语音播报 TalkingRainTuT/dsh-VoiceChat

dsh-VoiceChat

让 DeepSeek Harness 的 agent 开口说话的实时语音聊天插件（动态 Cordis 插件）。

每条助手消息自动：按需翻译 → 所选 TTS 合成 → 自动播放，消息末尾带 🔊/⏸/▶ 按钮（播放/暂停/继续/重播）。

特性

- 条件翻译：仅当 voiceLanguage ≠ aiLanguage 时才调用翻译接口；相同则直接合成原文
- OpenAI 兼容翻译：可配 baseUrl/model/apiKey（默认 DeepSeek；换成 OpenAI 只需改 baseUrl/model）
- 多 TTS 提供方：本地（Style-Bert-VITS2 / GPT-SoVITS）+ 免费云端（edge-tts）+ 云端（OpenAI / DashScope / Qwen-TTS / ElevenLabs）
- autoStart：插件激活时按配置自动拉起本地 TTS 服务（健康检查，不重复启动）
- 长文本：按各提供方 maxChunk 分段合成后自动拼接

安装

本地源码安装
dsh plugin --profile web add "file:/path/to/dsh-VoiceChat"

或发布到 npm 后
dsh plugin --profile web add dsh-VoiceChat

目录结构

dsh-VoiceChat/
├── speak.mjs # 执行脚本：翻译 + 可插拔 TTS + 分段拼接 ├── config.json # 配置 ├── config.example.json # 配置示例 ├── package.json # 依赖（edge-tts 需要 ws / https-proxy-agent） ├── LICENSE # MIT ├── played.json # 已自动播放清单（运行产物） ├── wav/ # 生成音频（运行产物） ├── lib/ │ ├── host.mjs # 插件 Host 半身源码 │ ├── client.mjs # 插件 Client 半身源码 │ └── edge-tts.mjs # edge-tts 协议实现（源自 dsh-voice，MIT） └── .gitignore

快速开始

1. 将本目录放到 会话工作区（默认 ~/.dsh）下的 .dsh-VoiceChat 文件夹（Host 用工作区相对路径 .dsh-VoiceChat 定位，可跨机器）
2. npm install（或本地已有 node_modules 则建联接）
3. 复制 config.example.json → config.json，填入密钥与提供方
4. 激活插件（见下）

配置说明（config.json）

{
"translator": { // OpenAI 兼容翻译接口
"apiKey": "sk-...", // DeepSeek 或 OpenAI 的 key "baseUrl": "https://api.deepseek.com", // 或 https://api.openai.com/v1 "model": "deepseek-chat", // 或 gpt-4o-mini "targetLanguage": "ja" }, "aiLanguage": "zh", // AI 回复使用的语言 "voiceLanguage": "ja", // 语音目标语言（可配置；与 aiLanguage 相同则跳过翻译） "ttsProvider": "opentts", // 语音生成模型 "nodePath": "", // node 可执行文件（空则自动解析）
"autoStart": { "enabled": true, "servers": [ { "name": "...", "command": "...", "args": [...], "cwd": "...", "healthUrl": "..." } ] }
}

TTS 提供方

| provider | 类型 | 说明 | 必需配置 |
| style-bert-vits2 | 本地 | server_fastapi /voice（默认） | url, modelId, speakerId |
| gpt-sovits | 本地 | POST /tts（api_v2） | url, refAudioPath |
| edge-tts | 云端免费 | 微软 Edge 朗读 | voice（如 ja-JP-NanamiNeural） |
| openai | 云端/本地 | /audio/speech，兼容 OpenAI 协议本地服务 | apiKey, voice |
| dashscope | 云端(阿里) | 通义 sambert text2audio | apiKey, voice |
| qwen-tts | 云端(阿里) | 通义 qwen-tts | apiKey, voice |
| elevenlabs | 云端 | ElevenLabs | apiKey, voiceId |

License

MIT