dsh-feiyu-say

dsh-feiyu-say

给 DeepSeek Harness 一个「合成语音」的插件。

调 阿里百炼 的 TTS WebSocket 接口，把一句话合成成 WAV，可在设置页试听。不绑定任何 IM——怎么发出去（QQ / 微信 / 就放着）由当前会话的传输方式决定。

没有本地模型、没有 Python、不用部署：插件本身只依赖 Node 22、ws 和 ffmpeg。

能力

• send_voice：合成一句语音，返回文件路径 + 试听 URL；发 QQ 语音条时传 sampleRate: 8000。
• voice_list：看当前音色 / 模型 / 接口。
• voice_status：检查 API Key / 模型 / 音色 / 地址 / ffmpeg；test: true 额外真合成一句。
• 试听：设置页输入一句、点「试听」，<audio> 直接播放。
• 语音提示三档：off / auto（看气氛）/ always（每轮都提），提醒模型「想用声音就说」。
• 采样率可配：默认 24000Hz；QQ 语音条传 8000。

前置

• Node.js 22+
• ffmpeg（把百炼返回的 mp3 转成目标采样率单声道 WAV）
• 阿里百炼的 API Key，以及一个开通了 TTS 模型的业务空间

安装

npm：插件管理里输入包名，装完重启 DSH。

dsh-feiyu-say

从 GitHub 源码：

github:Vansnc/dsh-feiyu-say

本地开发用 link:：

ln -s /path/to/dsh-feiyu-say ~/.dsh/profiles/desktop/node_modules/dsh-feiyu-say

宿主不会热替换已加载的模块，改完代码必须重启 DSH。

配置

设置 → 鱼的声音，填四项：

字段	说明
百炼ApiKey	百炼控制台 → API-KEY 创建；只显示一次，存好。也可以改用环境变量 DASHSCOPE_API_KEY
百炼模型	默认 qwen-audio-3.1-tts-flash；CosyVoice 模型也可
百炼音色	默认 longanhuan_v3.1；复刻得到的 voice_id 直接填这里
百炼地址	wss://<WorkspaceId>.cn-beijing.maas.aliyuncs.com/api-ws/v1/inference（控制台「业务空间」里看 WorkspaceId）

高级里还能改：采样率、超时、音频目录、保留条数、ffmpeg 路径。

配置存在 ~/.dsh/feiyu-say-config.json（权限 0600，因为里面有 Key）；enabled / sampleRate / hintMode / timeoutMs 四项在插件 Config 里。

接口

百炼这套是 WebSocket：

run-task（model / voice / format / sample_rate）
  → task-started
  → continue-task(text) + finish-task
  → 二进制音频帧
  → task-finished

实现见 lib/bailian.mjs；返回 mp3，ffmpeg 转成目标采样率的单声道 WAV。

费用与隐私

• 文本会发到阿里云，按字符计费；具体单价看百炼对应模型的定价页。
• 合成返回的是 24 小时有效的临时 URL，插件会当场下载，不存 URL。
• 只使用你有权使用的声音样本/音色。

排错

• 先跑 voice_status（或设置页「运行自检」），它会逐项说哪项没就绪。
• 401：API Key 错、地域不对、或地址和 Key 不匹配。
• 403 / 模型无权限：模型没开通，或业务空间没授权。
• task-failed：看返回的 error_message；常见是音色 ID 不存在、文本为空、账户欠费。
• ffmpeg 失败：ffmpeg 不在 PATH，或高级里填的路径不对。
• 改完代码/配置记得重启 DSH 或刷新设置页。

License

MIT