dsh-voice-unified

一个 DSH 插件，统一管理多音色、音色进化、情感 TTS、翻唱换声直出、音乐缓存联动与管理界面。 音频默认全部在本机处理；不把样本、对话或音频上传到云端。

能力一览

能力	实现
多音色档案	创建、命名、描述、标签、删除、启用/停用；每个档案独立管理样本、训练版本、试听记录
全局默认音色	全局唯一默认，按需语音回复与默认翻唱使用它；可随时切换
临时音色	voice.speak / voice.cover.run 可临时指定档案，不改变全局默认
样本与进化	上传/录音/参考音频、追加样本、静音切片、质量检测、时长统计、增量训练、版本回滚
情感语音	平静、开心、温柔、严肃、安慰、兴奋、低落；情绪/语速/音调/停顿参数；跨轮情绪；可重置
翻唱流水线	STFT 中置软掩码分离 → 音色转换 → 立体声混音 → MP3/WAV；异步队列、日志、重试、导出
按需语音	默认不自动播报；只有用户明确说“唱/说/语音/朗读/翻唱”等时才生成；语音回复省略过程说明
直出语音回复	按需语音或翻唱完成后默认写入当前会话，对话内直接播放；失败不阻塞普通对话
右键转文字	右键对话内语音播放器查看/复制文本；TTS 优先用原始文本，其他音频走本地识别
微信式语音	回复与翻唱统一显示为微信式语音气泡，按时长自适应宽度
音乐插件联动	接收缓存文件路径/URL/歌曲名；监听缓存目录；可直接抓取音乐插件当前音频流
管理界面	设置页「声音」入口或 Ctrl+Shift+V 打开管理面板，四页：音色管理、语音设置、翻唱任务、全局状态；面板标题栏可拖动
工具接口	14 个命令的完整参数与返回；同时提供 DeepSeek 可调用的下划线别名与统一 voice 入口

安装

完整步骤见 INSTALL.md。

# 在插件目录执行；profile 名按你的 DSH 安装替换
dsh plugin --profile desktop add "link:C:\绝对路径\dsh-voice-unified"
# 重启 DSH 后生效

要求 Windows 10/11 x64、DSH ≥ 0.2.1、可用的 Windows SAPI 中文音色（系统自带 Microsoft Huihui Desktop）、DSH 自带 Python + numpy。ffmpeg 已随包提供。

快速使用

1. 在「设置 → 声音」或按 Ctrl+Shift+V 打开面板 →「音色管理」→「新建音色」。
2. 上传 24 段 315 秒清晰人声（支持 wav/mp3/m4a/flac/ogg），点击「训练」。
3. 训练完成后点「试听」；满意后点「设为默认」。
4. 默认不会自动读每条回复；只有你说“唱一下/说一句/用语音/朗读/翻唱”等时，才会生成语音。 也可以在「语音设置」打开「始终语音回复」。
5. 翻唱：在「翻唱任务」选择音乐缓存文件（或本地上传），选择音色，点「开始翻唱」。 默认完成后直接作为语音回复发送到当前会话，同时保留 MP3/WAV 导出。
6. 右键对话里的语音播放器 →「转文字」，可查看并复制文本；TTS 语音优先显示原始文本， 翻唱/其他音频走本地识别（可能不完全准确）。

工具名与 DeepSeek 平台限制（重要）

需求中的 14 个命令名包含点号。DeepSeek API 的工具名只接受 ^[a-zA-Z0-9_-]+$，直接把 voice.profile.create 注册给模型会导致整个请求 INVALID_REQUEST。因此插件默认：

• 注册 DeepSeek 可调用的下划线别名：voice_profile_create、voice_profile_add_sample ……
• 同时注册 统一入口 voice，action 使用精确点号命令名（如 voice.profile.create），params 为参数对象。命令词汇、参数和返回保持完全一致。
• 点号工具名仍保留为 DSH_VOICE_DOTTED_TOOLS=1 可选开启，供工具名语法允许点号的宿主使用。

详细对照见 docs/TOOLS.md。

数据位置

默认 ~/.dsh/dsh-voice-unified/，可用 DSH_VOICE_HOME 覆盖：

state.json              音色、版本、设置、队列、情绪状态
samples/<profile>/      原始样本与解码后的 24k WAV
audio/replies/          自动/手动语音回复
audio/previews/         训练版本试听
audio/covers/           翻唱成品 MP3/WAV/预览
cache/                  从音乐插件抓取的音频
temp/                   引擎临时文件

文档

• 安装与升级
• 配置文档：音色、训练、情感、翻唱、音乐缓存、直出设置
• 工具接口文档
• 架构与引擎替换
• 已知限制与故障排查
• 最低与推荐硬件配置
• 验收标准逐项自测
• 示例音频与验收脚本

自测

# 纯引擎测试（102 项）
node tests/engine/run-tests.mjs

# 核心链路：建档、样本、训练、试听、情感、翻唱直出
node tests/core-smoke.mjs
node tests/cover-smoke.mjs
node tests/emotion-smoke.mjs

# 对运行中的隔离 DSH 实例跑 22 项 live 验收
node tests/live-acceptance.mjs http://127.0.0.1:61999

# 真实浏览器 CDP UI 冒烟（需 Edge 远程调试）
node tests/ui-cdp.mjs

许可

插件代码 MIT。随包 bin/ffmpeg.exe 为 GPL 构建，见 NOTICE-ffmpeg.txt。