语音播报增强 M0Yun/dsh-speak-plus

dsh-speak-plus 🔊

让 DeepSeek Harness 把回答念出来——而且中间过程也念，不是只念最后一句。

本仓库是 dsh-speak 1.8.4 的增强分支（MIT 许可）。
上游的朗读、队列、设置页、WebSocket 状态同步全部保留，另外补了五项能力。
所有新增行为默认关闭或取保守值，不配置时与上游一致。

英文文档见 README.en.md；上游完整中文文档见 docs/UPSTREAM-README.zh-CN.md。

为什么做这个分支

上游开启 queueAllMessages 后，每条 assistant 消息都会立刻独立入队朗读。但模型在工具调用之间往往只吐一两句话，于是听感是这样的：

"收到——"（被切）/ "那就你自己重启。"（被切）/ "6 个场景全过。"（被切）/ …

本分支把连续到达的正文先攒成一段再念，并且规定了「什么时候该打断、什么时候不该」，让中间过程听得清、也不拖得太久。

功能

| 能力 | 上游 1.8.4 | 本分支 |
| 朗读最终回复 | ✅ | ✅ |
| 朗读中间过程 | 逐条、易被切碎 | 合并成段，按序读完 |
| 新内容打断当前朗读 | ❌ | ✅ 可配（默认等新回合出内容才换手） |
| 审批 / 提问优先 | ❌（会被正文顶掉） | ✅ 插队并保护 |
| 停止播报快捷键 | ❌ | ✅ Alt + S |
| 配置读取 | 依赖设置 schema | ✅ schema 不可用时回落读 profile 配置 |
| 队列 / 状态同步 / 设置页 / 手动重播 | ✅ | ✅ 全部保留 |

安装

插件以 DSH bundle 形式挂载，在 profile 的 cordis.patch.yml 中配置：

- id: dsh-speak
name: dsh-speak-plus
config:
queueAllMessages: true
interruptOnNewMessage: true
interimMode: queue
interimMergeMs: 800
interimMaxBacklog: 180
engine: 'C:\Users\<你>\.dsh\profiles\desktop\data\dsh-speak-edge\speak-edge.ps1' # 可选：自定义引擎 rate: 8

Windows 用系统 SAPI 嗓音（装了 NaturalVoiceSAPIAdapter 可用自然音色），macOS 用系统 say。
引擎脚本与上游一致（engine/speak.ps1、engine/speak.sh），也可以用 engine 指向自己的脚本。

配置项

新增（本分支）

| 键 | 默认 | 说明 |
| interruptOnNewMessage | false | 总开关：打开后启用本分支的打断 / 合并逻辑 |
| interruptOnNewTurn | false | false：提交消息不打断，等新回合真的产出内容才换手；true：按下发送就掐断 |
| interimMode | queue | queue：回合内各段排队读完、互不打断；replace：每段新内容立刻顶掉正在播的 |
| interimMergeMs | 800 | 静默多久把碎片合并成一段，0 = 不合并 |
| interimMaxBacklog | 180 | 待播正文最多积压多少字，超出丢弃最旧的 |

继承自上游（常用）

| 键 | 默认 | 说明 |
| enabled | true | 总开关，关掉后完全不出声 |
| automaticSpeech | true | 自动朗读；手动重播始终可用 |
| queueAllMessages | false | 每条 assistant 消息都入队（中间过程） |
| throttleMs | 1500 | 默认模式的合并延迟 |
| engine | 空 | 覆盖引擎脚本路径 |
| rate / volume | 0 / 50 | Windows 为 SAPI 刻度（-10~10） |
| maxChars | 安全值 | 超过则只念固定提示语 |
| longTextMode / longTextMessage | message | 超长文本的处理方式 |
| announceApprovals / announceQuestions | true | 审批 / 提问播报 |
| announceTurnEnd / announceCommandDone / announceGoalChange / announceToolErrors / announceTodoWrite | false | 可选事件播报 |

完整列表见上游文档。

快捷键

Alt + S —— 立刻停止播报，同时清空待播队列和还没播出的缓冲片段。

说明：DSH 核心的「快捷键」列表只列核心自己的动作，没有给插件预留注册入口，所以这个键位由插件自己监听，不会出现在那个列表里。输入框有焦点时同样生效。

行为说明

回合内的中间过程（interimMode: queue）：

1. 片段按 interimMergeMs 合并成一段，避免一句话被拆成几次播报
2. 段与段之间排队，前一段念完再念下一段，不互相打断
3. 待播积压超过 interimMaxBacklog 字时丢弃最旧的，保证不会越听越落后

换手规则：

- 你发消息时不掐断当前朗读
- 新回合第一段内容要播时，才掐掉上一轮还在念的正文
- 正在念审批 / 提问时，新正文排队等待，不抢占

配置兜底：某些 DSH 构建里插件无法加载设置 schema，此时会直接读本 profile 的 cordis.patch.yml（按修改时间缓存，只取已知键），与运行时配置合并，运行时优先。
挂载时会打一行 生效配置: … 便于排查。

已知限制

- 设置页依赖 Config schema；构建失败时设置页可能不显示，此时改 YAML 即可
- 新回合内容会掐掉其他会话正在播的正文（同一套扬声器），不区分来源
- 直接改 node_modules 里的插件文件会在重装 / 升级时被覆盖

目录

adapters/dsh/speech-hook.js 宿主端：事件 → 队列 → 引擎 client/client.js 浏览器端：设置页、消息按钮、Alt+S engine/ 朗读引擎（SAPI / macOS say） docs/LOCAL-CHANGES.zh-CN.md 本分支相对上游的改动清单 docs/UPSTREAM-README.zh-CN.md 上游完整文档

许可

MIT，继承上游 LICENSE，上游版权归 Alan2Z 所有。