dsh-voice
stardustlc666/dsh-voice
Voice tools: free edge-tts neural speech synthesis, OpenAI-compatible ASR transcription, voice list, batch voice preview and health self-check.
Install
dsh plugin --profile web add github:stardustlc666/dsh-voiceREADME
简体中文 · English
Voice
把文字变成自然人声,把音视频变成干净文字。
DeepSeek Harness(>=0.2.2-rc.3)语音工作台插件:原生提供 5 套主题可切换的 Voice Studio 真·创作闭环侧边栏工作台(原生清透 / 米白纸感 / Claude 暖书卷 / 8-Bit 像素 / 晴空薄荷,支持 8 秒麦克风一键建克隆角色、可视化多角色对话直出 MP3、工作区成品库与点击跳转字幕跟读播放器),内建零密钥 Edge 神经网络语音(连接池复用、300+ 在线音色与 10 套人设)及 OpenAI / SiliconFlow / 自定义引擎(情绪演技、Kokoro 混音、SHA-256 缓存零样本克隆),支持 短视频词/短句粒度与卡拉 OK .ass 字幕(\kf 逐词高亮)、文稿内联停顿标记([pause:500ms])与词边界安全发音词典(pronunciations)、原生 MP3 章节书签(ID3v2 CHAP/CTOC + chaptersOutput)、零漂移 .srt/.vtt 字幕反向配音(atempo)与 VBR 多段精确时长(durationSec)、播客 BGM 自动闪避与 -16 LUFS 响度均衡,以及支持 视频文件直传抽音(.mp4/.mkv/.mov/.avi)与说话人区分(diarize) 的多引擎 STT,严格限制在当前会话工作区内。
核心亮点
- Voice Studio 真·创作闭环侧边栏工作台(5 套主题):实时同步 原生清透 / 米白纸感 / Claude 暖书卷 / 8-Bit 像素 / 晴空薄荷 主题与 Coachmark 引导;支持在线试听 300+ Edge 音色与 10 套
persona、浏览器麦克风 8 秒录音一键生成克隆角色(自动保存至voice_clones/、自动 ASR 提取参考台词并注册customVoices)、可视化多角色对话编排器面板内直出 MP3,以及 工作区成品库 + 点击字幕跳转跟读播放器。 - 短视频短句/逐词字幕、卡拉 OK
.ass导出、内联停顿与词边界替读:subtitleGranularity("sentence"|"clause"|"word")配合maxCharsPerCue(默认16)自动切出紧凑竖屏短句,subtitleOutput: "clip.ass"直出带\kf逐词高亮时间轴的1080x1920SubStation Alpha 字幕供dsh-ffmpeg烧录;文稿内嵌[pause:500ms]/[break:600ms]/[停顿0.6s]自动编译为 Edge<break>或匹配采样率静音帧并在字幕中自动剥离;pronunciations具备 ASCII 词边界保护(OS、UI、SQL绝不误伤POST、BUILD)。 - 有声书/播客原生 MP3 章节(
CHAP/CTOC)、零漂移配音、VBR 修复与 BGM 闪避:多级标题 Markdown(#/##/###)或带title的segments[]自动写入可点击跳转的 MP3 ID3v2CHAP/CTOC章节书签并可通过chaptersOutput导出chapters.md/chapters.json;subtitleInput叠加 FFmpegatempo保调精缩实现密集字幕零累积漂移;多段 VBR MP3 拼接自动剥离Xing/Info/VBRI帧头确保进度条与durationSec完整准确;Edge TTS 内置 Keep-Alive WebSocket 连接池与瞬断重试;完整支持bgmFile自动闪避、-16 LUFS响度均衡、演技instructions与 SiliconFlow SHA-256 缓存克隆。 - 视频文件直传转写(
.mp4/.mkv/.mov/.avi)、长文直读与说话人区分:voice_stt支持直接传入视频容器并通过本机ffmpeg自动剥离画面(-vn)提取 16kHz 单声道音频送审 ASR,同时支持diarize: true说话人区分、autoCompress(>25MB 自动切片)与本地回环免密 Whisper;inputFile直读 10 万字长文,voice_preview生成交互式网页试听页,代理原生支持http://、https://、socks5://与socks5h://。
安装
在 DSH 桌面版「插件」面板搜索安装 dsh-voice,或使用命令行:
dsh plugin --profile desktop add dsh-voice
网页版把 desktop 改为 web;安装后重启一次 DSH。宿主要求 >=0.2.2-rc.3。插件附带 voice-workflow 技能包,会在语音合成、短视频卡拉 OK 字幕、章节有声书、声音克隆、字幕卡点、播客混音与音视频转写任务中自动指引助手采用最佳实践。
最快 3 步用起来
- 打开侧边栏 Voice Studio 工作台,零密钥即可试听、编排对话与合成:装好插件后无需填任何密钥,即可在 5 主题侧边栏工作台试听 300+ Edge 音色与 10 种
persona、在面板内可视化编排双人对话直出 MP3 并跟读字幕,或让助手直读多章节 Markdown、导出.ass卡拉 OK 字幕及按.srt时间轴零漂移配音。 - 按需配置备用 TTS(情绪/克隆)或 ASR 密钥(支持 8 秒录音一键克隆与本地免密 Whisper):打开 DSH「设置 → 插件 → 语音(dsh-voice)」:如需情绪指令或零样本克隆,将
ttsEngine切为siliconflow/openai/custom(保存即生效,还可在工作台直接录 8 秒人声一键注册克隆角色);如需音视频转写或麦克风速记,选择asrEngine(groq/openai/siliconflow/custom)并填入asrApiKey(本地127.0.0.1/localhost免密)。 - 试听选声 → 合成或转写交付 → 成品库跟读验收:把文稿、
.srt/.vtt字幕、BGM、参考克隆音频或音视频文件放进当前会话工作区,生成的带章节 MP3、.ass/.srt/.vtt字幕、chapters.md时间轴与试听页均安全落在工作区内(默认同名自动编号不误盖),并可在工作台「工作区成品库」随时点击字幕跳转回放。
平时怎么对助手说(可直接复制的自然语言示例)
- 联网发现音色/人设并在浏览器试听页里对比
联网查一下带
podcast标签的中文和英文音色,连同late-night-radio、bilingual-tech-female人设一起生成短试听,用voice_previews/index.html让我挑选。 - 把多标题 Markdown 合成带原生 MP3 章节书签与 BGM 闪避的播客/有声书
直接读取工作区里的
weekly-report.md,生成带原生 MP3 章节书签的有声节目(配上assets/bgm.mp3开启 BGM 自动闪避和-16 LUFS响度均衡),同时输出podcast.mp3、podcast.srt和节目单chapters.md。 - 生成竖屏短视频短句卡拉 OK
.ass动态高亮字幕 + 内联停顿用
energetic-anchor朗读这段口播稿(保留稿子里的[pause:500ms]停顿,设置subtitleGranularity: "clause"、maxCharsPerCue: 14),导出clip.mp3和带逐词高亮的clip.ass方便后续烧录字幕。 - 按现有
.srt字幕零漂移反向配音 + 词边界安全发音词典按工作区里的
video.srt时间轴用bilingual-tech-male零漂移卡点配音(把OS替读成Operating System、SQL替读成S Q L,不要影响POST),导出dubbed.mp3和dubbed.srt并告诉我精确时长。 - 零样本克隆配音(或直接在工作台 8 秒麦克风录音建角色)
用工作区里的
sample_ref.wav(台词是「你好,我是小智,很高兴认识大家」)作为参考声音,用轻快带笑意的语气朗读这段欢迎词,导出welcome.mp3。 - 直接转写
.mp4录屏/视频或大体积会议录音并区分说话人直接把工作区里的
lecture.mp4抽音转写成中文(开启diarize: true区分说话人),同时输出lecture.txt和lecture.srt,再提炼待办事项清单。
常见卡点自检
| 遇到的现象 | 10 秒定位原因 | 怎么修 |
|---|---|---|
| 自检提示「缺 ASR 密钥」但只想做朗读配音 | ASR 密钥仅音视频转文字需要,不影响朗读 | 直接正常合成语音即可(自检可按 tts 范围单独查看 ttsReady) |
传入 referenceAudio 提示引擎不支持克隆 | 默认 edge 引擎不支持零样本参考音频克隆 | 在 DSH「设置 → 插件 → 语音」将 ttsEngine 切为 siliconflow 或 custom(保存即生效) |
视频直传转写、bgmFile、normalizeLoudness 或超密字幕 atempo 提示缺工具 | 视频抽音(-vn)、BGM 闪避、-16 LUFS 均衡与 atempo 精缩需本机 ffmpeg | 本机安装 ffmpeg(或配合 dsh-ffmpeg 处理),未安装时先传纯音频或关闭混音/均衡开关 |
| 提示「必须位于会话工作区内」 | 文稿、字幕、BGM、音视频、参考音频或输出路径指到了工作区外面 | 先把文件复制进当前会话工作区文件夹再让助手处理 |
| 合成或转写报网络连接失败 | 受限网络无法直连在线语音 / ASR 服务 | 在 DSH「设置 → 插件 → 语音」填入本地代理 proxyUrl(支持 http:// / https:// / socks5:// / socks5h://,保存即生效) |
| 音频超过 25MB 无法转写 | 在线 ASR 接口单文件体积上限为 25MB | 让助手开启 autoCompress: true(视频文件会自动抽音压缩,需本机 ffmpeg)或先用 dsh-ffmpeg 处理 |
插件更新
在原生插件详情页底部检查更新。默认自动检查,默认不自动安装;是否安装、何时重启由你决定。Suite 管理的组件随整包更新。
文档
反馈与贡献
如果插件帮到了你,欢迎 Star。问题和建议请提交 Issues,也欢迎 PR(反馈时请移除凭据)。
License
Related 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