语音输入播报 2757571500/dsh-voice

dsh-voice

DeepSeek Harness 的语音插件:按住说话语音输入(云端 ASR)和最终回复精炼播报(云端 TTS),作为单个双面包(宿主 + 浏览器)。

语音插件:按住说话(豆包云 ASR)+ 最终回复精炼播报(豆包云 TTS),单包双面,一条 dsh plugin add 安装,宿主 harness 零源码改动。

包

| 包 | 面 | 角色 |
| @hiye/dsh-voice | 宿主(导出 ".")+ 客户端(导出 "./client") | 配置 schema、STT/TTS 提供者注册表、豆包 SAUC ASR 客户端、豆包 TTS SSE 客户端、remote.voice API、播放命令系统提示词部分 · 按住说话录音、语音状态机(ttsEnabled)、语音命令("关闭tts" 等)、speechify 摘要、TTS 播放门控、麦克风按钮 + TTS 切换按钮 |

安装

需要 DeepSeek Harness 环境(web profile)以及同时启用了 ASR 和 TTS 资源的豆包 API key。

1. 将插件安装到你的 web profile(一条命令)
dsh plugin --profile web add @hiye/dsh-voice

2. 配置豆包 API key(ASR + TTS 共用) 添加到 $DSH_HOME/.env :
DOUBAO_API_KEY=your-key-here

3. 重启 dsh web

⚠️ 先禁用内置的官方语音

harness 的 dsh-web-app bundle 已经内置了语音插件行(voice-text-mainline / voice-text-mainline-client,来自 @deepseek-ai/dsh-*)。同时运行官方语音和 @hiye/dsh-voice 会报错 service "voiceProviders" has been registered。在你的 profile patch (~/.dsh/profiles/web/cordis.patch.yml)中禁用官方行:

- id: voice-text-mainline
disabled: true
- id: voice-text-mainline-client
disabled: true

然后配置语音行:

- id: dsh-voice
config:
sttProvider: doubao
ttsProvider: doubao
language: zh-CN
autoPlay: true
silenceThresholdMs: 500
cloudTts: true
cloudTtsMaxChars: 300

配置

| 键 | 默认值 | 含义 |
| sttProvider | mock | mock 或 doubao(云端 ASR) |
| ttsProvider | mock | mock 或 doubao(云端 TTS) |
| language | zh-CN | 识别语言 |
| autoPlay | false | 自动播放最终回复 |
| silenceThresholdMs | 500 | 语音结束静音阈值 |
| cloudTts | false | 费用门控:启用付费豆包 TTS 合成(按调用计费) |
| cloudTtsMaxChars | 300 | 发送给 TTS 的最大文本字符数;更长的回复回退到 mock(播放提示音) |

费用提示

豆包 TTS 按合成调用计费。cloudTts 默认为 false(仅 mock 提示音,零费用)。除非你接受该费用,否则请保持关闭。cloudTtsMaxChars 限制每次调用的文本长度。

开发

发布流程见 docs/RELEASE.md。开发主线位于 harness study 仓库(packages/voice/voice-text-mainline 和 packages/client/voice-text-mainline);运行 pnpm run sync 将其镜像到此处作为单个 packages/dsh-voice 包,然后构建。