dsh-feiyu-say

给 DeepSeek Harness 一个「合成语音」的工具。

一句话：把想说的话，用本机声线合成成 WAV 音频文件。合成链路是 文本 → CosyVoice 合成 →（可选）RVC 换声 → ffmpeg 8kHz → 输出 WAV， 全程本机，不把文字/音频交给云端 TTS，也不绑定任何 IM（QQ/微信/飞书都不接）。

功能

• send_voice 工具：模型想「用声音说」时自己调，合成一句语音、落盘成 WAV 并返回路径。
• 声线切换：voice_list / voice_switch 列出并切换声线。模型目录里的每个 .pth 会自动被发现成一条可切声线；也可以配「原声」（不换声）。
• 下载模型：voice_download 从 URL 拉 .pth / .index 到模型目录并注册成声线。
• 每轮语音提示：可开关。开着时往会话系统提示词里塞一句，提醒模型「想用声音就说」； 关掉就完全不注入（不多花 token）。
• 状态自检：voice_status 看总开关、当前声线、各依赖路径是不是就绪。

音频怎么「发出去」由会话自己的传输方式决定：插件只负责合成 + 给出文件路径。 想发 QQ，用你自己的 QQ 桥（例如把返回的 WAV 交给 NapCat 的语音消息）即可，插件不管这块。

安装

dsh plugin --profile desktop add "link:/绝对路径/dsh-feiyu-say"
# 或：
# dsh plugin --profile desktop add github:Vansnc/dsh-feiyu-say

装完重启 DSH。link: 装的是源码目录，改代码后重启即生效。

前置（本机要有，插件不打包这些）

1. CosyVoice 合成脚本：一个接受 --text --style --ref --ref-text --speed --out 的命令行脚本 （本仓库作者用的是 macOS 版 feiyu_speak_mac.py）。
2. RVC 运行环境：一个装了 rvc_python 的 venv + RVC 包目录（rvc目录）。
3. ffmpeg（降到 8kHz 用）。
4. RVC 模型（.pth / 可选 .index），放在「模型目录」里。

配置

配置在 DSH 设置 → feiyu-say 里直接改（底层存 ~/.dsh/feiyu-say-config.json）；也可以手动编辑那个 JSON 文件。

键	默认	说明
总开关	true	关掉 = 不挂工具、不合成语音
cosyPython	空	CosyVoice 的 python
cosy脚本	空	合成脚本绝对路径
cosy风格	cute	cute / gentle
cosy参考音频	空	参考音频绝对路径
cosy参考文字	空	参考音频对应的文字
cosy语速	1.0	语速
rvcPython	空	RVC 的 python
rvc目录	空	RVC 包目录（rvc_infer.py 以它为 cwd 跑）
ffmpeg	ffmpeg	ffmpeg 命令
模型目录	空	RVC 模型所在目录（自动发现 .pth）
音频目录	/tmp/feiyu-say	合成出的 WAV 存到哪
当前声线	原声	当前用的声线 id
声线	[]	显式声线列表：[{id,name,model,index,indexRate,protect,noRvc}]
语音提示	false	每轮语音提示开关
语音提示文案	（见代码默认）	提示写什么
超时毫秒	240000	单个合成阶段的最长等待

声线写法

{
  "模型目录": "/path/to/rvc-models",
  "当前声线": "zyyv2",
  "声线": [
    { "id": "原声", "name": "原声（不换声）", "noRvc": true },
    { "id": "zyyv2", "name": "ZYYV2", "model": "zyyv2.pth", "index": "zyyv2.index", "indexRate": 0.75, "protect": 0.33 }
  ]
}

模型目录 里新丢进去的 .pth 不用写进 声线，voice_list 会自动看到它。

工具

工具	作用
send_voice(text, noRvc?)	合成一句语音，返回 WAV 文件路径
voice_list	列声线
voice_switch(id)	切声线
voice_download(name, modelUrl, indexUrl?)	下载模型并注册
voice_status	状态/依赖自检

说明

• 一条语音通常 30–60 秒（RVC 换声慢）；「原声」会快一些。
• 输出统一降到 8kHz 单声道（语音条的标准规格，24k 直发容易被转坏）。
• 音频文件落在「音频目录」，路径由工具返回，之后怎么投递由你/会话决定。

License

MIT