dsh-voice-kit 🎙️

DeepSeek Harness Web GUI 的语音输入与回复朗读套件。

状态：v0.4.0 已发布 npm — pnpm typecheck 通过、239 个单测通过、 pnpm build 产出生态标准 closure-factory bundle（宿主半区 + 浏览器半区）。已在真实 DSH Desktop profile 里验证通过。安装：dsh plugin add dsh-voice-kit。

功能

🎤 语音输入 — 输入框左侧麦克风按钮；录音后经宿主侧 STT 转写并追加进草稿（不覆盖已有输入）。支持浏览器 Web Speech API（Chrome/Edge）与宿主侧 OpenAI 兼容转写服务（如硅基流动 SenseVoice）两种后端，Esc 取消、可随时停止。
🔊 回复朗读（三种引擎） — 每条 assistant 消息尾部朗读按钮：
- 微软神经语音（免费，晓晓/云希/云健/云扬…）— 宿主侧经 msedge-tts 合成，带缓存；被墙网络经系统代理隧道自动连通
- 云端神经语音（硅基流动 CosyVoice2 等 OpenAI 兼容 audio/speech，境内直连、无需代理）— 复用语音识别密钥
- 系统语音 — 完全离线兜底，任何环境都可用
- 朗读前剥离 markdown / emoji；长回复按句子边界流式分块——首块约 1 秒内出声，后续边播边预取；同一时刻只读一条；播放中消息自动滚到视野中央并弹气泡显示正在读的内容；再次点击立即停止。
⚙️ 设置 — 一级设置页：语音引擎（三种）、云端服务一键预设、音色、语速、音调、识别语言、引擎可用性探测（Edge 是否能连点一下就显示）、密钥状态（只显示「已保存/未设置」，绝不回显值）。

新手教程（5 分钟上手）

1. 安装

# 从 npm 安装（推荐）
dsh plugin add dsh-voice-kit

# 或本地开发安装
dsh plugin --profile desktop add link:/path/to/dsh-voice-kit

重启 DSH Desktop 并刷新 Web GUI。

2. 让回复朗读出声（选一种引擎）

打开设置 → 语音 → 回复朗读：

立刻可用的：选「系统语音」→ 点 🔊 就有声音（离线，音质一般）。
免费且好听：选「微软神经语音」→ 设置页会显示「❌ Edge 不可达 / ✅ Edge 可达」。若不可达，打开你的科学上网代理（插件会自动走系统代理），回来点 🔊 即可听到晓晓音色。
不依赖代理、音质接近豆包：选「云端神经语音」→ 点「硅基流动 CosyVoice2」一键预设 → 若你已配过语音识别密钥，直接点「试听」；没配过就填一次密钥（TTS 会复用同一个）。

💡 云端 TTS 与语音识别共用同一个密钥：先配好语音输入，朗读就无需再填。

3. 用语音输入说话

打开输入框左侧的 🎤：

状态栏若提示「需在设置里配置识别服务」，去 设置 → 语音 → 语音输入 选「宿主侧转写」，配好硅基流动地址 + 密钥。
点 🎤 开始说话，说完再点一次停止（或 Esc），转写文字自动追加进输入框。
也可点「麦克风自检」先确认权限/设备/格式正常。

4. 常见问题

问题	处理
朗读没声音	检查引擎是否可达；微软语音需代理，云端语音需密钥，系统语音永远可用
段落太长出声慢	已优化到约 1 秒内出声；若仍慢请更新插件到 0.4.0
密钥「已保存」但没生效	密钥存宿主端，重启后再试「试听」
语音输入无转写	确认已配置宿主侧识别服务

安装

# npm 发布后
dsh plugin add dsh-voice-kit

# 本地开发
dsh plugin --profile desktop add link:/path/to/dsh-voice-kit

重启 harness 并刷新 Web GUI。

开发

pnpm install
pnpm typecheck   # tsc --noEmit
pnpm test        # vitest（纯逻辑：markdown 剥离 / 分块 / 并发流式预取）
pnpm build       # tsdown → lib/index.js（宿主）+ lib/client.js（浏览器）

构建链路采用生态标准 closure-factory bundle （window.__ModuleLoader__.load），由 shared/tsdown.client.ts 驱动（改编自官方 DeepSeek Harness packages/client/tsdown.client.ts，MIT； libExternal 选项来自 dsh-web-ui 全家桶，Apache-2.0，见文件头注明）。

License

MIT。内置的 shared/tsdown.client.ts 改编自官方 DSH 构建工具（MIT）与 dsh-web-ui 的 libExternal 选项（Apache-2.0），详见文件头。

dsh-voice-kit

安装

源码

标签

作者

说明文档