dsh-voice-chat

dsh-voice-chat

中文 | English

豆包式语音对话插件（DeepSeek Harness Web GUI）：点一下 🎤 说话，AI 回复自动用语音"汇报"给你。

📖 完整使用手册见 MANUAL.md（安装/操作/配置/FAQ/原理）。

功能

• 语音输入：点 🎤 开始聆听（"叮"提示音）→ 说话 → 停顿 2.5s 自动结束（"咚"）→ 转写并发送；
• 语音输出：AI 回复经 edge-tts 合成朗读，语速 +10%；设置里可开「转述朗读」（默认关闭）——开启后较长回复会先由 LLM 以"助手本人"口吻收敛转述（≤原文长度、不发散、去代码表格）再播报，转述用模型自动跟随当前对话在用的 LLM（不再硬编码默认，避免默认模型被关/密钥错时转述失败）；
• 单信道播报：新回复抢占旧播报、按快捷键/点按钮立即打断，同一时刻只有一种声音；
• 防重播：按会话记住已播报的回复，重进会话不重复朗读；
• 静音开关 🔊：正在播报（按钮高亮）时点它立刻静音——马上停掉当前声音、清空全部待播队列；静音状态下再点一下恢复自动朗读；
• 设置入口：设置项收进 DSH 自带设置弹窗（左下角齿轮 → 左侧「voice chat」类目）：ASR 接口（Base URL / 模型 / API Key）、识别后是否自动发送、长回复转述朗读开关（默认关）、静音自动结束时长、朗读音色（Edge TTS）；保存在插件目录 settings.local.json（已 gitignore），保存即生效无需重启；
• 快捷键：Alt+S 切换麦克风（备用 Ctrl+M / Ctrl+Shift+M）。

环境要求

• DeepSeek Harness（dsh）：已安装并运行 Web GUI（dsh web）；
• Node.js ≥ 22（宿主与浏览器端均需要；edge-tts 客户端基于 ws，无需额外运行时）；
• 浏览器：Chrome / Edge（录音需要 MediaRecorder 支持）；
• ASR 密钥：语音转文字需要（推荐 SiliconFlow，支持 OpenAI 兼容接口）。

安装

# 方式一（推荐，已发布到 npm）：
dsh plugin --profile web add dsh-voice-chat

# 方式二（本地开发）：
dsh plugin --profile web add D:/Code/dsh-voice-chat

# 装完重启 dsh web

注：插件自带内联 edge-tts 客户端（微软 Edge 免费朗读服务，无需任何语音 API key）；仅语音转文字（ASR）需要密钥。

配置（改配置文件即可）

在 profile 的 ~/.dsh/profiles/web/cordis.patch.yml 里按 id 覆盖 config（全部可选项，不改则用默认值）：

- id: dsh-voice-chat
  name: 'dsh-voice-chat'
  config:
    asrEngine: siliconflow          # siliconflow | groq | custom（语音转文字）
    asrApiKey: sk-xxxx              # ASR 密钥（或环境变量 DSH_VOICE_ASR_KEY）
    asrBaseUrl: https://api.siliconflow.cn/v1
    asrModel: FunAudioLLM/SenseVoiceSmall
    llmModel: deepseek-v4-flash     # 转述模型（最低优先级 fallback）：默认跟当前对话/主界面选中的 LLM 走；连 agentDefaultModel 都没有时才用这里
    voice: zh-CN-XiaoxiaoNeural     # 朗读音色（edge-tts 音色 id，也可在设置面板选）
    rate: '+10%'                    # 语速（'+15%' 更快，'+0%' 原速）
    silenceMs: 2500                 # 静音多少毫秒后自动结束录音
    shortTextChars: 50              # 短于此字数的回复直接原样读、不转述
    rewrite: true                   # 是否用 LLM 把长回复转述后再朗读（默认关闭，设置页可切换）

改完重启 dsh web 生效。

⚙️ 设置入口（DSH 自带设置弹窗里，优先级最高）

不用动配置文件：打开 DSH 的设置弹窗（左下角齿轮），左侧点「voice chat」，右侧即可改 ASR 的 Base URL / 模型名 / API Key、识别后是否自动发送、长回复转述朗读开关、静音自动结束时长（秒）、Edge TTS 朗读音色。保存后写入插件根目录的 settings.local.json 并立即生效。优先级：设置弹窗 > cordis.patch.yml 行 config > 环境变量 > 默认值；某项留空即回落到下一层。

结构

• package.json — dsh.bundle.patch 让 dsh plugin add 自动注册为 profile 层；dsh.client + exports["./client"] 让 Web 端加载浏览器 bundle；
• cordis.patch.yml — 插入 dsh-voice-chat 行 + 配置示例；
• lib/index.js — 宿主半身：/stt（ASR）、/tts（edge-tts）、/speak（转述+合成）、/config、GET|POST /settings（设置面板存取）等路由；
• lib/edge-tts.js — 内联的 edge-tts 协议客户端（微软 Edge 免费朗读服务），唯一运行时依赖 ws；
• lib/client.js — 浏览器半身：麦克风/静音按钮、静音检测、单信道播报、快捷键、提示音；并向 DSH 设置弹窗注入「voice chat」类目表单；
• settings.local.json — 设置弹窗保存的覆盖配置（运行时生成，不进 git）。