dsh-hervoice

DeepSeek Harness（DSH）的语音插件：说话转文字，回复自动朗读。

在聊天输入框右边放一颗麦克风，按一下开始说话、再按一下把语音转成文字填进输入框（不会替你发送，说完还能改）；旁边的小喇叭是自动朗读开关，打开后助手每轮回复结束会自动念出来。

语音识别和语音合成都调用 DeepSeek 官方接口：

能力	接口	说明
语音转文字	POST /v1/tools/asr	16 位 PCM WAV / Ogg Opus，≤8 MiB、≤120 秒，语种自动识别
文字转语音	POST /v1/tools/tts	音色 stella（女声）/ tide（男声），不支持语速调节

API Key 在 设置 → 语音 里填，只保存到本机 ~/.dsh/storages/dsh-hervoice/config.json，不会上报、不会转发给第三方。

特性

• 麦克风按钮常驻输入框，点一下录、点一下转写，识别结果用编辑器原生的插入动作写进草稿（可撤销）
• 自动朗读总开关，开 / 关状态跟设置页同步，一轮回复念一段
• 自带 SSE 通道：服务端从 agent/assistant-stream 的 text-delta 帧攒正文，按 attempt 结束后推给页面，不轮询、不抓 DOM
• 录音在浏览器侧直接采 16 kHz 单声道并编码成 16 位 PCM WAV，绕开 MediaRecorder 默认出 Opus 的兼容问题
• 只监听回环地址（127.0.0.1 / ::1），不给局域网开放

安装

方式一：从 npm 装（推荐）

dsh plugin --profile web add dsh-hervoice

装完重启 DSH → 设置 → 语音 → 填 Key → 点「试听一句」。

方式二：从仓库源码装

把仓库放进 DSH profile 的插件目录，例如 ~/.dsh/profiles/<profile>/dsh-plugins/dsh-hervoice，然后在该 profile 的 package.json 里登记：

{
  "dependencies": {
    "dsh-hervoice": "link:<绝对路径>/dsh-plugins/dsh-hervoice"
  },
  "dsh": {
    "profile": {
      "bundles": ["...", "dsh-hervoice"]
    }
  }
}

再让 node_modules/dsh-hervoice 指向插件目录（pnpm install，或 Windows 下直接建 junction）：

New-Item -ItemType Junction -Path "$HOME\.dsh\profiles\<profile>\node_modules\dsh-hervoice" `
  -Target "$HOME\.dsh\profiles\<profile>\dsh-plugins\dsh-hervoice"

注意：DSH 正在运行时不要动 node_modules（Windows 会锁文件），先退出再改。

使用

• 麦克风：点一下开始录，再点一下结束并转写。录音上限 115 秒，超时自动结束并转写。
• 喇叭：自动朗读开关。开着时每轮助手回复会念一遍，长文按 maxChars（默认 10000）截断。
• 设置 → 语音：填 / 清除 Key，改接口地址（兼容自建代理）、选音色、试听。

已知限制

• 必须自己准备 DeepSeek API Key，并且账号要能用 ASR / TTS 接口（额度、地区限制另算）
• 录音最长 115 秒，超过要分两次说
• TTS 不支持语速调节；音色只有官方给的两个
• 自动朗读是「整轮结束再念」，不是逐字流式念
• 只在 Windows + DSH Web（桌面端）上测过

项目结构

lib/index.js      服务端：配置读写 + /api/dsh-voice/{config,asr,tts,events}
lib/client.js     浏览器端：composer.dock 按钮条 + settings.section 设置页
cordis.patch.yml  DSH 插件装载声明

服务端路由：

• GET/POST /api/dsh-voice/config —— 读配置 / 改配置（Key 只回「有没有填」，不回原文）
• POST /api/dsh-voice/asr —— 请求体是裸 WAV，转成 multipart 转发上游
• POST /api/dsh-voice/tts —— JSON { "text": "..." }，回 audio/wav
• GET /api/dsh-voice/events —— SSE，推送每轮助手正文

隐私

• API Key 明文保存在本机 ~/.dsh/storages/dsh-hervoice/config.json，权限靠用户目录
• 插件不收集任何统计，不连接除你配置的 baseUrl 之外的地址
• 录音只在内存里处理，转写完就丢，不落盘

License

MIT