dsh-voice-loop

给 DeepSeek Harness 桌面版加一条「语音闭环」：

1. 页面侧（自动发送）：内置「语音输入」把转写文字塞进草稿后，这个插件会自动点发送， 不用再按回车。右下角有个小面板可以随时开关，并显示输入框/发送键有没有被识别到。
2. 宿主侧（朗读回复）：一轮回答结束时，把 AI 正文压成开头一两句念出来， 默认约 70 字、十几秒，有「结论」段落就优先念结论。 音色默认用微软在线的 晓晓（zh-CN-XiaoxiaoNeural），比系统自带的 Huihui 自然得多； 没网时自动退回系统 SAPI 音色。

安装

dsh plugin --profile desktop add dsh-voice-loop

从本地源码安装（开发用）：

dsh plugin --profile desktop add link:<本仓库目录的绝对路径>

装完 完全退出并重开 DeepSeek Harness（注入行是宿主启动时收集一次，刷新页面不够）。

依赖

• Python 3：在线朗读需要 edge-tts，装一次即可：

  python -m pip install --user edge-tts
  

  没装也能用，会自动退回系统自带的 SAPI 中文音色（Microsoft Huihui Desktop），只是没那么自然。

• 网络：engine: edge 需要联网；离线场景请改成 engine: sapi。

使用

1. 打开侧栏「插件管理」，确认「语音输入」（蓝色声波图标）是启用的。
2. 右下角出现「🎙 语音直发」面板，两个开关 + 一行状态：
   • 「说完自动发送」：转写完成后自动点发送；
   • 「连说（念完自动开麦）」：发送后等朗读结束，自动点麦克风开下一轮；
   • 「说完自动停」常开（要关改 autoStop: false）。
   • 状态行应显示 输入框 ✓、发送键 ✓（发送键找不到时会退回模拟回车）。
3. 连说打开后：点一次麦克风，之后一句接一句说，中间不用再点。
4. AI 回答结束时会自动朗读；新回答会自动打断上一段朗读。

「说完自动停」的原理：录音条出现时，页面自己再开一路只测音量的麦克风 （音频不出本机、不保存），连续静音约 0.9 秒就替你点「停止并识别」； 如果一句都没检测到，就点「取消」，避免发出空消息。

「连说」的原理：宿主在 /dsh-voice-loop/speech 暴露「是否正在朗读」， 页面在发送后轮询它——听到念完才开麦，所以不会把朗读声录进去再发回来。 如果这一轮根本没朗读（比如没网），10 秒后也会开麦；超过 45 秒放弃。

调整朗读长短（改完立刻生效，不用重启）

编辑 settings.json（本目录下），下一次朗读就按新值来：

{ "speak": true, "mode": "brief", "briefChars": 70 }

键	默认	说明
speak	true	关掉就完全不朗读
mode	brief	brief = 只念开头一两句；full = 念全文（截到 maxChars）
briefChars	70	brief 模式的目标字数；越小越短。40 ≈ 七八秒，120 ≈ 二十几秒
preferConclusion	true	优先念带「结论/总结/总之/核心/建议」等标记的段落，而不是第一段
includeSubagents	false	是否也朗读子会话（子代理/子任务）的回答
engine	edge	edge = 在线音色（自然，需联网）；sapi = 系统本地音色（离线）
edgeVoice	zh-CN-XiaoxiaoNeural	在线音色，候选见下
edgeRate	+0%	在线语速，-10% 更慢、+20% 更快
maxChars	1200	full 模式的最大字数
autoSend	true	转写完成后自动发送（面板开关的默认值）
autoStop	true	静音自动点「停止并识别」，常开
autoReopen	true	连说：朗读结束后自动开麦（面板开关的默认值）

可选的在线音色（改 edgeVoice，下一次朗读就生效）

值	音色
zh-CN-XiaoxiaoNeural	晓晓，女声，温柔自然（默认）
zh-CN-XiaoyiNeural	晓伊，女声，年轻
zh-CN-YunxiNeural	云希，男声，年轻
zh-CN-YunjianNeural	云健，男声，浑厚
zh-CN-YunyangNeural	云扬，男声，新闻播报感
zh-CN-liaoning-XiaobeiNeural	晓北，东北话
zh-CN-shaanxi-XiaoniNeural	晓妮，陕西话
zh-TW-HsiaoChenNeural	曉臻，台湾国语
zh-HK-HiuMaanNeural	曉曼，粤语

voice（SAPI 语音名）和 rate（SAPI 语速 -10..10）在 cordis.patch.yml 里， 只在 engine: sapi 或在线合成失败回退时用到，改这两个需要重启应用。

段落的选法：先找开头带「结论 / 总结 / 总之 / 核心 / 要点 / 建议 / 一句话」等标记的段落； 没有就取第一段有实义的正文。

遇到「主要延迟来自三部分：」这种导语句 + 列表时抓重点：只取每项的加粗词 （没有加粗就取冒号前的短语），串成一句，例如 是。主要延迟来自三部分：在线合成、进程冷启动、整段合成。 只有一条要点都抓不到时，才退回把列表念完。

跳过标题、代码块、表格；句子太长时退到最近的逗号，不把半句话掐断。

自动发送的开关状态存在页面 localStorage（dsh-voice-loop.auto）。

已知限制

• 自动发送靠「成段文字 + 最近 1.2 秒内没有真人键盘输入」判断是不是语音转写， 所以极快的粘贴也可能被当成语音；面板上关掉开关即可。
• 在线朗读（engine: edge）会把要念的那句话发给微软的朗读服务；不想外发就改 engine: sapi。
• 在线合成需要联网并已安装依赖：python -m pip install --user edge-tts。合成失败会自动回退到系统语音。
• 朗读只对主会话生效；子代理/子任务的会话默认不念（includeSubagents: true 可打开）。