语音输入朗读 motongv/dsh-voice

@motong/dsh-voice

npm
DeepSeek Harness 插件 GitHub license

这是 DeepSeek Harness（DSH）专属插件，安装：dsh plugin --profile web add @motong/dsh-voice 英文读者：README.en.md

给 DeepSeek Harness（DSH / DeepSeek Hermes） 加语音能力的社区插件，装完即用、无需任何 API Key：

1. 语音输入：输入框工具行多一个 🎤 麦克风按钮，点一下说话，识别出的文字自动填入输入框（语音转文字）。
2. 语音输入快捷键：默认 Ctrl+Shift+空格，可在 设置 → 语音 里改（支持组合键录制）。
3. 语音输入方式：可选「点击切换」或「按住说话（松开停止）」，像微信语音那样按住就说。
4. 回答朗读（自然音色）：每条 AI 回答下方多一个 ▶ 朗读按钮，用微软 Edge 神经网络语音朗读，比系统机械音自然得多，可在 设置 → 语音 里换音色、试听。

效果

| 位置 | 按钮 / 键 | 功能 |
| 输入框工具行（左侧） | 🎤 麦克风 | 点击开始聆听，说话 → 自动填入输入框 |
| 任意会话（全局） | Ctrl+Shift+空格（可改） | 唤起/停止语音输入 |
| 设置 → 语音 | 录制按钮 / 音色下拉 / 试听 | 改快捷键、换音色、试听 |
| AI 回答动作条（复制按钮旁） | ▶ 朗读 | 点击朗读这条回答，再点 ■ 停止 |

安装

DSH 专属插件，不是通用浏览器扩展。

方式 A（已发布到 npm）

dsh plugin --profile web add @motong/dsh-voice

然后重启 DSH 生效（依赖 ws 由 npm 自动安装）。

方式 B（本地安装）

1. 把本包拷贝到 profile 的依赖目录：

~/.dsh/profiles/web/node_modules/@motong/dsh-voice/

2. 确保 ws 也在 profile 的 node_modules 里（朗读合成需要它）：

~/.dsh/profiles/web/node_modules/ws/

若没有，可复制一份 ws@8.x 进去，或在该目录执行 npm install ws@8。

3. 在 ~/.dsh/profiles/web/package.json 里加依赖并把 "@motong/dsh-voice" 加进 dsh.profile.bundles：

{
"dependencies": {
"@motong/dsh-voice": "^0.4.1"
},
"dsh": {
"profile": {
"bundles": ["@deepseek-ai/dsh-base", "@deepseek-ai/dsh-web-app", "@motong/dsh-voice"]
}
}
}

4. 重启 DSH，刷新页面即可。

使用

- 语音输入（按钮）：进入会话后点输入框左侧的 🎤，对着麦克风说话（默认中文），说完自动停止并填入输入框。
- 语音输入（快捷键）：按 Ctrl+Shift+空格（或你改过的键）唤起/停止。
- 改快捷键：设置 → 语音 点按钮后，先按住修饰键（Ctrl/Shift/Alt）再按主键即可录制组合键，Esc 取消。
- 语音输入方式：设置 → 语音 可选「点击切换」或「按住说话」；选「按住说话」后，长按 🎤 或长按快捷键即说话，松开停止。
- 换音色 / 试听：设置 → 语音 里选音色（默认「晓晓」），点「试听」立即听效果；音色即时生效。
- 恢复默认：设置 → 语音 底部点「恢复默认设置」，一键还原快捷键、音色、输入方式。
- 朗读：在任意已完成的 AI 回答下方点 ▶，浏览器播放合成语音；点 ■ 停止。

可选音色

| 音色 | 说明 |
| 晓晓 zh-CN-XiaoxiaoNeural | 女声，温柔自然（默认） |
| 晓伊 zh-CN-XiaoyiNeural | 女声，活泼 |
| 云希 zh-CN-YunxiNeural | 男声，年轻 |
| 云健 zh-CN-YunjianNeural | 男声，激情 |
| 云扬 zh-CN-YunyangNeural | 男声，新闻播报 |
| Jenny / Guy | 英文女/男声 |

原理

- 语音识别：浏览器原生 SpeechRecognition（Chrome/Edge 完整支持）。
- 朗读：插件在 DSH 内部挂路由 /_dsh/voice/tts，按 edge-tts 的协议（wss + Sec-MS-GEC + SSML）向微软 Edge 语音服务合成 MP3 回传，浏览器用 播放。
- 快捷键 / 音色走 DSH 的 settings 命名空间 voice（存 settings.yaml），浏览器侧用 settingsScope + localStorage 读写。

麦克风 → SpeechRecognition → 填入输入框回答文本 → /_dsh/voice/tts → 微软 Edge 神经网络 TTS → MP3 → 播放

常见问题

Q：点了 🎤 没反应 / 提示“不支持语音识别”？
换用 Chrome 或 Edge，并在浏览器里授权麦克风。

Q：朗读失败 / 没声音？
朗读需要联网（调用微软 Edge 语音服务）。若网络/代理拦截 speech.platform.bing.com 会失败，换成可直连网络即可；音色可在 设置 → 语音 切换。

Q：会不会上传回答内容？
朗读时回答文本会发送给微软 Edge 语音服务以合成音频；语音识别由浏览器厂商处理。本插件不接触、不存储任何密钥。

开源 & 发布

本插件以 MIT 开源。发布到 npm 供大家安装：

npm login
npm publish --access public

发布后，其他用户即可 dsh plugin --profile web add @motong/dsh-voice。

源码仓库：

致谢

朗读合成协议参考了 rany2/edge-tts（MIT License）。

License

MIT