审批语音告警 Couioly/plugin-audio-alert

plugin-audio-alert

给 DeepSeek Harness (DSH) 的审批语音告警插件：DSH 遇到需要人工审核/审批时，用电脑 TTS 自动语音呼叫你——把「需要你审核」的内容念出来，同时照常在网页上弹出审批按钮让你点。

一句话：AI 需要你点头时，电脑会「开口」喊你，你听到后去网页点确认即可。

纯 Node 实现，无独立进程、无 Python：合成、转码、播放全部在插件内完成，注册进 profile 重启后即用。

功能

- 🔔 语音呼叫：审批触发时，用 edge-tts 神经音色外放朗读「需要你审核」的内容。
- 🎭 人物性格文案：播报话术可自定义模板（占位符 {reason} / {tool} / {reasonOrTool}），想让它「病娇软萌妹」口吻说话，改一行就行。
- 🎛️ 音色/音调/语速：可切换 edge-tts 音色，调节 pitch（音调）/ rate（语速）/ volume（音量）。
- 🛟 不碰审批：本插件只负责「播报提醒」，审批决定仍由网页按钮完成，绝不吞掉审批。

本地零大模型下载（edge-tts 走云端），插件本体仅约 10KB。

架构

DSH 审批触发（approval/request 瀑布事件） └─ plugin-audio-alert（Node 插件，prepend 优先） ├─ lib/tts.js edge-tts 协议（WebSocket）合成 mp3 ├─ ffmpeg mp3 → wav ├─ PowerShell 外放（阻塞到播完） └─ next() ──────▶ Web 审批卡片（照常弹按钮）

- 插件完全运行在 DSH 的 Node 进程内，没有常驻的独立进程。
- 唯一 npm 依赖是 ws（WebSocket 客户端）；ffmpeg / PowerShell 是临时子进程，用完即退。

前置要求

| 项 | 要求 |
| 系统 | Windows 10 / 11（播放走 PowerShell，仅 Windows） |
| Node | DSH 自带（无需单独装） |
| 网络 | edge-tts 需联网 |
| ffmpeg | PATH 里有 ffmpeg 即可；没有则设 AUDIO_ALERT_FFMPEG 指定路径 |

快速开始

第 1 步：装依赖（仅 ws 一个包）

cd /d 本插件目录
npm install

或直接双击 install.bat。

第 2 步：把插件注册进 DSH profile

编辑 %USERPROFILE%\.dsh\profiles\<profile>\cordis.patch.yml（例如 web profile 就是 ~/.dsh/profiles/web/cordis.patch.yml），加入：

- insert:
- id: audio-alert
name: 'file:///D:/绝对路径/plugin-audio-alert/lib/index.js'

注意：file:/// 后面用正斜杠的绝对路径，例如 file:///D:/CodeFile/AI_Code/plugins/plugin-audio-alert/lib/index.js。

也可用 pnpm 安装：dsh plugin --profile web add "file:本插件目录的绝对路径"，再把 "plugin-audio-alert" 加进 profile package.json 的 dsh.profile.bundles。

第 3 步：重启 DSH

dsh web

插件是 Host 端插件，必须重启 dsh web 才生效。重启后无需再开任何进程。

第 4 步：触发一次审批测试

随便让 AI 做一件需要提权的事（例如让 AI 写文件到工作区外），审批触发后你应该听到语音播报，同时网页弹出审批按钮。

配置

优先用 config.json（插件根目录，改完重启 dsh web 生效）；环境变量可覆盖它（在启动 dsh web 的窗口里设置）。

| 变量（config.json 键 / 环境变量） | 默认 | 说明 |
| enabled / AUDIO_ALERT_ENABLED | true | 启用 / 禁用 |
| voice / AUDIO_ALERT_VOICE | zh-CN-XiaoyiNeural | edge-tts 音色 |
| pitch / AUDIO_ALERT_PITCH | +0Hz | 音调（格式 +xHz，如 +25Hz 更甜） |
| rate / AUDIO_ALERT_RATE | +0% | 语速（格式 +x%，如 -10% 更慢/扭捏） |
| volume / AUDIO_ALERT_VOLUME | +0% | 音量（格式 +x%） |
| textTemplate / AUDIO_ALERT_TEXT_TEMPLATE | DeepSeek 需要你的人工审核：{reasonOrTool} | 播报文案模板（人物性格） |
| ffmpeg / AUDIO_ALERT_FFMPEG | 自动探测 | ffmpeg 路径（PATH 没有时指定） |

config.json 示例：

{
"enabled": true,
"voice": "zh-TW-HsiaoChenNeural",
"pitch": "+0Hz",
"rate": "+0%",
"volume": "+0%",
"textTemplate": "DeepSeek 需要你的人工审核：{reasonOrTool}", "ffmpeg": "" }

播报文案模板占位符：{reason}=审批原因、{tool}=触发工具、{reasonOrTool}=原因或工具。示例（病娇软萌妹口吻）：

set "AUDIO_ALERT_TEXT_TEMPLATE=主人～人家这里有个小请求，想请你确认一下下哦，是关于「{reasonOrTool}」的事情，答应人家好不好嘛～"
set 只对当前 cmd 窗口有效；想永久生效用 setx 变量 值（需重开窗口）。

音色自定义

换 edge-tts 音色

列出所有音色：

npx edge-tts --list-voices

（或直接用 Python 版 edge-tts --list-voices 看列表。）

常用中文音色：zh-CN-XiaoxiaoNeural（温柔女声）、zh-CN-XiaoyiNeural、zh-CN-YunxiNeural（少年男声）、zh-CN-YunjianNeural（沉稳男声）、zh-TW-HsiaoChenNeural（台湾腔）、zh-HK-HiuMaanNeural（粤语）。

set AUDIO_ALERT_VOICE=zh-CN-XiaoxiaoNeural

调「甜 / 软 / 扭捏」（pitch / rate）

- AUDIO_ALERT_PITCH=+25Hz → 音调更高、更甜（格式必须是 Hz）
- AUDIO_ALERT_RATE=-10% → 语速更慢、更撒娇（格式是 %）

⚠️ 别拉太狠：全局音调/语速偏移会让句尾语气词（「吗/嘛」）失真、像机器人。建议 pitch 0~+30Hz、rate 0~-15%，自然感主要靠文案本身。

人物性格（文案模板）

见上文 AUDIO_ALERT_TEXT_TEMPLATE。要点：语气词（哦/嘛/呢/呀）放在句尾自然位置，别满屏省略号；让 TTS 自己按标点走语调。

工作原理

DSH 的审批走 approval/request 瀑布事件（answerer 机制）。本插件用 prepend 抢在 Web 审批 answerer 之前：

1. 拼好性格文案 → lib/tts.js 走 edge-tts 协议合成 mp3 → ffmpeg 转 wav → PowerShell 外放（后台进行，不阻塞）；
2. 立即 next() 委托给 Web 审批 answerer → 网页照常弹按钮。

故障排查

| 现象 | 原因 / 处理 |
| 没声音 | 看 dsh web 控制台是否有 [audio-alert] 播报失败 警告；常见是 ffmpeg 不在 PATH（设 AUDIO_ALERT_FFMPEG）或没联网 |
| 播报报 ffmpeg 相关错误 | ffmpeg 不在 PATH；设 AUDIO_ALERT_FFMPEG 指定路径 |
| 播报报 403 / WebSocket 错误 | 网络问题或微软接口变动；确认能联网 |
| 审批没语音也没弹窗卡住 | 检查插件是否已注册进 profile、dsh web 是否重启 |

文件清单

| 文件 | 作用 |
| lib/index.js | DSH Cordis 插件本体（审批 answerer + 播报） |
| lib/tts.js | edge-tts 协议实现（WebSocket 合成 mp3） |
| config.json | 配置文件（音色/音调/语速/文案模板） |
| package.json | 插件包元数据（依赖 ws） |
| install.bat | 一键 npm install |
| test-speak.mjs | 独立播报自检脚本（node test-speak.mjs） |
| LICENSE | MIT 许可证 |
| README.md / README.en.md | 中/英文档 |

限制与说明

- 仅支持 Windows（播放依赖 PowerShell）。
- 本插件只做语音提醒，审批决定仍由网页按钮完成。
- 本插件覆盖的是审批（approval/request）；模型主动提问（ask_user_question）是另一个 seam（userQuestions），未覆盖。
- lib/tts.js 的 edge-tts 协议参考 rany2/edge-tts（MIT）。

许可证

MIT