本地语音朗读 lihaiyang616/dsh-local-tts

dsh-local-tts

DSH 本地朗读：把 DSH 会话里「说完一整轮」的回复念出来——声音从你本机扬声器出来，不经过浏览器、不用登录账号、不用开着网页。

引擎二选一：

- Style-Bert-VITS2（本地）：音色可以自己训练/克隆，适合日式角色音；需要一个正在跑的 SBV2 服务
- edge-tts（微软在线语音）：中文自然（晓晓/云希等），不需要账号，只要联网

和「朗读桥」类插件的区别：那类插件把话送到 DeepSeek 网页端、借网页的朗读功能出声（浏览器必须开着）；这个插件自己合成、自己播放。

开关语音（重点）

装好、重启 DSH 后，在 DSH 输入框里发命令就行，想开就开，想关就关：

| 命令 | 作用 |
| /voice-on | 打开自动朗读：从现在起每轮回复都会念 |
| /voice-off | 关闭自动朗读（正在念的也会停） |
| /voice-status | 查看开关、引擎、服务器、最近错误 |

也可以直接让我开/关（我会调用 local_tts_set_autospeak），或者手动改 ~/.dsh/local-tts.json 里的 autoSpeak——改完 1.5 秒内生效。

特性

- 🔊 两种引擎：本地 SBV2 / 在线 edge，按配置切换或按语言自动分流（auto）
- 🎭 多音色：SBV2 每个音色对应一个模型 + 说话人，可自己训练/克隆
- 🌏 按语言自动切换：中文 / 日文 / 英文自动判断；没有对应音色时宁可不念，也不念成怪声音
- ⏭️ 只念正文：只读助手回复里的文字块，工具调用、思考过程、代码块都跳过
- ✂️ 防话痨：Markdown 剥掉、每轮最多念 maxChars 字
- 🔁 热重载：配置文件改动 1.5 秒内生效，不用重启
- 🧰 工具：local_tts_say / local_tts_status / local_tts_stop / local_tts_set_autospeak

安装

从 GitHub 装（插件没有发 npm）
dsh plugin --profile desktop add github:lihaiyang616/dsh-local-tts

或者本地开发用 link 装
dsh plugin --profile desktop add link:D:/path/to/dsh-local-tts

装完重启 DSH。首次启动会生成配置 ~/.dsh/local-tts.json（没设 DSH_HOME 时）。

用哪条路（按你想念什么选）

A. 中文：edge-tts（最省事）

1. 建一个 Python 环境并安装：
python -m venv $env:USERPROFILE\.dsh\venvs\edge-tts
$env:USERPROFILE\.dsh\venvs\edge-tts\Scripts\python.exe -m pip install edge-tts

2. 确认有 ffmpeg（ffmpeg -version；Windows 可用 winget install Gyan.FFmpeg）
3. 在 ~/.dsh/local-tts.json 里设置： { "provider": "edge",
"edge": {
"pythonPath": "C:/Users/你/.dsh/venvs/edge-tts/Scripts/python.exe", "voice": "zh-CN-XiaoxiaoNeural", "rate": "+0%", "volume": "+0%", "pitch": "+0Hz" }, "ffmpegPath": "C:/path/to/ffmpeg.exe" }

4. /voice-on 试试。可选音色：zh-CN-XiaoxiaoNeural（晓晓，女）、zh-CN-YunxiNeural（云希，男）、zh-CN-XiaoyiNeural（晓伊）等。

B. 本地 + 自己克隆音色：Style-Bert-VITS2

1. 本机跑起 SBV2 的 API 服务（默认 5000 端口）：
cd Style-Bert-VITS2
.\env\python.exe server_fastapi.py

2. 模型放进 model_assets/<模型名>/，服务会把它们列在 GET /models/info
3. 在配置里写 "provider": "sbv2" 和 voices（见下）

{
"provider": "sbv2",
"serverUrl": "http://127.0.0.1:5000",
"defaultVoice": "ling",
"languageVoices": { "jp": "ling" },
"voices": [
{ "name": "ling", "modelName": "Ling-v2", "speakerName": "Ling v2", "languages": ["jp"] }
]
}

⚠️ 一个 SBV2 模型只擅长它训练时的语言。日文模型念中文会出怪声或直接失败——中文请用中文模型，或直接用上面的 edge 方案。auto 模式会按文字语言分流：日文走 SBV2、其它走 edge。

配置速查

| 字段 | 说明 |
| provider | sbv2 / edge / auto |
| autoSpeak | 是否自动朗读（/voice-on / /voice-off 就是改它） |
| sessions | 要朗读的会话 id；[] = 所有加载中的会话 |
| maxChars | 每轮最多念多少字，默认 300 |
| language | auto / zh / jp / en |
| languageVoices | 语言 → 音色名 |
| voices | SBV2 音色列表：modelName 必填，languages 填它会的语言 |
| edge | edge-tts 的 python 路径、voice、rate、volume、pitch |
| ffmpegPath | mp3 转 wav 用；留空则用 PATH 里的 ffmpeg |

工具

| 工具 | 作用 |
| local_tts_say | 立刻朗读一段文字（可指定 voice / language 试听） |
| local_tts_status | 查看引擎、服务器、音色、队列、最近错误 |
| local_tts_stop | 停止当前朗读并清空队列 |
| local_tts_set_autospeak | 打开/关闭自动朗读 |

已知限制

- 自动朗读时，SBV2 音色和语言对不上会跳过（避免怪声），原因在 local_tts_status 里
- 播放只支持 wav；Windows 用 PowerShell SoundPlayer，Linux 需要 aplay，macOS 用 afplay
- 没有图形设置页，配置就是 ~/.dsh/local-tts.json
- edge-tts 需要联网；SBV2 需要你自己把服务跑起来

隐私

- 用 SBV2 时：只发到 serverUrl（默认本机 127.0.0.1），不联网
- 用 edge 时：文字会发给微软的语音服务（要念的内容会离开本机）
- 临时 wav 放系统临时目录，播放完即删

License

MIT