实时语音朗读 YevheniiMiachyn/dsh-tts-live

📦 @goodandready/dsh-tts

DeepSeek Harness 多引擎语音合成：云端与系统离线引擎、流式音频、IT 术语词典与即时通讯集成

🇬🇧 English •
🇷🇺 Русский •
🇨🇳 中文说明

⭐ 如果您喜欢这个插件，请在 GitHub 上为它点亮 Star — 这能让我知道插件对您有用，并鼓励我继续开发和维护它。

🐛 如果您发现 Bug 或希望增加功能，请使用任意语言在 GitHub 上提交 Issue — 我会评估您的建议，并在后续版本中实现有价值的改进。

⚡ 插件概览

dsh-tts 为 DeepSeek Harness Web 界面提供高保真智能体回复语音朗读服务。开启 朗读智能体回复 后，每条生成的助手回复或实时流式片段均由服务端合成并即时推流至浏览器播放。

API 密钥绝不暴露给前端：音频合成全程在服务端通过多服务商独立备用链执行，包括系统离线引擎（Edge TTS、Piper、eSpeak）。Kokoro/F5 仅可下载权重，推理未捆绑。

graph LR
subgraph Input [助手回复文本]
Reply[💬 智能体生成文本] --> Scrub[智能过滤 & IT术语词典]
end

subgraph Stream [低延迟流式音频 SSE[SSE /dsh-tts/stream]
SSE --> Worklet[AudioWorklet PCM 处理器]
end

subgraph Cache [性能缓存层]
Scrub --> LRU{磁盘 LRU 缓存}
LRU -->|命中缓存| Play[即刻推流播放]
end

subgraph Fallback [TTS 引擎备用链]
LRU -->|未命中| Chain{生效备用链}
Chain -->|离线| P1[Edge TTS / Piper / eSpeak]
Chain -.->|云端| P2[OpenAI / ElevenLabs / Google / Azure / Groq] Chain -.->|免费云端| P3[EdgeTTS / SiliconFlow] Chain -.->|系统兜底| P4[本地 Piper / eSpeak NG] end

subgraph Output [输出与集成]
P1 --> Store[写入磁盘缓存]
P2 --> Store
P3 --> Store
P4 --> Store
Store --> Play
Store --> Msg[Telegram / Discord via dsh-messenger-gateway]
end

style Input fill:#1e1e2e,stroke:#89b4fa,stroke-width:2px,color:#cdd6f4
style Stream fill:#181825,stroke:#89dceb,stroke-width:2px,color:#cdd6f4
style Cache fill:#181825,stroke:#cba6f7,stroke-width:2px,color:#cdd6f4
style Fallback fill:#11111b,stroke:#a6e3a1,stroke-width:2px,color:#cdd6f4
style Output fill:#181825,stroke:#f38ba8,stroke-width:2px,color:#cdd6f4

🚀 核心功能

1. 📴 离线系统引擎与诚实的神经引擎状态
* Edge TTS / Piper / eSpeak：可用的离线/系统合成，无需云 API Key。
* Kokoro-82M / F5-TTS：仅权重下载与状态展示。推理未捆绑在本包中，provider 会明确失败并继续 fallback。
* ModelManager 管理界面：在设置中手动安装模型，实时显示下载进度条、SHA-256 校验和一键删除。无任何静默或自动下载。

2. ⚡ 实时流式音频播放（延迟 [!IMPORTANT] 安装后请重启 Web UI（systemctl --user restart dsh-web）并刷新浏览器标签页。

设置界面覆盖

插件设置卡片（设置 → 插件 → 插件设置）展示全部用户向 schema 字段，并含 Advanced 区：maxChars、sentenceChars、timeoutMs、maxQueue、openaiBaseUrl、mimoBaseUrl、mimoFormat、minimaxBin。

API 密钥不写入插件设置，只在链编辑器粘贴，经 PUT /dsh-tts/credential 写入 DSH credential store。

⚙️ 配置示例（settings.yaml）

dsh-tts:
speakReplies: true
enableLocalEngines: true
kokoroEnabled: true
streamingEnabled: true
enableItDictionary: true
voiceDuplexEnabled: true
vadBargeIn: true
messengerTtsEnabled: true
cache: true
cacheMaxMb: 150
autoDetect: true
chain:
- provider: kokoro
- provider: edge
voice: zh-CN-XiaoxiaoNeural
- provider: openai
model: tts-1
voice: alloy
roles:
coder:
provider: openai
voice: onyx
reviewer:
provider: edge
voice: zh-CN-YunxiNeural

🤖 HTTP API 路由

* GET /dsh-tts/stream — 实时 SSE 音频流推送。
* POST /dsh-tts/speak — { text, voice?, model? } → 返回合成音频。
* POST /dsh-tts/preview — { provider, model, voice, text? } → UI 中试听语音。
* GET /dsh-tts/models/status — 查询 Kokoro/F5 权重下载状态（推理未捆绑）。
* POST /dsh-tts/models/install — { engine: 'kokoro' | 'f5' } → 启动模型下载。
* DELETE /dsh-tts/models/delete — { engine: 'kokoro' | 'f5' } → 删除本地模型。
* GET /dsh-tts/integrations — 查询关联插件状态（dsh-voice、dsh-messenger-gateway）。
* GET /dsh-tts/status — 返回引擎链状态、缓存统计与引擎就绪信息。

📄 开源协议

MIT © GooDAnDReaDY