Fish 语音朗读 MaRi23333/dsh-fish-tts

dsh-fish-tts

English: dsh-fish-tts is a third-party TTS plugin for the
DeepSeek Harness Web GUI — Fish Audio API only, bring your own key: a per-message "Read aloud" action, an auto-read toggle in the composer, and a settings page for model / voice / encrypted API key / proxy. Bilingual UI (zh/en). See README.en.md for the full English version.

简介

面向 DeepSeek Harness（DSH）Web GUI 的第三方语音合成（TTS）插件：为每条助手回复提供一键朗读，输入栏带自动朗读开关，模型 / 音色 / 加密 Key / 代理均可配置。仅支持 Fish Audio API，需自备 API Key。 使用你自己的 Fish 音色（reference_id，含自行克隆的音色）——朗读、试听都走你配置的语音。

30 秒对比：与常见 Edge TTS 朗读插件

| 对比项 | dsh-fish-tts（本插件） | 常见 Edge TTS 朗读插件 |
| 合成引擎 | Fish Audio 官方 API（仅支持；需自备 Key） | 微软 Edge 内置语音 |
| 音色 | 你自己的音色 reference_id（含自行克隆的音色，须有使用权限） | Edge 内置固定音色库 |
| API Key | 必须自备（设置页 AES-256-GCM 加密保存） | 无需 |
| 适合谁 | 已有 Fish Audio 账号、想要自己或克隆音色的用户 | 想免费快速试用、固定音色即可的用户 |

功能

- 朗读按钮：每条定稿的助手消息操作条里有一个「朗读 / Read aloud」按钮（图标与原生操作条图标同风格），点击合成并播放该条回复；播放中再次点击该消息的按钮即中断停止（不会从头重播），点击其他消息的按钮则直接切换播放，合成等待中再点一次可取消。markdown 会被清洗：路径 / URL / 长编号 / 代码块不会读出来。
- 自动朗读：输入框工具行的小喇叭开关（与设置页同步），开启后自动朗读 DSH 界面打开之后到达的新回复。
- 常用音色收藏：为音色 ID 保存易辨识的名称和多行备注，从下拉列表直接切换并立即生效。收藏保存在本机；切换保留其他未保存设置，移除收藏也不会清空当前音色。
- 音频生成工具 fish_tts_speak：供智能体把台词生成为音频文件；所在会话若接了聊天通道（如 IM 机器人），文件交由通道插件投递为语音条。台词清洗、每会话限频、服务端响度归一化与文件生命周期都在本插件完成；Fish 情绪/声音方括号标签（[soft]、[laughing] 等）原样透传、不被念出来。通道插件通过 ctx.fishTts.registerDelivery 注册投递器，出站敏感词过滤仍在通道侧执行。
- 设置页（Settings → 语音朗读 / Voice (Fish TTS)）：
- TTS 模型（下拉建议 + 手动输入，支持 s2.1-pro-free / s2.1-pro / s2-pro 等，保存后立即生效；默认 s2.1-pro-free）
- 音色 reference_id（可直接输入、修改或清空，无须收藏；合成需要有效 ID，插件不提供默认音色）
- API Key（AES-256-GCM 加密存储在本机 $DSH_HOME/fish-tts/settings.json，密钥文件 key.bin 自动生成并在 Windows 上收紧 ACL；Key 不会出现在任何 GET 响应、日志或仓库中）
- HTTP 代理（例如 http://127.0.0.1:7890，直连不通时可填）
- 音频生成（智能体调用）：开关、格式（mp3/wav/opus）、单条文本上限、每分钟上限（0 为禁止发送）、服务端响度归一化开关、音量微调（-20~+20 dB）——折叠分组，置于设置页末尾。工具默认启用，调用可能消耗 Fish Audio 额度，不需要时可在此关闭
- 试听／停止试听按钮、自动朗读开关、音量滑条（默认 60%，仅影响 DSH 内的朗读播放，不影响生成的音频文件）、倍速滑条（0.5–2.0×，不变调；环境不支持时固定 1×）
- 双语界面（中文 / English，跟随 DSH 语言设置；en 词条与 zh 完全对齐）。

界面截图

消息操作条上的「朗读」按钮

输入栏的自动朗读开关

设置页：直接应用音色 ID、按名称切换收藏并试听；连接设置可折叠，播放偏好无须保存。截图中的音色仅用于展示，不随插件提供。

宿主与桌面端兼容

开发侧于 2026-09-30 报告：dsh-fish-tts 0.2.11 在 DSH 0.2.0-rc.2 与同版本桌面客户端中可用。插件沿用 Web 客户端接口；桌面客户端中的插件界面不需要另一份桌面专用包。

0.2.12 为插件管理页增加随客户端语言切换的中英文名称与简介，合成和设置逻辑不变。更新说明见 CHANGELOG.md。

0.2.13 新增常用音色收藏，重新整理设置页流程与视觉风格，并修复播放归属、设置失败恢复和试听反馈。停止或切换会取消客户端请求，但不保证 Fish 上游已停止处理或计费。

此说明依据维护者的使用反馈，不代表所有操作系统或所有 Fish 模型均经过验证。在线合成仍需有效 API Key、可用音色和网络；宿主接口发生变化时需重新验证。

安装

桌面客户端与 Web 实例的插件安装及启用状态完全独立。请根据你使用的运行环境选择对应方式：

桌面客户端安装（推荐）

通过桌面客户端界面安装（无需配置命令行）：

1. 打开桌面客户端左侧栏「插件 / Plugins」，点击右上角「添加插件 / Add plugin」；
2. 输入 npm 包名 dsh-fish-tts@latest 并确认安装；
3. 安装完成后点击「立即启用 / Enable now」（若直接关闭安装完成弹窗，插件会保留在已安装列表中但处于未启用状态）；
4. 仅在界面提示需要重启时，通过菜单完整退出应用（Quit）后重新打开（在 Windows / macOS 上直接关闭窗口可能仅隐藏到后台）；
5. 识别点：打开 Settings，确认侧栏设置项中出现「语音朗读 / Voice (Fish TTS)」。

备选：桌面端终端安装（Windows / macOS）

若偏好终端管理，可使用桌面配套 CLI：

1. 在桌面客户端应用菜单中选择 Manage dsh Command… → Install（注册桌面配套命令，若提示 PATH 冲突按其指引处理），并打开新终端；
2. 确保桌面客户端已至少启动过一次以完成初始化，并先通过 Quit 完整退出桌面客户端；
3. 在新终端中执行桌面专用命令安装与检查：
dsh plugin --profile desktop add dsh-fish-tts@latest
dsh plugin --profile desktop list

4. 重新启动桌面客户端。

注意：通过外部 npm / npx 安装的普通 dsh CLI 无法管理 desktop profile。关于桌面配套命令机制，详见官方桌面端文档的 bundled-command-runtime。

Web 实例安装

Web 实例通过匹配的命令行工具进行管理。优先使用启动该 Web 实例的同一套匹配宿主的 dsh CLI：

dsh plugin --profile web add dsh-fish-tts@latest

然后重启 dsh web（关掉终端重新运行 dsh web）并刷新页面，打开 Settings → 语音朗读。

其他安装方式：

从 GitHub 安装（仓库已附 lib 产物，无需本地构建）
dsh plugin --profile web add github:MaRi23333/dsh-fish-tts

从本地目录安装
git clone https://github.com/MaRi23333/dsh-fish-tts.git
cd dsh-fish-tts
pnpm install && pnpm run build
dsh plugin --profile web add /absolute/path/to/dsh-fish-tts

仓库已提交 lib/ 构建产物，git 安装无需本地构建；改源码后运行 pnpm run build 再重启即可。

说明：若使用 npx 执行安装命令，请固定为与你的 Web 宿主相同的版本（例如 npx @deepseek-ai/dsh@<version>）。从 GitHub 版换到 npm 源时，裸包名 add dsh-fish-tts 对已装的 git 版是静默空操作（pnpm 判定同名依赖已满足），请改用带 @latest 的命令明确请求 npm 上的最新版本，或先 remove 再 add。

安装刚发布的 npm 版本时，pnpm 的供应链保护可能自动在 profile 的 pnpm-workspace.yaml 写入 minimumReleaseAgeExclude: [dsh-fish-tts@…]，属正常行为，不影响使用。

安装后验证

1. 打开 Settings → 语音朗读（Voice (Fish TTS)）；
2. 在「连接设置」填入你的 API Key，点击「保存连接设置」；
3. 在「音色 ID」中填写音色 reference_id，点击「应用音色」（无须填写名称或收藏）；
4. 点击「试听当前音色」——听到你的音色朗读测试句，安装即成功。
「试听当前音色」使用已保存的音色和连接设置，不会保存表单草稿；会请求试听音频，缓存未命中时调用 Fish Audio API。音色为空或没有可用 Key 时不可试听，等待和播放中均可停止。

收藏与切换常用音色

「音色 ID」始终显示，可以直接粘贴、修改并点击「应用音色」；删空输入后点击「清空音色」即可停用当前音色。这些操作只修改当前 ID，不要求收藏，也不影响已有收藏。ID 有未应用的修改时，先应用再试听。

收藏是可选的快捷切换方式。当前 ID 匹配收藏时显示名称和备注；在「切换音色」下拉列表选择名称即可立即切换，并将 ID 输入框更新为该音色。点击「收藏音色」或「给当前音色命名」打开独立表单，填写名称、ID 和可选备注，再点「添加并使用」。已有音色 ID 会继续保留，收藏最多 100 项。

展开「管理常用音色」可使用、编辑或移除音色。编辑只修改名称和备注，不会切换正在使用的音色；移除需确认，且不会清空当前音色。添加、编辑和切换都不会保存模型、代理或 API Key 的连接草稿。连接设置独立保存；播放偏好无须保存，音量和倍速用于后续朗读。

配置

首次使用：打开 Settings → 语音朗读，先保存连接设置（Fish Audio API Key、模型和可选代理），再输入并应用音色 ID，最后试听验证。保存后的设置立即生效，无需再次重启。

也可以在 profile 的 cordis.patch.yml 里给 fish-tts 行加 config（会被设置页保存的值覆盖）：

- id: fish-tts
config:
model: s2.1-pro-free
format: wav
stateDir: /custom/state/dir

配置项

| Key | 默认 | 说明 |
| model | '' | 默认模型（设置页保存值优先） |
| voice | '' | 默认音色 reference_id（设置页保存值优先） |
| format | wav | wav / mp3 / opus / pcm |
| apiKey | '' | 一般不填；优先使用设置页加密保存的 Key，其次环境变量 FISH_API_KEY |
| apiKeyFile | '' | 读取指定 dotenv 文件的 FISH_API_KEY |
| proxy | '' | HTTP(S) 代理（设置页保存值优先） |
| stateDir | $DSH_HOME/fish-tts | 设置/密钥文件目录 |

音频生成（fish_tts_speak）

供智能体调用的音频文件生成工具：模型传入台词，插件完成清洗 → 合成 → 落盘；所在会话若接了聊天通道，通道注册的投递器会接手发送（出站敏感词过滤与目标会话解析留在通道侧）：

// 通道插件内（channel 名任意，示例用 im） const fishTts = ctx.get('fishTts')
ctx.effect(() => fishTts.registerDelivery('im', {
// 可选：声明哪些会话归本通道（缺省视为全部认领）
claims: (sessionId, agent) => manager.findByAgent(agent) !== undefined,
// 出站过滤 → 命中抛错（不投递）→ 解析目标 → 发送语音
deliver: async ({ audioPath, mime, text, sessionId, agent }) => { /* … / },
}), 'im: fish-tts delivery')

工具默认启用；调用会使用已配置的 Fish Audio Key，可能消耗额度，可在设置页关闭。输入 { text, voice?, format? }（voice 支持收藏名或原始 reference_id）；输出含长度、格式、MIME 与投递状态，未投递时另含文件名，不含绝对路径与台词内容；错误按 rate-limited / text-too-long / auth / quota / network / voice-rejected 等代码前缀返回，模型可据此改用文字回复。每会话每分钟上限（默认 1，0 为停用）在合成前占槽、失败释放。投递成功或明确拒绝后删除文件；未投递或投递超时的音频保留在 $DSH_HOME/fish-tts/out/，启动或后续调用时清理超过 24 小时的文件，并非到点定时删除。响度归一化由 Fish Audio 服务端完成（prosody.normalize_loudness，s1 系模型不支持），另附 -20~+20 dB 音量微调。

安全

- API Key 只以加密形态落盘（AES-256-GCM，每机随机密钥 key.bin，0600/ACL 收紧），不写入仓库、日志或任何 GET 响应。
- 写接口（synthesize/config）强制 application/json 并校验同源/loopback Origin，杜绝跨站表单盗刷。
- 仅本机使用：所有 /fish-tts/ 路由拒绝非 loopback（127.0.0.1 / ::1 / ::ffff:127.0.0.1）来源的请求（403），即使宿主监听在 0.0.0.0 也不开放远程访问。
- 代理不支持带用户名密码的地址（http://user:pass@host:port 会在保存时被拒绝）；环境变量 HTTPS_PROXY/HTTP_PROXY 若带凭据同样会被忽略（不泄露、无回退），请改用无凭据的代理或直连。
- 代理地址、模型、音色均为用户本机设置，仓库不携带任何个人信息。
- 合成请求的文本上限 12000 字符；结果在进程内缓存（最多 200 条），重启即清。
- 音频生成结果不回显本机绝对路径、台词或账号信息；本地文件保存在 $DSH_HOME/fish-tts/out/，日志仅记录大小、格式与投递状态，不记录会话标识。兼容通道可将生成文件发送给会话接收方。
- 投递中的取消交由通道处理，已发出的语音无法撤回；投递超时也不代表发送失败。重试前先检查通道是否已经送达，避免重复发送。

开发

pnpm install
pnpm run typecheck
pnpm run test # node:test 单元/集成测试（上游 Fish API 使用本地 mock，不触网）
pnpm run build # host: lib/index.js；client: lib/client.js（ModuleLoader CJS closure）bash
pnpm run smoke # host 入口 + client ModuleLoader 冒烟
pnpm run check:pack # npm pack 内容白名单校验

要求 Node >= 22（Node 20 已 EOL）。CI（.github/workflows/ci.yml）在 Node 22 与 24 上执行全部门禁，并校验 lib/ 构建产物与提交一致。

- host 侧在 src/index.ts（Node，注册 /fish-tts/ 路由与设置存储）
- client 侧在 src/client/（React，注册 conversation.chat.assistant-actions、conversation.input.left、settings.section 三个 slot）
- 开发依赖与 CI 类型检查基线仍为 DSH 0.1.2-rc.1，其中的会话 API 与界面图标适配保留；当前宿主使用反馈见上方「宿主与桌面端兼容」。其他版本如接口漂移请对照 deepseek-harness 仓库 相应 tag 调整。

License

MIT

合规与第三方声明

- 本项目是第三方开源插件，与 Fish Audio / Hanabi AI Inc. 无任何隶属、合作或背书关系。"Fish Audio" 为其权利人的商标，此处仅为描述性使用（说明本插件所对接的服务）。
- 本插件不分发、不托管任何 API Key；请使用你自己的 Fish Audio 账号与 Key，并妥善保管。
- Fish Audio 免费额度仅限个人、非商业用途；商业使用请订阅官方付费套餐。详见 Terms of Use。
- 仅可使用你有权使用的音色（reference_id）。未经授权，不得克隆或模仿公众人物、名人或他人的声音。详见 Acceptable Use Policy。
- 对外分发生成的音频时，建议主动披露其为 AI 合成内容，不得误导听众认为是真人真实发言。
- 使用本插件即表示你同意遵守 Fish Audio 的全部服务条款；条款如有更新，以官方页面为准。

独立社区项目，与 DeepSeek 无隶属关系，亦未经其认可。DeepSeek 与 DeepSeek Harness 商标归各自所有者所有。* Independent community project — not affiliated with or endorsed by DeepSeek.