aa2246740/dsh-livevoice

dsh-livevoice

dsh plugin --profile web add github:aa2246740/dsh-livevoice

你需要在 PATH 中有官方的 dsh（或 npx @deepseek-ai/dsh）以及 pnpm。dsh plugin add 会在 $DSH_HOME/profiles/web 中运行 pnpm。本仓库已提交构建好的 lib/，因此通过 git 安装不需要 prepare，也不需要修改 profile 的 allowBuilds。

然后重启该 Host 并重新加载页面。dsh plugin add 会写入 profile。它不会热加载正在运行的进程。

适用于 DeepSeek Harness 的 Codex 实时语音（Ctrl+L / /live）。

这是 omp 的 GPT-Live 路径的协议完整移植：ChatGPT OAuth、WebRTC 媒体、Frameless Bidi 边带、客户端委托到当前 DSH 会话。它不是本地 STT/TTS 插件。

兼容性

当前源码面向官方 DeepSeek Harness 0.1.5-rc.2（dsh-v0.1.5-rc.2）。

其他安装方式

本地检出或 tarball：

git clone https://github.com/aa2246740/dsh-livevoice.git
dsh plugin --profile web add ./dsh-livevoice
dsh plugin --profile web add ./dsh-livevoice-0.1.1.tgz

dsh plugin --profile web remove dsh-livevoice

认证：必须使用 OAuth

实时语音不能使用普通的 OpenAI 平台 API key 或默认的 DeepSeek LLM 登录。信令会携带 ChatGPT / Codex OAuth 访问令牌和 Codex Desktop originator 发送到 https://chatgpt.com/backend-api/codex/realtime/calls。

该插件不依赖 dsh-oauth-login 被加载。它按以下顺序读取凭据：

1. $DSH_HOME/.dsh-oauth-auth.json（openai-codex）——由 dsh-oauth-login / 订阅登录写入
2. DSH 凭据存储 llm-pi-ai/openai-codex——官方 Settings → models → ChatGPT Codex OAuth
3. ~/.codex/auth.json——官方 codex login（只读回退）

如果以上都不持有 OAuth 授权，Live 按钮会失败并提示 No Codex OAuth credential is available for a live call.

dsh-oauth-login 是在 DSH 内获取该授权的常用方式，但已经通过 DSH 内置的 openai-codex OAuth 流程登录的用户也足够。DeepSeek API key 不行。

移植内容

| omp | DSH |
|---|---|
| protocol.ts Frameless Bidi | 相同的类型和编解码器 |
| Codex 信令 + 边带 | Host 代理（避免浏览器 CORS / WS 头） |
| 原生 WebRTC / Opus | 浏览器 RTCPeerConnection + getUserMedia |
| AgentSession.sendCustomMessage | 当回合打开时使用 agent.steer；空闲或运行中且没有打开的回合时使用 agent.followup |
| TUI 可视化器 | composer Live chip + live bar |
| Ctrl+L / /live | 相同 |
| DeviceCheck 认证 | 未移植（omp 在非 Apple silicon 上也会跳过此项） |

语音模型是 gpt-live-1-codex。它只负责对话。仓库工作会被委托到当前 DSH 会话中。
委派会保留用户当前的措辞。一段有界的近期记录会单独附上，以便工作进程能够解析引用和句子片段，而不会继承更广泛的授权：询问某项更改可以如何完成仍属于分析，而明确要求执行该更改则授权执行。只读的仓库和会话状态问题可以委派。

使用

Composer 的 Live 按钮，或 Ctrl+L，或 /live。按 Esc 结束通话。当实时栏获得焦点时，按空格键静音。

“Ready — speak now”仅在 WebRTC 媒体/数据通道连接、明确的 Codex 会话就绪事件以及实时麦克风轨道都具备后才会显示。在此之前，UI 会保持连接中状态，麦克风传输也保持门控。就绪超时会以重试操作失败；它绝不会静默地计为已连接。你可以在拨号过程中取消。

Host 在浏览器页面之间维护一个实时通话。并发拨号会被串行化；较晚的拨号会替换较早的通话。失败的拨号不会阻塞队列，并且关闭会等待较早的拨号尝试，然后再清除它们的通话。

实时停靠栏会显示实际发送到 DSH 的输入和交接的任务回执。状态来自 dispatch，与 agent/inbox/claimed、agent/inbox/discarded 以及被认领轮次的 turn/end 原因相匹配。“Worker replied”仅表示一个已完成的轮次产生了与该请求相关联的响应；它并不是对工作的验证。

更改主题不会抹去较早的答案。桥接会保留每一个非工具响应，并将其与工作进程在该响应之前消费的请求相关联。较晚的未被认领请求无法收到较早的答案；如果多个请求被一起消费，它们的答案会被明确标记为共享，而不是被独立满足。回复会在其被认领轮次结束时返回，即使另一个请求仍在排队等待下一轮次。实际终端状态也会进入语音上下文，因此它可以报告无回复、取消、失败或停止跟踪，而不是承诺一个不存在的未来结果。没有语义主题分类器或额外的工作进程。这是对答案归属的基于事件的近似，而不是对语义正确性或 100% Codex 行为一致性的保证。

结果和不成功的终端结果使用显式的 speakable 上下文通道；常规进度和成功回执元数据使用 commentary。这些是现有的 Frameless Bidi 通道，而不是新的传输方式，也不是对语音生成绝不出错的承诺。
当 SSE 连接重新连接时，服务器会重放当前通话的回执，并保留所有活跃回执以及最近 24 条已结算回执。当前页面在挂断后、当另一通话替换当前通话时，以及跨重拨时，都会保留其现有卡片；替换会停止对旧通话的实时跟踪。刷新页面会丢失页面本地历史记录，而新打开的页面无法从旧的已替换通话中检索回执，因为有意不设置新的数据库。当通话结束而 DSH 工作仍在继续时，其卡片会冻结在“通话已结束 · 在会话中跟进”，而不是假装工作失败或已完成。

语音名称与 Codex 一致：arbor、breeze、cove、ember、juniper、maple、sol、spruce、vale。

HTTP/WS 出站遵循 $DSH_HOME/.dsh-oauth-proxy.json（与 dsh-oauth-login 相同的文件）和 HTTPS_PROXY。浏览器音频使用 WebRTC 从当前设备连接到 OpenAI；在这台机器上或同一局域网内只意味着控制平面经过 DSH。

重新构建已提交的 lib/

标准安装使用已提交的 lib/。在 TypeScript 编辑后，使用 pnpm 重新构建：

pnpm install --frozen-lockfile
pnpm test
pnpm build