Breeze 语音 OldQin-Aurora001/dsh-breeze-tts

dsh-breeze-tts · Breeze 语音

给 DeepSeek Harness（DSH）用的插件：让 AI 开口念，还能帮你造出想要的声音。

它自己不含语音模型，是个客户端——连你自己跑的 Breeze TTS 服务来发声。所以你得先有一个 Breeze 服务（见下面「第 1 步」）。

三十秒看懂：这插件干两件事

装好之后，DSH 设置里会多出「Breeze 语音」，里面两个 tab：

| tab | 干什么 | 一句话 |
| 语音 · 本地 AI TTS | AI 回复自动念出来，能选音色、调语速 | 用声音 |
| Breeze 音色工坊 | 用文字描述造新声音 / 用一段录音克隆声音 / 管理已有音色 | 造声音 |

先造嗓子，才能开口——工坊里造出来的音色，第一个 tab 里就能直接选。

第 0 步：先看你的机器跑不跑得动（★ 别跳过这步）

插件本身几乎不吃硬件（它就是个网页客户端）。所有硬件门槛都在 Breeze TTS 服务那头。

先对着下面扫一眼，看你属于哪一类：

| 你的机器 | 能不能跑 | 走哪版 |
| NVIDIA 独显，显存 ≥ 4 GB | ✅ 舒服 | C++ 版 Q8_0 |
| AMD 显卡（含核显） | ✅ 能跑，没问题 | C++ 版（它走 Vulkan，不用装 CUDA / ROCm） |
| Intel 显卡（含核显） | ✅ 能跑 | C++ 版（同样走 Vulkan） |
| 没独显，只有 CPU | ⚠️ 能跑但明显慢于实时，长文朗读会「一句一停」 | C++ 版 Q4_K |
| CPU 是 2013 年之前的老 x64 | ❌ 跑不了 | 缺 AVX2，无回退 |
| Apple Silicon / ARM 机器 | ❌ 官方无支持 | 没预编译包 |
| Windows + AMD 但想用官方 PyTorch 版 | ❌ 跑不了 | PyTorch 版只支持 Linux + NVIDIA CUDA |

一句话：绝大多数人走 C++ 版 —— NVIDIA/AMD/Intel/纯 CPU 都能跑，只要一个较新的显卡驱动，4 GB 显存就够（Q8_0），3 GB 也能挤（Q4_K）。

看不懂自己机器的硬件？交给 AI —— HARDWARE.md 第 5 节写好了判定流程，AI 会跑命令量出你的显卡、显存、有没有 Vulkan，然后告诉你走哪档。完整的技术数据、AMD 特殊情况、官方没给的数字，全在 HARDWARE.md。

第 1 步：你得先有一个 Breeze TTS 服务

插件只是客户端，没有服务它不会出声。

前提：本插件要求 Node.js ≥ 22（DSH 本体自带的那个就够，一般不用另装）。

推荐用 C++ 版（Windows/Linux 都有预编译包，NVIDIA/AMD/Intel 显卡都行，没显卡能退回 CPU）：

- 仓库：https://github.com/HoppouAI/Breeze-TTS-2.cpp
- 模型：https://huggingface.co/HoppouAI/Breeze-TTS-2.cpp （必须把 audio_tokenizer/ 目录一起下，否则出不了声）
- 显存 ≥4 GB 选 Q8_0（3.3 GB，推荐）；3 GB 左右选 Q4_K（2.4 GB）。完整档位表见 HARDWARE.md 第 2.1 节
- 启动：breeze-server breeze-tts-2-q8_0.gguf --webui，默认端口 8080
- 启动后浏览器开 http://127.0.0.1:8080/health 应返回 {"status":"ok",...}

官方 PyTorch 版（https://github.com/breezeblue-ai/breeze-tts）也能接，但它没有 /v1/voices 接口，插件的音色下拉会是空的，只能手打音色 id；而且它只支持 Linux + NVIDIA CUDA，要 12 GB 显存起。所以推荐 C++ 版。

⚠️ Breeze 服务本身没有鉴权、没有限速，别直接挂公网。

第 2 步：装插件 —— 直接跟你的 AI 说一句话

不用自己看文档。把下面两段话里适合你情况的那一段，整段复制，发给你的 AI（Claude / Codex / Cursor 或其他 AI 助手都行）。

它会读本目录的 README-AI.md（那是专门写给 AI 看的说明书），然后自己把活干完。

情况 A：已经装进 DSH 了，只是还没配好

这个 DSH 插件 dsh-breeze-tts 已经装好了，但还没配置。请你读一下插件目录里的 README-AI.md，然后帮我配好 Breeze 语音：

1. 先 GET /dsh-breeze-tts-api/health，看现在通不通，把返回原文贴给我；
2. 我的 Breeze 服务地址是 http://【这里换成你的IP】:8080 —— 用 PUT /config 把它写进 endpoint，写完 GET /config 回读确认；
3. GET /voices 列出音色，把列表贴给我，我问你哪个就设哪个；
4. 最后用 POST /speak-preview 合成一句「你好，测试一下」给我听，证明真的能出声。

每一步的命令和返回原文都要贴给我，别只说"配好了"。

情况 B：刚从 GitHub 下载下来，还没装进 DSH

我刚从 GitHub 下载了一个 DSH 插件 dsh-breeze-tts，放在 【这里换成你解压的路径】，还没装。请你读一下这个目录里的 README-AI.md，然后帮我装进 DSH：

1. 先查我的 DSH profile 里有没有装过 @dsh-external/dsh-plugin-local-ai-tts 和 dsh-breeze-voices —— 如果装了，先告诉我，别自己动手卸（这俩会跟新插件抢路由）；
2. 把这个目录挪到一个纯 ASCII 路径（中文路径会把 pnpm 装坏），挪完告诉我新路径；
3. 按 README-AI.md 的「安装」一节，改 profile 的 package.json（dependencies 加 file: 依赖，dsh.profile.bundles 加 "dsh-breeze-tts"），然后 pnpm install；
4. 装完核对 node_modules 里的文件和源目录指纹一致，不一致就停下来告诉我；
5. 然后我重启 DSH，重启完你再按情况 A 帮我配 Breeze 服务地址。

每一步都要贴命令和输出，别跳步。

你的 AI 读完 README-AI.md 后应该能独立干完，不需要你点设置界面。它干完你要检查的就是：它有没有把命令和返回原文贴给你——只给结论不给证据的，让它重做。

情况 C：还不确定这台机器能不能跑，先帮我判一下

我想在这台机器上装 Breeze TTS 语音（插件是 dsh-breeze-tts）。请你先读一下 HARDWARE.md，然后帮我判定这台机器跑不跑得动：

1. 量出我的：系统架构、显卡型号和厂商、实际显存、CPU 型号、有没有 Vulkan；
2. 按 HARDWARE.md 第 5 节的判定流程，告诉我三个结论： ① 该走哪一版（C++ 版 / 还是根本不行）② 该下哪个量化档（Q8_0 / Q6_K / Q4_K） ③ 预计快还是慢（有独显就说大概几倍实时；只有 CPU 就直说会慢到什么程度）；
3. 命令和输出原文都要贴给我，别只说"你的机器没问题"；
4. 官方没给的数字（RAM 下限、CPU 速度这些）不许编，照实说"官方没给"。

如果我的机器确实跑不动，直接告诉我别装了，并说清卡在哪一条。

第 3 步：装上之后怎么用

点这里：DSH → 设置 → 插件 → 「Breeze 语音」

想让它念：进「语音 · 本地 AI TTS」tab，打开 Auto Read，选个音色，AI 回复就会自动念。
听不到声先点一下页面任意位置，再点「试听」——浏览器会拦自动播放。

想造声音：进「Breeze 音色工坊」tab。
- 声音设计：写一段描述（例：「二十岁出头的女生，声音轻软，有点气声，说话带笑」）→ 生成 → 试听 → 满意就起个名保存
- 声音克隆：传一段录音 + 把录音里说的字逐字打进去 → 保存
- 音色名只能用字母、数字、短横、下划线，中文名会被 Breeze 拒掉（HTTP 400）

描述怎么写才好听（顺便：去这儿听人家怎么念的）

先听样例 👉 https://breezeblue.ai 官网首页有七个分类的真实示例音色（对话／旁白／角色／社交／教育／广告／娱乐），点开就能听。
（注意：没有单独的"音色库"页面，别去找列表页，示例就在首页。）
听完如果你说「我要那种感觉」，AI 可以照着那个方向写描述。

官方仓库自己用的两句原句，可以直接拿来改：

- 英文：A warm, thoughtful young woman with a clear voice and a calm, reflective delivery.
- 中文：一位温柔自信的年轻女性，声音清晰，语气亲切，表达轻快而富有感染力。

写描述的四个要点：
1. 一句话说完，别写成参数表（不要「音高=低，语速=0.8」这种）。
2. 说清"是谁 + 声音什么样 + 怎么说"。年龄、性别、音色质感（清亮／沙哑／有气声）、情绪、语速，这五样覆盖到就够了。
3. 给人念中文，就用中文写描述。官方明确要求：描述的语言要跟要念的文本一致，用英文描述念中文会打折。
4. 想要它更"听描述"，把强度调高（cfg_scale，默认 1.0，调 2～4 更有力；超过 3 容易发刺）。

💡 想加笑声、叹气、清嗓子：直接在文本里写标签就行——中文用方括号 [笑] [叹气] [咳嗽] [清嗓子]，英文用圆括号 (laugh) (sigh)。这类标签通常要把强度调到 2～3 才真会触发，默认 1.0 多半只是平着念出来。

跨机调用：TTS 服务和 DSH 不在同一台机器

默认只听本机（127.0.0.1）。要让 TTS 服务跑在另一台机器、由这台机器的 DSH 来调用，这插件补的是跨机调用 + 门禁，不是 frp/ngrok 那种把远程地址伪装成本机的「穿透」：

- 远程访问开关（remoteAccess）：关掉时，非本机的请求一律 403；
- 本地信任名单（trustedLocalCidrs）：名单内的地址当本机对待，读写免 token；
- 管理 token：开启远程后，非本机的写操作必须带 Bearer token；requireLocalToken=true 时所有请求（含本机）都要 token；
- 一次性配对码（pairCode）：6 位，走文件通道或在服务机现场生成，配对成功即焚毁。

⚠️ 这不是穿透工具：它不会把远程地址伪装成 127.0.0.1。跨机请走真实局域网 IP，并确保网络环境可信。

常见问题

| 症状 | 原因 | 怎么办 |
| 顶栏红点 / 连不上 | 地址错、服务没起、防火墙 | 浏览器直接开 http://<IP>:8080/health 验证 |
| 提示 LOCAL_ONLY | Breeze 在局域网 IP 上，插件默认只准本机 | 勾「允许私有局域网 IPv4」 |
| 能连上但音色下拉是空的 | 服务没有 /v1/voices | 换 C++ 版，或手填音色 id |
| 试听没声音 | 浏览器拦自动播放 | 先在页面上点一下再试听 |
| 报 409 | Breeze 一次只能处理一个请求 | 等两秒重试（插件会自动重试一次） |
| 造音色报 400 提到 name | 音色名带中文或符号 | 只用 [A-Za-z0-9_-] |
| 服务起不来，报 illegal instruction | CPU 缺 AVX2（2013 年前的老机器） | 跑不了，无回退路径。见 HARDWARE.md 3.2 |
| 服务起不来，报 Vulkan 相关错误 | 显卡驱动太旧，或这卡驱动不支持 Vulkan | 先更新显卡驱动；仍不行 ⇒ 用 CPU 模式（会慢）或换机器 |
| 能跑但念得很慢、一句一停 | 达不到 1x 实时 | 换低量化（Q8_0→Q4_K）、别开 cfg_scale>1、关掉别的吃显卡的程序 |
| 显存不够，加载模型失败 | 档位选高了 | 降档到 Q4_K（约 3 GB）。见 HARDWARE.md 3.3 |
| 写的描述好像没起作用（换了描述，念出来还是老样子） | cfg_scale 太低（默认 1.0 只做弱引导）；或描述写成了参数表 | 把强度调到 2～4；描述改写成一句话：「谁 + 声音什么样 + 怎么说」 |
| 加了 [笑] [叹气] 却没笑没叹 | 事件标签要更强的引导才触发 | cfg_scale 调到 2～3（超过 3 会发刺） |
| 自己用命令改配置，改完整个配置都没了 | 旧版插件写 speech 是整块替换（2026-10-29 已修） | 连的是旧包的话：写 speech 必须整块传全。判断法：传一个子集再 GET /config，看别的子键还在不在 |
| 命令里带中文就报 JSON 解析错误（position 1） | 文档原来的命令是 Bash 写法，Windows 命令行里引号转义规则不一样 | 见 README-AI.md 第 ⑤ 节——Windows 用单引号包住，或写文件再 --data-binary |
| 用 Windows 自带的命令行写配置文件，服务报 Unexpected token | PS 5.1 的 -Encoding UTF8 会加 BOM | 用 -Encoding ascii 或显式无 BOM。新版插件已能容忍 BOM，旧版不行 |

更多细节、接口清单、排错判据见 README-AI.md。

卸载

1. DSH → 设置 → 插件 → 卸载「Breeze 语音」（或从 profile 的 package.json 的 dependencies 和 dsh.profile.bundles 里删掉 dsh-breeze-tts，再 pnpm install）
2. 想清干净可以再删配置文件：~/.dsh/dsh-breeze-tts/config.json
3. 你造的音色不受影响——它们存在 Breeze 服务的 voices 目录里，跟插件没关系

公开放映前必须知道的三件事

1. 不要同时装原版 @dsh-external/dsh-plugin-local-ai-tts 或 dsh-breeze-voices——本插件是它俩的合并版，一起装会抢路由、功能互相打架。
2. 本插件不参与 DSH 市场自动更新（包名已改、更新器已拆）。升级＝换掉整个目录后重启。
3. ~/.dsh/dsh-breeze-tts/config.json 是按机器存的：同一台机器上开多个 DSH 实例会共用这一份配置（含管理 token）。

这个目录里都有什么

dsh-breeze-tts/
├── README.md ← 你正在看的：给人看，怎么用 ├── HARDWARE.md ← 硬件要求：你的机器跑不跑得动、走哪档（两版对照） ├── README-AI.md ← 给 AI 看：怎么配、接口怎么调 ├── DEVELOPMENT.md ← 开发说明：要解决什么、怎么做的 ├── NOTICE.md ← 用了谁的东西、许可、来源 ├── LICENSE ← MIT（含上游两家的版权声明，法律要求不能删） ├── package.json ← 插件清单 ├── cordis.patch.yml ← DSH 装载入口 ├── lib/ ← 插件本体 │ ├── index.mjs ← 宿主侧：路由、配置、鉴权 │ ├── client.js ← 界面侧：两个 tab 的面板 │ ├── coexistence.mjs ← 原版共存检测 │ └── local-runtime/ ← 本地运行时（进程池、分句、服务发现） └── tools/ └── verify-modes.mjs ← 自检脚本（装完能跑一遍看有没有坏）

许可见 LICENSE；借了谁的东西逐项列在 NOTICE.md。分发或商用前请先读 NOTICE——运行时依赖的 Breeze 模型权重是非商业许可。

维护者与致谢

- 维护者：OldQin Family
- 落码实现：小牛总
- AI 操作测试：宁宁
- 特别致谢：小枢（完成装机收口与验收）
- 本插件由两个 MIT 开源项目合并、新增 AI 可设置通道而成，来源与署名逐项见 NOTICE.md。