MonkeyChenLun/dsh-voice-plugin-NKM

dsh-voice-plugin-NKM

DeepSeek Harness（DSH）Web 客户端语音对话插件：麦克风 → 语音识别(STT) → 自动发送 → 助手回复 → 语音合成(TTS) 朗读。

功能

- 🎤 语音输入：点击输入行麦克风按钮开始录音，识别文字自动写入 composer 并发送（与打字同一路径）。
- 🔊 语音朗读：助手回复完成后自动朗读（仅「语音模式」下朗读，打字输入不朗读）。
- ⚙️ 语音设置面板（齿轮按钮打开；右键麦克风打开快捷菜单）：
- TTS 引擎选择：浏览器语音（默认）/ 本地语音模型（预留）/ 自定义 API；
- 声音、语速、音调、音量；自动朗读开关；打断模式（点击麦克风时 / 检测到新录音时）；测试声音。
- 🛑 打断（Barge-in）：TTS 朗读中点击麦克风或开始说话立即停止朗读。
- 🧹 TTS 文本过滤：朗读前去除 Emoji 与 Markdown 标记，保留自然语言、数字与普通符号。

运行成本与约束（重要）

本插件本体零成本、零 API Key、默认不调用任何外部服务：

| 引擎 | 成本 | 说明 |
|---|---|---|
| 浏览器语音（STT/TTS，默认） | 免费 | 使用浏览器内置 SpeechRecognition / SpeechSynthesis，无需任何配置或 Key |
| 本地语音模型（GPT-SoVITS / CosyVoice 等，预留） | 免费（自部署） | 接口已预留，模型加载尚未实现，需用户自行部署、本地运行 |
| 自定义 API | 由用户自担 | 用户自行填写地址/Key/模型；支持 4 种协议：JSON-base64（自建/通用）、OpenAI 兼容、ElevenLabs、Azure Speech。允许配置付费服务，但由此产生的一切费用、合规与安全风险由用户自行承担，与本插件无关 |

⚠️ 免责声明：本插件不捆绑、不默认接入任何付费服务；若用户在「自定义 API」中配置了付费或第三方服务，请自行确认其费用与合规性，后果自负。

架构

- TTS 采用 Provider 架构（src/client/tts/）：
- types.ts：TtsProvider 接口（speak/cancel/isSpeaking/listVoices/onVoicesChanged）；
- engine.ts：TtsEngine 门面——文本预处理、读取设置、选择 Provider，不含任何引擎逻辑；
- providers/BrowserTTSProvider.ts：免费浏览器引擎（默认）；
- providers/LocalTTSProvider.ts：本地模型占位（预留）；
- providers/ApiTTSProvider.ts：自定义 API（多协议：JSON-base64 / OpenAI 兼容 / ElevenLabs / Azure Speech）。
- STT 使用浏览器原生 SpeechRecognition（src/client/speech/recognition.ts）。
- 回复捕获基于会话快照（useSession 标准 prop 的 chat.nodes），带基线水位防历史误读（assistant-stream.ts）。
- UI 注册于 conversation.input.left 插槽；设置存于 localStorage（键 dsh-voice-settings）。

目录

dsh-voice-plugin-NKM/
├── package.json          # dsh.client 声明 + dsh.bundle（插入 voice-plugin 行）
├── cordis.patch.yml      # bundle patch：插入插件行
├── build.ps1             # esbuild 构建脚本（node half + 浏览器 half）
├── tsconfig.json
└── src/
├── index.ts          # node/host 半边（空 apply）
└── client/
├── index.ts      # 浏览器半边：注册 conversation.input.left 插槽
├── VoiceButton.tsx        # 麦克风按钮 + 打断 + 快捷菜单 + 设置接线
├── VoiceSettings.tsx      # 语音设置面板
├── assistant-stream.ts    # 助手回复快照 diff（纯函数）
├── icons.tsx              # SVG 图标
├── speech/                # STT + 设置 + 文本预处理
│   ├── recognition.ts     # 浏览器 SpeechRecognition 封装
│   ├── settings.ts        # 设置模型 + localStorage
│   └── preprocess.ts      # TTS 文本过滤
└── tts/                   # TTS Provider 架构
├── types.ts
├── engine.ts
└── providers/
├── BrowserTTSProvider.ts
├── LocalTTSProvider.ts
└── ApiTTSProvider.ts

加载方式（DSH 集成）

与部署内其他第三方插件同款（bundle + link:）：

1. 构建：pwsh -File build.ps1（产出 lib/index.js 与 lib/client.js）；
2. 在 profile 的 package.json 里加依赖
"@deepseek-ai/dsh-voice-plugin-nkm": "link:"，
并把包名加入 dsh.profile.bundles；
3. 在 profile 的 node_modules 中建立指向本目录的链接（或 pnpm install）；
4. 重启 dsh --profile web。插件行由 cordis.patch.yml 自动插入，
浏览器半边经 dsh.client 声明自动进入 window.__DSH_BOOT__。

构建与验证

- 安装依赖：npm install
- 构建：npm run build（跨平台，产出 lib/index.js 与 lib/client.js）；Windows 本机也可 pwsh -File build.ps1
- 类型检查：npm run typecheck（tsc --noEmit）
- 测试要点：硬刷新后点 🎤 说话 → [dsh-voice] final/submitted → 回复后 speak 并朗读；
打字输入不朗读；右键/齿轮打开设置；打断、过滤、引擎切换按面板提示验证。

说明：包名使用 @deepseek-ai/ 前缀仅用于与本机 DSH 集成命名一致，本插件非 DeepSeek 官方包。