Zum Hauptinhalt springen
A

dsh-voice-deepseek

asya903/dsh-voice-deepseek

Reads assistant replies aloud with DeepSeek official TTS: one speaker button in every reply action bar, stella (female) by default, tide (male) optional. Audio is cached per identical text, so replaying the same sentence costs nothing. Requires a DeepSeek API key - about CNY 1.5 per 10k characters at the current 50% discount.

Installation

dsh plugin --profile web add github:asya903/dsh-voice-deepseek

README

dsh-voice-deepseek

给 DeepSeek Harness(DSH)web 端加一个「朗读」按钮:每条助手回复的操作条里多一个喇叭,点一下就用 DeepSeek 官方 TTS 把这条回复念出来,默认女声 stella,可选男声 tide。

  • 走官方 POST /v1/tools/tts,不用装 Edge TTS / 本地模型 / 别的密钥。
  • 合成结果按文本哈希缓存在本地,同一句再点不重复计费。
  • 悬停按钮右侧出现小箭头,点开可切音色,设置写回配置文件。

英文说明见 README.en.md。

每条回复后的朗读按钮与音色菜单

安装

从 GitHub 装(DSH 插件市场里搜 dsh-voice-deepseek,或命令行):

dsh plugin --profile web add github:<owner>/dsh-voice-deepseek

从本地源码装(开发用):

dsh plugin --profile web add "link:C:\path\to\dsh-voice-deepseek"

装完要重启 web 实例(结束监听 3080 的进程,supervisor 会在 10 秒后拉起),然后刷新页面。

用法

  1. 助手回复下面那一排小图标里,点喇叭 → 开始合成并播放;播放中图标变成方块,再点停止。
  2. 鼠标移到喇叭上,右边出现向上的小箭头 → 点开是音色菜单(stella · 女声 / tide · 男声),选完立即生效。
  3. 同一句第二次点几乎秒回(走缓存,不花钱)。

配置

配置文件 ~/.dsh/dsh-voice.json(可选,缺省值如下):

{
  "enabled": true,
  "voice": "stella",
  "maxChars": 2000,
  "baseUrl": "https://api.deepseek.com",
  "pricePer10k": 1.5,
  "fxUsdCny": 7.2
}

面板里切音色会写回这个文件;也可以手改,下一轮生效(每轮现读,不用重启)。

API key 从哪来:环境变量 DEEPSEEK_API_KEY → ~/.dsh/.credentials.yaml 里的 DEEPSEEK_API_KEY 字段。两者都没有时,按钮仍可点,但会报「没有找到 DeepSeek API key」。

计费(官方价,2026-11 公布):TTS 3 元/万字符,限时五折 1.5 元/万字符;约合 3.2 元/小时音频。一条 850 字的长回复约 ¥0.13。缓存命中不产生费用。pricePer10k 就是拿来折算的单价(默认五折价 1.5,恢复原价时改成 3)。

费用记在哪:

  • 音色菜单底部会显示「今日 N 次合成 · N 次重播 / N 字 · ≈ ¥x」——这是插件自己的账本,只统计本插件产生的朗读。
  • 明细写到两个文件:
    • ~/.dsh/dsh-voice-usage.json:每条朗读记录(时间、messageId、音色、字数、时长、是否缓存、费用),保留最近 2000 条。
    • ~/.dsh/storages/cost-meter/external_usage.json:按天汇总成 DSH 计费插件(dsh-cost-meter)认的「外部用量」,因此 设置 → 费用 → 外部用量 里能看到 TTS 花掉的钱,并且会算进合计与余额对账。插件每 30 分钟刷新一次汇总的时间戳(超过 24 小时不刷新会被 cost-meter 视为过期)。
  • TTS 调用不经过 DSH 的模型调用,所以会话的「费用明细」里不会出现这部分,只能看上面两个地方。

接口(宿主半边注册在 DSH web server 上)

路由说明
GET /dsh-voice/config当前配置 + hasKey + voices + version
POST /dsh-voice/config{voice?, maxChars?, enabled?, baseUrl?} → 写回配置文件
POST /dsh-voice/speak{messageId?, text?, voice?} → {ok, url, voice, chars, seconds, cached, costCny, ms}
GET /dsh-voice/stats?limit=N费用统计:{ok, today, month, total, recent, pricePer10k, fxUsdCny}
GET /dsh-voice/audio/<hash>-<voice>.wav合成好的音频(缓存目录 ~/.dsh/voice-cache,保留最近 40 份)
GET /dsh-voice/text?messageId=调试用:宿主按 messageId 记下的正文

正文来源优先取客户端从 DOM 抓到的文本,其次用宿主监听 assistant/message 事件时存下的正文;两者都没有就报错,不会瞎念。

三个坑(都是踩过的,别重踩)

  1. .dsh-market/state.json 的 disabled 数组:dshmarket 启动时会按它把你的插件 toggle off,症状是 apply 跑完立刻 dispose、路由注册了却一直 404、日志里出现 toggle … -> off: fiber=true。装完先检查这个数组。
  2. 不要在模块级写 export const inject = [...]:宿主服务还没就绪时 fiber 会永远 pending,插件表现得像没装、还没有任何报错。用 apply 里的 ctx.inject([...], cb)。
  3. 路由必须注册在 scoped ctx 的 effect 上:启动过程中 webServer 实例会被替换一次,用外层 ctx.effect 存 disposer 会导致 scope 重建时路由被撤销却没人补注册。

其它:ctx.logger.info 不落 stdout,调试用 console.log;客户端插件必须是 window.__ModuleLoader__.load({ id: '<包名>', factory }),id 与包名一致。

已知限制

  • 只朗读正文文本块:代码块替换成「(代码略)」,链接只念标题。
  • 单次最多 2000 字(maxChars,官方上限 10000),超出截断。
  • 语速、语气、SSML 都不支持(接口没有这些参数),音色只有 stella / tide。
  • 整段合成完才出声,不是流式;长回复要等 1–3 秒。
  • 需要联网,内容会被官方接口过审。

文件结构

文件作用
lib/index.js宿主半边:调 TTS、缓存音频、messageId→正文映射、记账、六条路由
client.js浏览器半边:注册 conversation.chat.assistant-actions 插槽,按钮 + 音色菜单
cordis.patch.ymlbundle patch:把插件 insert 进 profile 配置树
package.jsondsh.bundle.patch + dsh.client + exports['./client']

License

MIT

Ähnliche Plugins