- Startseite
- Plugins
- Vision, Sprache & Multimodal
- dsh-voice-read
dsh-voice-read
zznn11/dsh-voice-read
Play button on finished assistant replies that reads them aloud through the official DeepSeek TTS API (tide or stella voice).
Installation
dsh plugin --profile web add github:zznn11/dsh-voice-readREADME
dsh-voice-read
给 DeepSeek Harness 里每条已完成的助手回复加一个播放按钮:点一下,用 DeepSeek 官方 TTS 把这条回复念出来。
只读你点的那一条,不自动朗读、不念流式中的回复、不念代码。
- 宿主半:一个带登录校验的精确路由
GET|POST /dsh-voice-read/tts,每次请求现读 API key,调https://api.deepseek.com/v1/tools/tts,把audio/wav原样回给前端。 - 浏览器半:注册进
conversation.chat.assistant-actions的一个小按钮(id: voice-read,order: 20,排在反馈按钮之后)。

安装
从 Plugins 页面装(推荐)
- 打开 DSH,左侧栏进 Plugins。
- 点 Add plugin,选插件目录(本地开发时)或填包名 / 仓库地址(发布到 npm 或 GitHub 之后)。
- 装好后 Plugins 列表里会出现 语音朗读(英文界面显示 Voice read),会话里每条助手回复的操作条上多一个
▶。
插件内部会写 profile 的依赖与 bundle 选择,装完重启 DSH;只刷新页面通常不够(宿主半要重新加载)。
从源码链接安装(开发者)
-
在 profile 的
package.json里加依赖(<插件目录>换成你的路径):"dependencies": { "dsh-voice-read": "link:<插件目录>" }, "dsh": { "profile": { "bundles": [/* 原有项 */, "dsh-voice-read"] } }Windows 上
link:后面要用正斜杠,例如link:C:/work/dsh-voice-read。 -
在 profile 目录装依赖(profile 目录一般在
~/.dsh/profiles/<名字>):pnpm install --dir <profile 目录> -
重启 DSH。宿主半改动由 HMR 重载也可以,浏览器半至少要刷新页面。
装完不用再改 profile:以后改插件代码,重启 DSH 就生效。
配置
两个配置项都由插件在 Cordis 里声明(voiceId、apiKeyPath),写在 bundle 的 cordis.patch.yml 的 config 下面。
| 配置项 | 默认值 | 说明 |
|---|---|---|
voiceId | tide | 音色:tide 男声,stella 女声。写成别的值会退回 tide |
apiKeyPath | ~/.dsh/voice/api-key.txt | API key 文件路径,单行纯文本。支持 ~、$HOME、${HOME} 开头 |
环境变量 DEEPSEEK_API_KEY | 无 | 只在 key 文件读不到或为空时兜底;两者都有时优先文件 |
怎么切音色(实际要点的东西)
DSH 0.2.2-rc.5 的 Plugins 页面不会根据插件的 Config 自动生成表单(设置层只暴露 volatile 字段,Web 客户端还没实现这种表单渲染),所以音色要改 YAML,改完重启 DSH:
-
找到插件的 patch 文件:
<profile 目录>/node_modules/dsh-voice-read/cordis.patch.yml。 用link:装的,这个路径是个链接,实际文件就是插件目录里的cordis.patch.yml。 -
把
config下的voiceId: tide改成voiceId: stella(或反过来):- insert: - id: dsh-voice-read name: dsh-voice-read config: voiceId: stella apiKeyPath: '~/.dsh/voice/api-key.txt' -
保存,重启 DSH。新回复上的
▶就用新音色。
不想改插件包里的文件(升级时会被覆盖):在 profile 自己的 cordis.patch.yml 里写一条同 id、不带 insert 的覆盖行。它直接命中已有的那一行,config 是整体替换、不是深合并,所以两项都要写全:
- id: dsh-voice-read
name: dsh-voice-read
config:
voiceId: stella
apiKeyPath: '~/.dsh/voice/api-key.txt'
API key
- 文件内容:单行纯文本,
sk-开头,不要引号、不要多余空行。默认位置~/.dsh/voice/api-key.txt(Windows 是%USERPROFILE%\.dsh\voice\api-key.txt)。 - 每次请求现读,不缓存、不打印、不写日志;只放在
Authorization: Bearer头里发给api.deepseek.com。 - 文件读不到或为空时退回环境变量
DEEPSEEK_API_KEY;两个都没有,按钮会变⚠,title里写key-unreadable/key-empty。 - 换 key 不用重启,改文件即可。
成本
DeepSeek TTS 按 1.5 元 / 万字符 计费(以官方价目为准)。
- 单次点击最多 2000 字符,单次最多约 0.3 元,超出部分截断、不发送。
- 同一条文本的音频留在页面内存里(最多 20 条,先进先出),重复点播放不再请求、不再花钱。
- 停止播放、播放结束、关掉页面都不会删缓存;刷新页面后缓存清空。
- 只在你点
▶时才请求,插件不会自己发任何 TTS 请求。
截图
真实截图在 docs/screenshot.png:一条助手回复 + 操作条上排在反馈按钮之后的 ▶。插件详情页用的是 docs/preview.svg,不读这张。
行为细节
- 按钮状态:
▶可点,…正在合成(此时再点无反应),■播放中(再点停止),⚠失败(鼠标悬停看状态码和错误体)。 - 播放结束自动复位成
▶;组件卸载会停止播放并 revoke 掉对象 URL。 - 取正文:从按钮往上找最近的
[data-slot="conversation.chat.node"]行,读可见文本,跳过PRE/CODE/BUTTON和操作条自己,并去掉全角括号里的动作说明(如(笑))。取不到就置⚠,不发请求。 - 送 TTS 前清一遍:去代码块、去
[表情: ...]这类方括号标记、Markdown 标题/列表/强调/链接语法还原成纯文本,连续空白压成一个空格,再截到 2000 字符。全是代码块之类的空文本返回 400,不花钱。 - 中文按 UTF-8 字节发(
Buffer.from(..., 'utf8'));用 JS 字符串直接发会变成 latin-1,服务端会回 400No readable text。 - 长文本(编码后 URL 超过 6000 字符)自动改用
POST+ JSON body,避开请求行长度上限;短文本走GET ?text=。 - 上游非 200 时状态码和错误体原样透传;网络失败回 502。
- 路由用
ctx.connection.requestRejection()做和/api一样的 Host/Origin + cookie 校验,未登录直接 401。
已知限制
- 只能读「已完成」的助手回复:这个槽位只在 finalize 后的消息上渲染,流式中的回复没有按钮。
- 只读可见文本:折叠起来的思考过程、
<details>里的内容、代码块不会被读;代码块整段丢弃。 - 依赖 Chat 的 DOM 标记:正文从
[data-slot="conversation.chat.node"]这一层取。DSH 以后改了这层标记,按钮会变⚠,需要跟着改选择器(client.js的replyTextOf)。 - 一次请求整段音频:宿主把上游音频缓冲完再回给前端,不做流式播放;2000 字符的音频大约几 MB,本地用没问题。
- 缓存按文本命中,不区分音色:换音色后,之前播过的同一条回复仍会先播内存里的旧音色音频,刷新页面才清。介意的话换完音色刷新一次。
- 没有图形化配置表单:见上面「怎么切音色」,本版本 DSH 只认 YAML。
- 需要登录的浏览器会话:路由做和
/api一样的校验,未登录返回 401。 - 停止不删缓存:停止只停播 + revoke 当前对象 URL,同一段音频下次点击仍从内存取,不再计费。缓存条目被挤出(超过 20 条)或刷新页面才释放。
- 严格自动播放策略:Electron 默认放行;如果用普通浏览器打开这个页面,长文本合成超过几秒后
play()可能被拦(按钮变⚠,title里写原因),再点一次通常就好。 - 单个 key、单套音色:一个 DSH 实例同一时间只有一套配置(同一
id只能挂一行),要两套音色并存得把包名、路由和条目 id 都改一份再装。
开发与验证
需要 Node.js 22 以上(宿主半只用 Node 内置模块和全局 fetch,没有第三方运行时依赖;@deepseek-ai/schemastery 是可选 peer,由 DSH 自带)。
node --check index.js
node --check client.js
验证记录(2026-11-21,DSH 0.2.2-rc.5):
node --check index.js/client.js通过;package.json、cordis.patch.yml、两个 locale JSON 均可解析。- 用假 ctx 跑真实 handler:GET/POST 都返回
200 audio/wav,字节头RIFF....WAVE;空文本 400、错方法 405、错 content-type 415、未登录 401、key 读不到 500。 - 真实调用
https://api.deepseek.com/v1/tools/tts:tide200 / 157484 字节,stella200 / 145964 字节,字节数不同 → 音色开关生效。 - 环境变量兜底:key 文件指向不存在的路径 + 假 key → 请求到达上游并透传 401(说明确实用了环境变量,而不是 500 key-unreadable)。
- 清洗与截断:Markdown/
[表情: ...]被清掉,2500 字符截到 2000。 - 未验证:真实页面里的渲染位置、取正文是否命中、按钮与宿主操作条的视觉一致性、音频实际播放(本机没有浏览器控制),以及两个 svg 在 Plugins 页里的实际显示。
许可
MIT © Xia Chanjun
Ähnliche Plugins
dsh-web-ui (dsh-tool-describe-image)
zhu1090093659/dsh-web-ui
modlens
liustack/modlens
ipollowork
devin-axis/ipollowork
dsh-image-gen
shanliuling/dsh-image-gen