提示语
longTextMode / longTextMessage	message	超长文本的处理方式
announceApprovals / announceQuestions	true	审批 / 提问播报
announceTurnEnd / announceCommandDone / announceGoalChange / announceToolErrors / announceTodoWrite	false	可选事件播报

完整列表见上游文档。

---

快捷键

Alt + S —— 立刻停止播报，同时清空待播队列和还没播出的缓冲片段。

说明：DSH 核心的「快捷键」列表只列核心自己的动作，没有给插件预留注册入口，所以这个键位由插件 自己监听，不会出现在那个列表里。输入框有焦点时同样生效。

---

行为说明

回合内的中间过程（interimMode: queue）：

1. 片段按 interimMergeMs 合并成一段，避免一句话被拆成几次播报
2. 段与段之间排队，前一段念完再念下一段，不互相打断
3. 待播积压超过 interimMaxBacklog 字时丢弃最旧的，保证不会越听越落后

换手规则：

• 你发消息时不掐断当前朗读
• 新回合第一段内容要播时，才掐掉上一轮还在念的正文
• 正在念审批 / 提问时，新正文排队等待，不抢占

配置兜底：某些 DSH 构建里插件无法加载设置 schema，此时会直接读本 profile 的 cordis.patch.yml（按修改时间缓存，只取已知键），与运行时配置合并，运行时优先。 挂载时会打一行 生效配置: … 便于排查。

---

已知限制

• 设置页依赖 Config schema；构建失败时设置页可能不显示，此时改 YAML 即可
• 新回合内容会掐掉其他会话正在播的正文（同一套扬声器），不区分来源
• 直接改 node_modules 里的插件文件会在重装 / 升级时被覆盖

---

目录

adapters/dsh/speech-hook.js   宿主端：事件 → 队列 → 引擎
client/client.js              浏览器端：设置页、消息按钮、Alt+S
engine/                       朗读引擎（SAPI / macOS say）
docs/LOCAL-CHANGES.zh-CN.md   本分支相对上游的改动清单
docs/UPSTREAM-README.zh-CN.md 上游完整文档

---

许可

MIT，继承上游 LICENSE，上游版权归 Alan2Z 所有。