声坊 Voice Master
DeepSeek Harness 配音插件:把一本书变成有声书 —— 导入、识别角色、逐句标说话人、绑定音色、段落级合成、整章导出。

插件在 DSH 主界面新增「配音」视图,包含四个页面:书籍管理 / 音色管理 / 配音工作台 / 设置。 Host 半是零依赖 Cordis 插件(Node 内置模块 + 手写 HTTP 路由),Client 半是手写 React(无构建步骤)。
功能
- 书籍导入与分章:
.txt清洗(去广告行、统一段落)后按标题切章;规则切不动时交给模型判定,失败自动退回规则。 - 单章文本转换:把章节切成「旁白 / 对白 / 内心独白」,并给每句对白判定说话人。
mode=auto | llm | rule;不传按auto。- 模型按 8 段 / 2200 字 分批,逐段硬校验:拼接必须等于原文、说话人必须在本章角色表内、不许吞掉对白。
- 任一段不过只退该段;模型缺失、超时、乱输出都退回规则 —— 转换永不失败。
- 角色档案:从章节里抽角色(去假名、合并别名),支持手动加/删/重命名/合并;一章绑过的音色后续章节自动继承。
- 配音工作台:正文连排内联,一句一个单元;说话人用彩色下划线(对白 2px / 旁白 1px)与同色浅底区分,悬停/聚焦弹出气泡(姓名·类型·音色·情绪·状态·试听)。
- 段落级合成:并发队列、暂停/继续/停止、逐段进度、整章导出 WAV;没起引擎时可开「模拟合成」用静音 WAV 跑通全流程。
- 音色管理:直接向引擎的音色目录投包(
base.wav+pack.json),新建/导入/删除;引擎/voices下一轮立即可见。 - 引擎部署向导:环境自检(docker CLI / daemon / 容器 / 镜像 / GPU / 权重 / 端口 /
/health/status)→ 指定权重目录 → 启动/停止 → 连通性验证。不会docker rm、重建容器或自动 build。 - 规则只有一份:说话人拆分规则写在
skills/voice-split/SKILL.md,Host 读它当 system prompt,同时注册成 DSH 技能voice-split—— 改规则不用改代码。
安装
# 从 npm(推荐)
dsh plugin --profile web add dsh-voice-master
# 或直接从 GitHub
dsh plugin --profile web add github:zhang1024899756/dsh-voice-master
装完重启 dsh web(Host 半只在启动时加载):左侧栏出现「配音」入口。
本地开发用 link 安装:
dsh plugin --profile web add "link:/path/to/dsh-voice-master"
前置条件
| 项 | 要求 |
|---|---|
| DeepSeek Harness | >= 0.2.2-rc.1 |
| Node.js | ^22.19.0 或 >= 24.0.0 |
| 操作系统 | Windows / macOS / Linux 均可运行插件本体 |
| 合成引擎(可选) | 本机 IndexTTS HTTP 服务,默认 http://127.0.0.1:9880;不起也能用模拟合成 |
插件不内置模型:Host 进程直接对接本机的合成服务,中间没有第二层服务。参考实现:
voicemaster-server(Docker 容器),IndexTTS 2.5,产出 22050 Hz / 16-bit 单声道 WAV- 容器内
/data/voices挂到宿主机某个目录(如D:/voices)
音色不存在插件目录里。 引擎按服务端视角解析参考音频路径,传本机绝对路径一定会 404。 所以插件直接把音色包写进引擎挂载出来的音色目录,
library.json里只记一条引用。 目录由插件自动探测(docker inspect找挂载点),探测不到可在「设置 → 目录」手填。
使用
- 侧栏点「配音」。
- 书籍管理 → 导入
.txt,等后台分析(清洗 + 切章)跑完。 - 打开章节 → 在底部「整章操作」里点 转换文本(模型或规则)——逐句得到旁白/对白与说话人。
- 在右侧检查器给角色绑音色(旁白可统一绑),或直接换掉整组。
- 继续配音 合成整章;进度、时长、状态都在底部控制台。最后一键导出
chapter.wav。
数据目录
默认 ~/.dsh/voice-master/,结构:
books/ 书稿与章节索引(library.json)
output/ 合成音频(按书 / 章节 / 版本分目录)
models/ 插件侧可选落点(真机权重通常在引擎宿主目录)
logs/ 运行日志
用环境变量 VOICE_MASTER_HOME 可以整体改位置。
从旧版 dsh-voice-studio 升级时,~/.dsh/voice-studio/ 会在首次启动时自动搬到新目录(搬不动就继续用旧目录,不阻断启动)。
隐私边界:书稿和音频只落本机。只有「模型判章 / 判说话人」会把你配置的 DSH 模型拿到的章节文本发给该模型;关掉 llmSplit / llmConvert(或选 mode=rule)即完全离线走规则。
开发
# 语法
node --check lib/index.js && node --check lib/client.js
# 不需要引擎的测试
node test/host.test.mjs # 纯逻辑 + 模拟合成 + 音色包投递
node test/analysis.test.mjs # 清洗规则 / text JSON / 单章转换 / 版本模型
node test/chapter-convert.mjs # 导入两阶段 / convert-chapter 幂等 / stale / stats / HTTP 分发
node test/llm-convert.mjs # 模型判定:坏输出逐段退回 · 超时不抛 · 不丢字(约 5 分钟)
node test/engine-ops.mjs # 引擎部署 37 例(docker 离线 / 容器各状态 / 超时预算)
node test/voice-readiness.mjs # 元素不齐硬拦截 / 跨章继承 / 旁白兜底
node test/unit-novoice.mjs # 正文角标四态
node test/unit-voice-group.mjs # 换音色按说话人整组
node test/unit-tts-settings.mjs # 默认语速 / 段间息 / 并发真正生效
node test/client-reconcile.mjs # 客户端变化签名
node test/two-stage-cast.mjs # 角色档案两阶段
需要真实引擎的服务级测试在 test/real-*.mjs、test/voice-direct.mjs、test/live-api.mjs,用本机 9880 上的合成服务跑(仓库不带任何真实书稿,运行前自备素材)。
目录结构
lib/index.js Host 半:Store、分章、单章文本转换、合成队列、引擎直连与部署、6 条路由 / 35 个 action
lib/client.js Client 半:React 界面(固定浅色,内联 SVG 与样式)
cordis.patch.yml DSH bundle 注入行
skills/voice-split/ 说话人拆分规则(system prompt + DSH 技能)
skills/voice-cast/ 角色发现与别名合并规则
docs/api-contract.md 接口与数据契约
docs/text-json-schema.md 文本转换产物 JSON 格式
docs/rfc-*.md 章节版本 / 两阶段选角 / 单章转换等设计记录
scripts/fetch_weights.py 引擎权重下载辅助
兼容性与状态
- 实测环境:DSH
0.2.2-rc.1(Windows + 本机 Docker IndexTTS)。 - DSH 插件 API 仍是 pre-stable:升级 DSH 大版本后若 Host 半无法加载,先看
dsh web启动日志里本插件的报错。 - 仓库里的测试只用合成文本;截图中的书与章节均为演示数据,不包含任何真实书稿。
No comments yet. Be the first to write one.