---

兼容性

方面	状态
Harness	DeepSeek Harness 0.1.1-rc.2
Node	^22.19.0 || >=24.0.0
浏览器	Web Speech + MediaRecorder（Chrome/Edge 最佳）；其余场景用宿主侧转写/TTS 引擎

你能得到什么

dsh-talk 双向闭合语音环路：

• speak 工具 —— agent 朗读自己的回复。TTS 引擎：浏览器语音、edge-tts（网络神经语音）或 piper（本地）。音频在浏览器播放；会话日志记录脱敏后的朗读内容。
• 输入框麦克风按钮 —— 按下说话，转写文本自动回填输入框（或直接提交）。STT 引擎：浏览器 Web Speech（含中间结果）、FunASR HTTP 服务或本地 whisper.cpp。
• 说话即打断 —— 开始说话即停止当前播报（经 client→host 的 talk Remote 通道）。
• 事件播报 —— 回合完成、待审批（waterfall 安全：绝不阻塞门禁）与出错，带静音开关与可配话术。
• 设置页签 —— 引擎/语言选择与播报开关，以追加式 profile patch 操作保存（带备份）。

浏览器                                 宿主
  🎙 按下 ──▶ 打断 ────────────────────▶ talk/interrupt
  录音（MediaRecorder / Web Speech）
  转写（浏览器）或 talk/transcribe ────▶ FunASR / whisper.cpp
  回填草稿或提交  ◀── talk:speech 投影 ── speak 工具 / 事件播报
  ▶ 播放音频（talk/audio 或 speechSynthesis）

快速开始

# 1. 把 bundle 装进你的 profile
dsh plugin --profile web add "github:PerryLink/dsh-talk#main"

# 或从 npm 安装（正式发布版）
dsh plugin --profile web add dsh-talk

# 2. 重启并核实行
dsh --profile web --dump-config | grep -A2 'id: talk'

然后按下输入框旁的麦克风说话；也可以让 agent 用 speak 工具朗读回复：

> 用 speak 工具说"你好"。

安装与卸载

• git 通道（最新 main）：dsh plugin --profile web add "github:PerryLink/dsh-talk#main" —— prepare 脚本仅用生产依赖构建。
• npm 通道（正式发布版）：dsh plugin --profile web add dsh-talk。
• tarball 通道：在本仓库执行 pnpm pack，然后 dsh plugin --profile web add ./dsh-talk-<version>.tgz。
• 卸载：dsh plugin --profile web remove dsh-talk（或从 profile patch 中删除该行）。

如果 pnpm 对本包报 ERR_PNPM_IGNORED_BUILDS（esbuild 的平台二进制无害校验），在你的 pnpm-workspace.yaml 中加入 allowBuilds: { esbuild: true } —— dsh CLI 会打印确切片段。

配置

所有可调项都是 Schemastery Config 字段（可在 cordis.yml 中修改）。cordis.patch.yml 内联说明了每个键。

键	默认值	含义
record.enabled	true	显示输入框麦克风按钮
record.hotkey	(无)	可选切换快捷键，如 "alt+r"
record.maxSeconds	60	录音上限（秒，1..600）
record.autoSubmit	false	转写结果直接作为用户消息提交（false = 回填草稿）
stt.engine	auto	auto / web / funasr / whisper；auto 优先已配置的本地引擎，其次 Web Speech
stt.language	auto	BCP-47 语言或 auto
stt.interim	true	显示中间转写（Web Speech）
stt.funasr.url	(无)	FunASR 推理端点；引擎为 funasr 时必填
stt.whisper.modelPath	(无)	whisper.cpp 模型；引擎为 whisper 时必填
tts.engine	auto	auto / browser / edge-tts / piper；auto 优先 piper，其次 edge-tts，最后浏览器语音
tts.rate	0	edge-tts/piper 语速偏移（百分比，-50..50）
tts.fallbackToBrowser	true	本地引擎失败时回退浏览器语音
tts.piper.modelPath	(无)	piper 语音模型；引擎为 piper 时必填
announce.enabled	true	事件播报总开关
announce.onTurnEnd / onApproval / onError	true	播报哪些事件
announce.messages.*	"Turn complete." 等	播报话术
interrupt	true	开始说话即停止当前播放
maxSpeakChars	20000	speak 工具文本上限（1..100000）
maxAudioCacheBytes	8388608	内存合成音频缓存上限（1 MiB..64 MiB）

工具与界面

界面	类型	说明
speak	工具	朗读文本（browser/edge-tts/piper）；支持单次引擎/音色覆盖；规范 JSON 结果
麦克风按钮	conversation.input.left 槽位	录音 → 转写 → 回填草稿（或提交）；按下即打断
设置页签	settings.plugins.tab（id talk）	引擎/语言/播报开关；追加式保存
talk:*	Typert Remote	status、audio、transcribe、applySettings、interrupt（宿主命名空间）

权限与数据

• 权限：插件只保存内存中、字节受限的音频缓存；麦克风权限由浏览器管理。设置页签只向 profile 追加 patch 片段（带时间戳备份）——绝不重写文件。
• 数据：音频绝不进入模型上下文或会话日志。dsh-talk/speech 事件只携带朗读 id、引擎、原因、大小与脱敏文本。所有展示/日志面都会脱敏凭据、JWT、bearer 头与临时路径。
• 网络：只联系你配置的引擎（edge-tts 网络合成、FunASR 端点）；浏览器语音与 Web Speech 留在本机。

安全边界

• 模型可见 ⟺ 已记录 —— 模型只看到 speak 工具的规范值；每次朗读均可自会话日志重建。
• 审批播报绝不阻塞 —— approval/request 监听器总是调用 next()。
• 输出脱敏 —— 凭据与临时音频路径绝不上日志或展示面。
• 失败响亮 —— 非法引擎、越界数值、缺模型/端点的引擎配置在挂载时即报错。

已知限制

• 浏览器支持：Web Speech 与 MediaRecorder 均特性检测；不可用时麦克风按钮自动禁用，配置了宿主引擎（FunASR/whisper.cpp）仍可转写。
• 本地引擎需自行安装：edge-tts、piper、whisper.cpp 可执行文件与模型需单独安装。
• 录音格式：浏览器按其原生 MediaRecorder 编解码器录音；whisper.cpp 可能要求 WAV 录音配置或服务端转换。
• 设置重载生效：设置页签追加到 profile patch；重载 profile（或重启 Web 应用）后生效。

开发

pnpm install        # node ^22.19 || >=24
pnpm run typecheck  # tsc：src + tests，对照本地 harness checkout
pnpm run typecheck:ci  # tsc：对照已发布的 0.1.1-rc.2 类型（无 paths）
pnpm test           # vitest：58 个测试、10 个套件
pnpm run build      # tsc 声明 + tsdown bundle（lib/）
pnpm run verify:self-contained  # 依赖声明全部来自 registry
pnpm run verify:artifacts       # 构建产物 ESM 面 + client ModuleLoader 握手
pnpm pack           # 发布用 tarball

Topics

dsh, dsh-plugin, deepseek-harness, deepseek, cordis, voice, speech, tts, stt, speech-to-text, text-to-speech, microphone

Contributors

• @PerryLink —— 创建者与维护者：朗读管线、语音引擎、麦克风录音、事件播报、投影单元与五语文档。

PerryLink DSH Plugin Family

本项目是由 PerryLink 维护的 29 个 DeepSeek Harness 插件之一。如果这个对你有用，其他插件很可能也会：

Plugin	One-liner
dsh-auto-review	审批链上的第二模型自动审查，默认失败关闭
dsh-background-agents	持久化后台子代理，带 Web UI 侧边栏、消息与打断
dsh-budget	DeepSeek Harness 的成本治理：预算、碳排与延迟一屏呈现。
dsh-checkpoint-rewind	Claude Code /rewind 等价物：快照、会话分叉、一次性恢复
dsh-claude-move	将 Claude Code 会话、记忆、技能与 CLAUDE.md 迁入 DSH
dsh-click	跨平台原生桌面控制（DeepSeek Harness），Windows 优先。
dsh-composer-history	Web 输入框的终端式输入历史：方向键、Ctrl+R 搜索
dsh-defend	DeepSeek Harness 的提示注入、越狱与密钥泄露防护。
dsh-doublecheck	工程纪律门禁：需求质询、测试门禁、对抗式审查
dsh-draw	DeepSeek Harness 的统一静态图像生成路由。
dsh-fast	DeepSeek Harness 的只读性能诊断。
dsh-github	DSH 的 GitHub PR/issue 集成，每次写入都经审批门
dsh-library	DeepSeek Harness 的本地文档知识库。
dsh-local-ai	DeepSeek Harness 的本地模型（Ollama）接入。
dsh-lsp-actions	经语言服务器的 LSP 诊断、格式化、补全、代码操作与重命名
dsh-mask	DeepSeek Harness 的 PII 脱敏中间件——数据到模型前匿名化，展示层还原。
dsh-mcp-panel	只读 MCP 运行时面板：/mcp 命令 + 带状态、工具与错误的设置页
dsh-memento	带审批门的跨会话记忆：ctx.memory 接缝 + SQLite + memory 工具
dsh-observe	DeepSeek Harness 的 OpenTelemetry 与 Langfuse 可观测导出器。
dsh-output-styles	Claude Code outputStyles 等价的运行时样式切换
dsh-permission-rules	Claude Code 风格声明式 allow/deny/ask 权限规则，带审计
dsh-plugin-guide	按需 agent 技能形式的插件开发知识库
dsh-score	DeepSeek Harness 插件的多指标质量评分。
dsh-session-pin	在 Web 侧边栏置顶会话，顺序持久化
dsh-session-sync	DeepSeek Harness 的跨设备会话同步——会话存储的专用 git 镜像。
dsh-skill-pack-security	安全审计技能包：密钥扫描、依赖与供应链审查
dsh-talk	DeepSeek Harness 的语音优先会话闭环：对它说，听它答。
dsh-test-drive	DeepSeek Harness 插件的隔离式安装冒烟实测。
dsh-translate	DeepSeek Harness 的厂商参数翻译与确定性 JSON 修复。

License

Apache License 2.0 © 2026 dsh-talk contributors