doer1296/dsh-plugin-voice

dsh-plugin-voice

npm version
Listed on dsh-plugin.org
License: MIT
Platform

DeepSeek Harness 插件：语音 + 通知出口——agent 通过云端 TTS（火山 seed-tts / 小米 MiMo V2.5，失败自动回退 SAPI）/ 桌面通知 / 提示音主动联系用户。Windows 原生，零 Python 依赖。

功能

- 云端高质量 TTS：火山 seed-tts 大模型流式合成 + 小米 MiMo V2.5（OpenAI 兼容，预置音色），情绪声学/指令映射
- 智能兜底：云端引擎失败（断网 / 额度 / Key 失效）自动回退 Windows SAPI 离线语音
- 场景化提示音：5 场景各配一个内置 WAV 音效，播完立即接语音
- 智能呼叫：回合结束通知 → 60 秒确认窗口 → 超时且你离开 → 语音叫你回来；agent 提问等待过久也自动呼叫
- 长文案优化：按句切分并行合成 + 文本清洗（不读代码块 / URL / Markdown 标记）
- 设置面板：引擎 / 音色 / 音量 / 语速 / Key / 场景模板与提示音，实时生效，支持试听
- 测试页：浏览器打开 /voice，选模式 / 场景 / 情绪点发送

安装

dsh plugin --profile web add dsh-plugin-voice
dsh web   # 重启生效

要求：Windows 10 / 11 + Node.js 22.5+（PowerShell 系统自带）。

pnpm 用户：推荐用上面的 registry 安装（npm 包自带构建产物，零配置秒装）。git 方式安装需克隆仓库（较慢），且 pnpm 的 allowBuilds 只认「包名@精确 tarball URL」（URL 含 commit hash，仓库每次更新都会变），供应链门禁还可能改写你的 pnpm-workspace.yaml。本仓库已提交 lib/，git 安装无需现场构建；若仍被 ERR_PNPM_GIT_DEP_PREPARE_NOT_ALLOWED 拦截，改用 registry 安装即可。

使用

模型主动播报（核心场景）——直接对话即可：

"查一下项目状态，完成后用语音叫我"

手动播报 / 通知：

/voice 任务完成了
/voice --scene=task_complete --emotion=happy 搞定了

配置

设置面板（DSH 设置 → 语音）即可完成全部常用配置，引擎可自选（默认 auto）。支持两个云端引擎（可同时配置 Key，auto 按 MiMo → 火山 → SAPI 顺序自动选择已配 Key 的引擎）：

- 小米 MiMo：在 mimo.mi.com 控制台获取 API Key → 面板填入（或环境变量 MIMO_API_KEY），预置音色开箱即用（mimo_default / 冰糖 / 茉莉 / 苏打 / 白桦 / Mia / Chloe / Milo / Dean）
- 火山：注册火山引擎 → 开通「语音合成大模型」→ 创建 X-Api-Key → 面板填入（或环境变量 VOLCANO_API_KEY）

未配置任何 Key 自动用 SAPI 离线语音（不报错）。

高级参数（角色 / 场景音色 / 云端音质微调）见 config.example.json。

致谢

- dsh-plugin-notify by huguangyu666 —— DSH 原生集成骨架
- agent-voice-mcp-minus —— 云端 TTS 引擎
- 火山引擎 · 豆包语音合成大模型

License

MIT（继承两源项目协议，保留原作者署名）