dsh-voice-studio · 音色工坊

DeepSeek Harness 的语音工作台插件：在侧边栏里管理 GPT-SoVITS 音色（训练 / 切换 / 试听），以及基于 RVC 的翻唱变声（人声分离 → 变声 → 混音出一首歌）。

平台：Windows 10/11（依赖 PowerShell、WMI、explorer）许可：MIT

English quickstart

dsh-voice-studio is a Windows-only plugin for DeepSeek Harness that puts a voice workbench in the sidebar: manage GPT-SoVITS voices (zero-shot preview, fine-tuning, switching, A/B), and run RVC covers (separate vocals → voice conversion → mix → mp3).

The plugin ships no models or engines. You need:

DeepSeek Harness (plugin host)
GPT-SoVITS with api_v2.py running on 127.0.0.1:9880
optionally an RVC environment (Applio + audio-separator + ffmpeg) for covers

Install (after publishing):

dsh plugin --profile desktop add dsh-voice-studio
# or from git
dsh plugin --profile desktop add github:liye0803/dsh-voice-studio

Restart DSH, open the sidebar entry, and the 3-step wizard will ask where your engines live. HTTP API: GET /voice-studio/say?text=hello&voice=zero-shot returns a wav.

截图

说话：音色列表、试听、语速/温度、A/B、批量合成、新建训练

说话页

翻唱：选音频、RVC 音色、变调、模式、人声/伴奏音量、只处理前 N 秒

翻唱页

设置 · 系统：一键导入、安装位置、输出位置、维护与 Aurabot 同步

设置页

它能做什么

说话（GPT-SoVITS）

零样本试听：选一段 5~10 秒参考音，立刻用底模合成
训练专属音色：切片 → 打标 → 预处理 → s1/s2 训练，全自动；6GB 显存可用 v2 小模型
音色管理：多套权重切换、备注、改名、删除
参数：语速 0.61.6、温度 0.11.2
A/B 对比：同一句话，当前音色 vs 零样本
批量合成：一行一句，最多 30 句，逐条下载
参考音库：列出候选音频，一键转写（whisper）、设为全局参考音、绑到某个音色
对外接口：GET /voice-studio/say?text=… 直接返回 wav，任何软件可用

翻唱（RVC）

完整翻唱：整首歌 → 人声分离 → RVC 变声 → 混音，导出 mp3
只变声：输入已经是人声时跳过分离混音
可调：变调 -12~+12 半音、人声/伴奏音量、只处理前 N 秒
模型管理：导入 .pth / .index / .zip，同名自动配对
组件自检：Python / Applio / audio-separator / ffmpeg / rmvpe 五项状态一目了然

通用

环境自检：显卡、显存档位、Python、转写环境、底模、参考音、引擎、端口、权重目录
一键导入：把 json / pth / index / zip / wav 拖进来，按类型自动归位
输出位置：成品存哪个文件夹自己选
引擎保活：60 秒看门狗；用 WMI 独立启动，DSH 退出不会带走引擎
同步到 Aurabot：把当前音色的参考音/文字写进 Aurabot 配置，不用两边手填
诊断包 / 清理缓存 / 配置导出导入

环境要求

依赖	说明
DeepSeek Harness	提供插件宿主与侧边栏
GPT-SoVITS	说话引擎（`api_v2.py`，默认 `127.0.0.1:9880`）
RVC 环境（可选）	翻唱用：Applio + audio-separator + ffmpeg，装在独立目录
NVIDIA 显卡	4GB 以上可零样本；6GB 可训 v2 小模型；8GB+ 可用 v2ProPlus

本插件不包含模型与环境，只做“编排 + 界面 + 保活”。引擎需要你自己装好。

安装

本地开发（link: 安装，改动即时生效）：

dsh plugin --profile desktop add "link:D:/path/to/dsh-voice-studio"

从 npm / GitHub 安装（发布后）：

dsh plugin --profile desktop add dsh-voice-studio

装完重启 DSH，侧边栏出现「音色工坊」。

首次配置

打开侧边栏「音色工坊」，向导会跑三步：环境体检 → 选玩法 → 完成
设置 → 语音引擎 → 「安装位置」填 GPT-SoVITS 所在目录（含 venv、gpt-sovits）
设置 → 翻唱引擎 → 「RVC 根目录」填 RVC 环境目录（含 env、Applio）
「语音引擎」填参考音路径与参考文字（文字必须和音频逐字一致）
点「重新检测」，红项会写修复方法

使用

试听：说话页 → 输入一句 → 试听当前音色 → 拖语速/温度再试

训练：说话页 → 新建训练 → 名字 + 音频 + 版本（6GB 选 v2）→ 开始

训练期间语音服务暂停，结束后自动恢复。

翻唱：翻唱页 → 选歌 → RVC 音色 → 模式（完整翻唱/只变声）→ 开始 → 试听/下载

给别的软件用：

GET http://127.0.0.1:<DSH端口>/voice-studio/say?text=你好&voice=zero-shot

目录结构

lib/
  index.js     宿主路由 + 引擎看门狗（独立模式 --standalone <port>）
  app.js       核心：自检、训练、翻唱、导入、同步
  page.html    整个界面（HTML+CSS+JS 单文件，热加载）
  client.js    侧边栏入口
tools/
  train_pipeline.py   GPT-SoVITS 训练流水线
  label.py            打标

运行数据（不进仓库）：

~/.dsh/voice-studio/
  settings.json  voices.json  jobs.json
  logs/  samples/  uploads/  dataset/  rvc-work/

开发

改什么	怎么生效
`lib/page.html`	面板 F5 刷新即可（热加载）
`lib/app.js` / `index.js` / `client.js`	重启 DSH
`tools/*.py`	下次任务生效

自测（初装态逐项打接口，CI 也跑这个）：

npm test        # 或 node scripts/test-api.mjs
npm run check   # 三个 JS 文件语法检查

独立调试（不开 DSH 也能看界面）：

node lib/index.js --standalone 9909
# 打开 http://127.0.0.1:9909/voice-studio/app

已知限制

仅 Windows（依赖 PowerShell / WMI / explorer）
翻唱需要 Aurabot 风格的 RVC 目录布局，或自行在设置里指到等价结构
6GB 显存：TTS 引擎与 RVC 不能同时常驻，翻唱/训练会自动暂停引擎
训练小模型（GPT-SoVITS s1/s2）在 6GB 上只能选 v2，v2ProPlus 会 OOM

常见问题

显示“引擎离线”/ 说不了话 先看设置 → 语音引擎 → 环境自检；引擎加载约 40 秒，启动中会显示“启动中”。

翻唱报“找不到模型” 确认设置 → 翻唱引擎五个组件全绿，且 models 里有 .pth。

面板点了没反应 页面脚本出错时整页 JS 会失效；按 F5，或看开发者工具 Console 的第一条报错。

合规与免责

本插件只做本地编排，不下载、不分发任何模型、音色或音频内容
GPT-SoVITS、RVC/Applio、audio-separator、ffmpeg 各自遵循其开源许可，请自行遵守
音色克隆须获得权利人授权：使用他人声音训练或发布内容可能侵犯人格权/著作权，风险由使用者承担
抓取音乐平台歌曲（如网易云、QQ 音乐）可能违反其服务条款，本插件不提供任何平台接入
项目按 MIT 提供，不对因使用产生的任何后果负责

许可

MIT，见 LICENSE。

第三方组件（GPT-SoVITS、RVC/Applio、audio-separator、ffmpeg）遵循各自许可；音色素材请确保你有权使用。

dsh-voice-studio · 音色工坊

DeepSeek Harness 的语音工作台插件：在侧边栏里管理 GPT-SoVITS 音色（训练 / 切换 / 试听），以及基于 RVC 的翻唱变声（人声分离 → 变声 → 混音出一首歌）。

平台：Windows 10/11（依赖 PowerShell、WMI、explorer）许可：MIT

English quickstart

The plugin ships no models or engines. You need:

DeepSeek Harness (plugin host)
GPT-SoVITS with api_v2.py running on 127.0.0.1:9880
optionally an RVC environment (Applio + audio-separator + ffmpeg) for covers

Install (after publishing):

dsh plugin --profile desktop add dsh-voice-studio
# or from git
dsh plugin --profile desktop add github:liye0803/dsh-voice-studio

Restart DSH, open the sidebar entry, and the 3-step wizard will ask where your engines live. HTTP API: GET /voice-studio/say?text=hello&voice=zero-shot returns a wav.

截图

说话：音色列表、试听、语速/温度、A/B、批量合成、新建训练

说话页

翻唱：选音频、RVC 音色、变调、模式、人声/伴奏音量、只处理前 N 秒

翻唱页

设置 · 系统：一键导入、安装位置、输出位置、维护与 Aurabot 同步

设置页

它能做什么

说话（GPT-SoVITS）

零样本试听：选一段 5~10 秒参考音，立刻用底模合成
训练专属音色：切片 → 打标 → 预处理 → s1/s2 训练，全自动；6GB 显存可用 v2 小模型
音色管理：多套权重切换、备注、改名、删除
参数：语速 0.61.6、温度 0.11.2
A/B 对比：同一句话，当前音色 vs 零样本
批量合成：一行一句，最多 30 句，逐条下载
参考音库：列出候选音频，一键转写（whisper）、设为全局参考音、绑到某个音色
对外接口：GET /voice-studio/say?text=… 直接返回 wav，任何软件可用

翻唱（RVC）

完整翻唱：整首歌 → 人声分离 → RVC 变声 → 混音，导出 mp3
只变声：输入已经是人声时跳过分离混音
可调：变调 -12~+12 半音、人声/伴奏音量、只处理前 N 秒
模型管理：导入 .pth / .index / .zip，同名自动配对
组件自检：Python / Applio / audio-separator / ffmpeg / rmvpe 五项状态一目了然

通用

环境自检：显卡、显存档位、Python、转写环境、底模、参考音、引擎、端口、权重目录
一键导入：把 json / pth / index / zip / wav 拖进来，按类型自动归位
输出位置：成品存哪个文件夹自己选
引擎保活：60 秒看门狗；用 WMI 独立启动，DSH 退出不会带走引擎
同步到 Aurabot：把当前音色的参考音/文字写进 Aurabot 配置，不用两边手填
诊断包 / 清理缓存 / 配置导出导入

环境要求

依赖	说明
DeepSeek Harness	提供插件宿主与侧边栏
GPT-SoVITS	说话引擎（`api_v2.py`，默认 `127.0.0.1:9880`）
RVC 环境（可选）	翻唱用：Applio + audio-separator + ffmpeg，装在独立目录
NVIDIA 显卡	4GB 以上可零样本；6GB 可训 v2 小模型；8GB+ 可用 v2ProPlus

本插件不包含模型与环境，只做“编排 + 界面 + 保活”。引擎需要你自己装好。

安装

本地开发（link: 安装，改动即时生效）：

dsh plugin --profile desktop add "link:D:/path/to/dsh-voice-studio"

从 npm / GitHub 安装（发布后）：

dsh plugin --profile desktop add dsh-voice-studio

装完重启 DSH，侧边栏出现「音色工坊」。

首次配置

打开侧边栏「音色工坊」，向导会跑三步：环境体检 → 选玩法 → 完成
设置 → 语音引擎 → 「安装位置」填 GPT-SoVITS 所在目录（含 venv、gpt-sovits）
设置 → 翻唱引擎 → 「RVC 根目录」填 RVC 环境目录（含 env、Applio）
「语音引擎」填参考音路径与参考文字（文字必须和音频逐字一致）
点「重新检测」，红项会写修复方法

使用

试听：说话页 → 输入一句 → 试听当前音色 → 拖语速/温度再试

训练：说话页 → 新建训练 → 名字 + 音频 + 版本（6GB 选 v2）→ 开始

训练期间语音服务暂停，结束后自动恢复。

翻唱：翻唱页 → 选歌 → RVC 音色 → 模式（完整翻唱/只变声）→ 开始 → 试听/下载

给别的软件用：

GET http://127.0.0.1:<DSH端口>/voice-studio/say?text=你好&voice=zero-shot

目录结构

lib/
  index.js     宿主路由 + 引擎看门狗（独立模式 --standalone <port>）
  app.js       核心：自检、训练、翻唱、导入、同步
  page.html    整个界面（HTML+CSS+JS 单文件，热加载）
  client.js    侧边栏入口
tools/
  train_pipeline.py   GPT-SoVITS 训练流水线
  label.py            打标

运行数据（不进仓库）：

~/.dsh/voice-studio/
  settings.json  voices.json  jobs.json
  logs/  samples/  uploads/  dataset/  rvc-work/

开发

改什么	怎么生效
`lib/page.html`	面板 F5 刷新即可（热加载）
`lib/app.js` / `index.js` / `client.js`	重启 DSH
`tools/*.py`	下次任务生效

自测（初装态逐项打接口，CI 也跑这个）：

npm test        # 或 node scripts/test-api.mjs
npm run check   # 三个 JS 文件语法检查

独立调试（不开 DSH 也能看界面）：

node lib/index.js --standalone 9909
# 打开 http://127.0.0.1:9909/voice-studio/app

已知限制

仅 Windows（依赖 PowerShell / WMI / explorer）
翻唱需要 Aurabot 风格的 RVC 目录布局，或自行在设置里指到等价结构
6GB 显存：TTS 引擎与 RVC 不能同时常驻，翻唱/训练会自动暂停引擎
训练小模型（GPT-SoVITS s1/s2）在 6GB 上只能选 v2，v2ProPlus 会 OOM

常见问题

显示“引擎离线”/ 说不了话 先看设置 → 语音引擎 → 环境自检；引擎加载约 40 秒，启动中会显示“启动中”。

翻唱报“找不到模型” 确认设置 → 翻唱引擎五个组件全绿，且 models 里有 .pth。

面板点了没反应 页面脚本出错时整页 JS 会失效；按 F5，或看开发者工具 Console 的第一条报错。

合规与免责

本插件只做本地编排，不下载、不分发任何模型、音色或音频内容
GPT-SoVITS、RVC/Applio、audio-separator、ffmpeg 各自遵循其开源许可，请自行遵守
音色克隆须获得权利人授权：使用他人声音训练或发布内容可能侵犯人格权/著作权，风险由使用者承担
抓取音乐平台歌曲（如网易云、QQ 音乐）可能违反其服务条款，本插件不提供任何平台接入
项目按 MIT 提供，不对因使用产生的任何后果负责

许可

MIT，见 LICENSE。

第三方组件（GPT-SoVITS、RVC/Applio、audio-separator、ffmpeg）遵循各自许可；音色素材请确保你有权使用。

liye0803/dsh-voice-studio

dsh-voice-studio · 音色工坊

English quickstart

截图

它能做什么

说话（GPT-SoVITS）

翻唱（RVC）

通用

环境要求

安装

首次配置

使用

目录结构

开发

已知限制

常见问题

合规与免责

许可

Community comments

liye0803/dsh-voice-studio

dsh-voice-studio · 音色工坊

English quickstart

截图

它能做什么

说话（GPT-SoVITS）

翻唱（RVC）

通用

环境要求

安装

首次配置

使用

目录结构

开发

已知限制

常见问题

合规与免责

许可

Community comments