STARDUSTLC666/dsh-voice

English

dsh-voice

你的 agent 会说话了：edge-tts 微软神经语音免费无限量 + Whisper 转写。

npm version npm downloads license stars

Awesome DSH Plugin

DSH（DeepSeek Harness）语音双件套插件：让 agent 会说话、能听懂。

- voice_tts：文字转语音，走 edge-tts 协议（微软 Edge 朗读服务，免费无限量，22+ 常用音色）
- voice_stt：语音转文字，走 OpenAI 兼容 ASR 接口（Groq / OpenAI / 自定义端点）
- voice_list：音色清单
- voice_preview：音色试听，用一段样例文本批量生成短 MP3，挑音色不用盲选
- voice_health：配置自检，体检 TTS 音色 / ASR 密钥 / 接口地址 / 代理（不联网）

兼容性

已在官方 @deepseek-ai/dsh@0.1.5-rc.1、Node 24.16.0 上验证（2026-09-11）：18 个组件与 Modlens 同载，工具 schema、技能注册及离线只读调用检查通过。采用 cordis.patch.yml + dsh.bundle.patch 组合包模型。Node 要求与该版本 Harness 一致：22.19 及以上的 22.x，或 24 及以上。外部服务的实际业务操作需按各组件配置单独验证。

安装

dsh plugin --profile web add dsh-voice

卸载

dsh plugin --profile web remove dsh-voice

卸载后重启 Web 服务。如需彻底清理，可再手动删除自己 profile cordis.patch.yml 中覆盖的插件行。

配置

voice_tts 零配置可用；voice_stt 需要 ASR 密钥：

- id: voice
name: 'dsh-voice'
config:
asrEngine: groq                       # groq | openai | custom
asrModel: whisper-large-v3-turbo      # groq 的 whisper 模型
asrApiKey: gsk_...                  # 推荐改用环境变量 DSH_VOICE_ASR_KEY
ttsVoice: zh-CN-XiaoxiaoNeural        # 默认音色
proxyUrl: http://127.0.0.1:7890     # ASR 接口需要特殊代理时启用

工具一览

| 工具 | 作用 | 关键参数 |
| :-- | :-- | :-- |
| voice_tts | 文字合成 MP3（免费） | text 必填；voice/rate/pitch/output 可选 |
| voice_stt | 音频转文字 | audio 必填；engine/model/language/prompt/output 可选 |
| voice_list | 常用音色清单 | 无 |
| voice_preview | 音色试听：批量生成短样例 MP3 | voices（≤8 个）/ text / outputDir 可选 |
| voice_health | 配置自检（不联网） | 无 |

示例

voice_tts { text: 今天的 AI 早报来了 }                    # 晓晓女声，输出 voice_output.mp3
voice_tts { text: hello, voice: en-US-AriaNeural }        # 英文女声
voice_stt { audio: E:\audio\meeting.mp3, language: zh } # 转写会议录音
voice_list {}
voice_preview { voices: [zh-CN-XiaoxiaoNeural, en-US-AriaNeural] } # 生成两个试听样例
voice_health {}                                          # 自检 TTS / ASR / 代理配置

硬核细节

- edge-tts 协议直连：Sec-MS-GEC 令牌按官方 DRM 算法本地生成（SHA256(Windows 文件时间 + TrustedClientToken)，5 分钟窗口），WS 传输用 ws 库 + permessage-deflate 压缩 + 可选 HTTP CONNECT 代理隧道
- 零 API 成本：TTS 完全免费；STT 只花你选的 ASR 接口的钱
- 文本 ≤5000 字符、音频 ≤25MB 前置校验；输出同名自动加序号
- 协议对齐开源 edge-tts 当前版本（7.x），不依赖过时的令牌端点

开发

pnpm install
pnpm test       # 构建 + 离线单元测试（使用模拟的 TTS/ASR）
pnpm test:integration  # 显式联网，调用真实 edge-tts；网络或断言失败均报错

License

MIT

版本记录

- 0.3.4（2026-09-18）：修复代理路径 STT 上传 [object FormData]、25MB 校验在读入之后、输出目录不存在白烧一次合成、默认输出落宿主 cwd；exec.signal 全程透传、preview 改 3 路并发。测试 55 项。