dsh-plugin-speech

English | 中文

在 DeepSeek Harness 中朗读助手回复：音频在生成过程中即开始播放。

它做什么

每条已完成的助手消息在其操作行中多出一个播放控件。按下即朗读该回复，再按一次停止。「通用」设置中新增一行，用于选择服务、声音与调音。

回复以一个请求发出，音频边到达边播放，因此第一帧到达时就开始发声，而不必等整个文件。相当于把「看回答逐字出现」的体验搬到音频上。

服务提供方

服务	需要密钥	声音
Microsoft Edge（默认）	否	该服务公开完整目录，覆盖其支持的所有语言

新增一个提供方，只需在 src/providers/ 下加一个目录，并在 src/providers/registry.ts 中加一行——设置界面会根据该提供方声明的字段自动生成。

Edge 令牌

每次握手都会携带一个短时效的 Sec-MS-GEC 令牌：把当前时间换算成 Windows 文件时间刻度、向下取整到五分钟，再与公开的客户端令牌一起摘要。2026 年 10 月，该端点改用第二代令牌——一个经过改动的 SHA-256 加上 64 位校验和——并开始对第一代令牌直接返回 403（Edge TTS WebSocket error: Unexpected server response: 403），而这正是「点了播放却始终没有声音」时浏览器看到的样子。src/providers/edge/gec.ts 复现了被接受的那一代令牌；server.ts 通过替换 msedge-tts 私有的 URL 构造函数把它交给客户端，端点现在要求的令牌版本同样由那里决定。若朗读再次失效，请先检查这个令牌：它是本插件中唯一会在代码不变的情况下过期的部分。

环境要求

• DeepSeek Harness 的 Web 界面（dsh web）或桌面应用，版本 0.2.0-rc.2 或更新。
• 能访问语音服务的网络。除此之外没有别的：无需下载模型，Edge 提供方也不需要账号。

版本下限并非装饰。插件自身条目的 Cordis 配置就是它的偏好设置，并通过 ctx.configForms 以表单形式暴露给设置界面。0.2.0-rc.2 之前的版本由插件自行注册设置命名空间（settings.register），并给浏览器一个 ctx.settingsScope；这两个服务都已不存在。

安装

本包声明了 dsh.bundle.patch，因此以 profile bundle 的形式安装：包管理器把它链接进来，启动器将其追加到该 profile 的 dsh.profile.bundles，再由 bundle 自带的 patch 层插入插件条目。安装即启用——在 DeepSeek Harness 中「安装」与「在某个 profile 中启用」本是两步，bundle 把两者合而为一。

桌面应用 —— 侧边栏 → Plugins → Add plugin，然后给出以下之一：

• @nakamuraia/dsh-plugin-speech（npm registry）
• github:NakamuraIA/dsh-plugin-speech
• 本地检出目录的绝对路径

命令行 —— 同一操作，作用域为某个 profile：

dsh plugin --profile web add github:NakamuraIA/dsh-plugin-speech

之后请重启界面。主机侧在插件加载时占用自身 HTTP 路由；桌面 profile 由应用独占管理；而新装入的 out-of-tree bundle 不会被在线重组挂载——加到 patch 里的应用内置条目会立即重载，需要来自 profile node_modules 的包则不会。

不安装，仅作一次性叠加层

cordis.patch.yml 与 bundle 所用的 patch 是同一个文件，因此也可作为临时命令行叠加层：

dsh web --patch ./cordis.patch.yml

不要两者并用。 当 bundle 已被选中时，profile patch 再插入 ui-speech 会以 duplicate loader entry id 冲突；profile 层应只用于覆盖该条目的配置，设置界面写入的也正是这一层。

条目名既是包名，也是构建产物注册所用的浏览器模块 id；条目 id（ui-speech）则是配置表单所依据的设置命名空间。两者任何一处漂移都会失效，因此必须同时修改。

设置

设置打开后位于通用分区，其中朗读一行负责：

• 服务：由哪个提供方合成。
• 语言与声音：要使用目录中的哪一个。
• 速度、音量、音高：随每次请求发送给服务。
• 跳过代码：朗读时不读围栏代码与行内代码。
• 试听：按屏幕上的设置（保存与否都算）朗读一段示例。

该行编辑的是插件自身条目的配置，因此所选值随条目一起保存在 profile patch 中，而不是某个设置文档里。重置某个字段会恢复 schema 默认值；主机拒绝的写入不会改动已存值，同时该行会如实提示。

代码块、表格以及粘贴的电子表格一律不读；链接保留文字、丢弃地址；emoji、引号与孤立符号会被去掉。句末标点保留，因为语音用它来断句。

工作原理

浏览器                      主机                        服务
──────                      ────                        ────
点击 ─ ▶ POST /speech/speak { text }
                            从自身条目配置中
                            选出提供方
                            ────────────────────────── ▶ 合成
        ◀ ─ 音频字节持续回流 ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ┘
到达即播放

合成放在主机侧，因为浏览器既不能持有 API 密钥，也无法跨 CORS 访问大多数服务。浏览器只负责发文本、放字节。条目配置中每个可编辑叶子都是 .volatile()，因此一次设置写入会直接落到正在运行的主机侧，无需重新加载插件——主机读到的正是浏览器写入的那个值。

开发

本仓库直接基于已发布的 @deepseek-ai/* 包独立构建，不需要 harness 检出目录：

pnpm install
pnpm build      # tsc → lib/types，tsdown → lib/index.js + lib/client.js
pnpm test       # vitest
pnpm typecheck  # 源码与测试

build/plugin-bundle.ts 是客户端 bundle 预设：它产出 window.__ModuleLoader__.load 交接、让每个模块表条目保持 require、把 CSS Modules 编译为一个注入的 style 标签，并在出现跨插件值导入时让构建失败。它是 harness 预设的自包含副本，也是本包能就地构建的原因。

tests/checkout/ 下的三个测试组装真实的客户端注册表，而它们只以源码形式存在于 harness 检出目录中；原因与运行方式见 tests/checkout/README.md。其余部分（含客户端接线）都由 pnpm test 覆盖。

从 0.1.x 迁移

• 主机侧改为导出 Config——即叶子带 .volatile() 的 schemastery schema——不再调用 settings.register；合成路由读取 apply 时传入的条目配置。
• 客户端侧改用 ctx.configForms.get('ui-speech')，不再用 ctx.settingsScope.bind(...)；写入直接返回是否被接受（Promise<boolean>），不再拿落定后的段落做比对。
• @deepseek-ai/dsh-client-ui-primitives 的图标按字重命名（IconPlayOutlineRegular），不再按绘制尺寸（IconPlayOutline16）。

许可

MIT。Edge 提供方通过 msedge-tts（MIT）调用微软的朗读端点；该端点并非微软公开支持的 API，因此其可用性按尽力而为对待。