俄语语音助手MaxMarsh301/dsh-voice-bro

dsh-voice-bro

Русский · English

DeepSeek Harness (DSH) 的俄语语音模式插件，支持 OpenAI Realtime、WebRTC 音频、按键说话、免手动激活，以及本地唤醒词 «БРО»。

dsh-voice-bro 将 DSH Web GUI 转变为语音到语音的语音助手，同时保持常规 DSH Agent 的权威性。语音请求会变为普通的 Agent 后续消息、引导消息或显式的取消并替换操作，因此现有工具、审批、会话历史以及屏幕上的结果都能继续正常工作。

实验性源码插件。 DSH 尚未发布语音服务或稳定的第三方客户端 bundle 构建 API。因此，本仓库会将经过审查的源码包安装到兼容的 DSH 检出中，而不是假装单独执行 npm install 就足够了。兼容性基线为 DSH 提交 b150a551b8d465e31e418e1b2eaf5e79bbb7d28e。

功能特性

- 全局语音控制从侧边栏打开：按键说话和 БРО 位于同一个共享语音面板中，而不是在聊天文本输入卡片中。
- 跨线程的单一持久通话，支持由语音驱动的线程创建、导航以及后台完成播报。
- 免手动模式，通过字面俄语唤醒词 БРО 激活。
- 本地唤醒词匹配，在说话人和麦克风校准之后进行。
- 基于 WebRTC 的 OpenAI Realtime 语音到语音。
- Agent 感知的中断： 对进行中的工作执行后续或引导；取消和替换需要显式的 Host 选择加入。
- 审批感知等待： 语音可以告知用户屏幕上正等待确认。
- 安全的音频传输： 浏览器绝不会将麦克风作为 WebRTC sender 附加；只有经过门控的 24 kHz PCM 会到达有序的 Realtime 数据通道。
- 用量成本计量器，用于完整的提供商报告的 Realtime 和转录 token 用量。
- 俄语优先的语音外壳，提供简短的语音摘要，并将完整输出保留在 GUI 中。

架构

本仓库包含四个原生 Cordis/DSH 插件包：

| 包 | 职责 |
|---|---|
| @deepseek-ai/dsh-voice | Host 语音会话服务和生成的 Remote 操作 |
| @deepseek-ai/dsh-voice-openai-realtime | OpenAI Realtime 信令、已认证 sideband 和 Agent 桥接 |
| @deepseek-ai/dsh-client-wake-word-local | 浏览器本地、经说话人校准的 «БРО» 匹配器 |
| @deepseek-ai/dsh-client-ui-voice | 麦克风采集、WebRTC 播放、控件、转录和成本 UI |

安装程序还会将所需包添加到官方 DSH Web 组合中，并在当前 Client Remote 程序集中挂载生成的语音 Remote 命名空间。

要求

- Linux 或 macOS 开发环境。
- Node.js ^22.19.0 或 >=24。
- 通过 Corepack 使用 pnpm。
- 一个兼容的 DeepSeek Harness 源代码检出。
- 具有访问 gpt-realtime-2.1-mini 和 gpt-4o-mini-transcribe 权限的 OPENAI_API_KEY。
- 一个支持 WebRTC、AudioContext、AudioWorklet 和麦克风权限的浏览器。
- localhost 或 HTTPS，因为浏览器会限制不安全上下文中的麦克风采集。

OpenAI Realtime 和转录的使用是计费的。在启用免提模式之前，请查看当前的 OpenAI API 定价。

安装到 DSH

从一个干净的 DSH 检出开始。除非有意提供 --force，否则安装程序会拒绝覆盖现有的语音包目录。

git clone https://github.com/deepseek-ai/deepseek-harness.git
git clone https://github.com/MaxMarsh301/dsh-voice-bro.git
git -C deepseek-harness checkout b150a551b8d465e31e418e1b2eaf5e79bbb7d28e

node dsh-voice-bro/scripts/install-into-dsh.mjs ./deepseek-harness
cd deepseek-harness
corepack enable
pnpm install
pnpm run build

仅在运行时环境中设置凭据；切勿提交它：

export OPENAI_API_KEY='your-key-here'
pnpm dsh web

打开 DSH Web URL，并从侧边栏展开全局语音控件。使用按键通话，或在该面板中启用 БРО；聊天文本输入卡片中不包含语音按钮。在开始采集时允许麦克风访问。在免提激活之前，在语音设置中配置本地 «БРО» 校准。

更新

安装程序支持上述确切的兼容基线，并在插入点发生变化时失败。将每个插件更新安装到该基线的新检出中，然后在切换部署之前运行 DSH 构建和 GUI 测试套件。将运行时设置和数据与源代码检出分开保存。

--force 不是就地升级或回滚机制，也不会绕过基线检查。支持另一个 DSH 修订版需要在更改基线之前审查并测试其集成点。

隐私与安全

- 原始唤醒词校准 PCM 仅保存在有界内存中，并在派生模板暂存后清零。
- 派生的唤醒模板保留在浏览器本地存储中。
- 触发前的音频不会发送到 OpenAI。
- 提供商调用 ID 和 OPENAI_API_KEY 保留在 Host 上。
- 提供商错误响应体不会暴露给浏览器。
- OpenAI 提供商接收触发的语音、转录上下文、语音外壳指令、受控函数调用，以及说出响应所需的有界 Agent 结果。

阅读包参考文档以了解确切的生命周期和数据处理行为：

- packages/voice/voice-openai-realtime/README.md
- packages/client/ui-voice/README.md
- packages/client/wake-word-local/README.md

开发
仓库级检查会验证包标识、预期搜索词、源码整洁性以及常见密钥模式：

npm run check
DSH_SOURCE_CHECKOUT=/absolute/path/to/deepseek-harness \
DSH_INSTALLER_TEST_ROOT=/absolute/path/to/scratch npm run check:installer

安装器测试使用本地 DSH Git 对象数据库中固定的提交及其父提交，仅在提供的临时目录下写入一次性测试夹具，并保留它们以供检查。CI 会同时运行仓库检查和安装器检查。

行为测试和构建会在将源码安装到兼容的 DSH monorepo 后运行，那里有必要的 TypeScript 项目图、Typert 生成器、客户端插件打包器以及真实的 Web 组合。

可发现性

相关的 GitHub 搜索词：DeepSeek Harness voice plugin、DSH voice mode、OpenAI Realtime WebRTC、Russian voice assistant、wake word БРО、push-to-talk、speech-to-speech 和 Cordis plugin。

许可证

MIT。提取的 DSH 源码保留上游 DeepSeek 版权声明。参见 LICENSE。