dsha-tts-bridge

dsha-tts-bridge

给 DeepSeek Harness 用的宿主侧语音合成桥。

一句话：容器里没声卡、WebView 又念不出中文？那就把语音合成搬到宿主，用 MP3 送进页面播。

它解决什么问题

DSH 在安卓上常跑在 proot 容器里，容器内 /dev/snd 不可访问，ffplay/aplay 全都没用； 而某些 ROM 的 Android WebView speechSynthesis 拿不到中文语音包，speak() 直接静默。

唯一稳定成立的路径是：页面里用 <audio> 播放一个 MP3。于是这个插件在 DSH 宿主进程里 把文字合成成 MP3，通过 DSH 自带的 webServer 暴露同源路由，页面直接 src 指过去即可。

用法

装好后，任何页面（含 WebView）都可以这样播报：

<audio src="/dsh-tts/say.mp3?text=需要你确认一下" autoplay></audio>

或者用 fetch 取 Blob 再播放（便于控制音量和复用）：

const r = await fetch('/dsh-tts/say.mp3?text=' + encodeURIComponent('你好'));
const url = URL.createObjectURL(await r.blob());
new Audio(url).play();

参数：

参数	说明
text	要念的文字，上限 200 字（防止被当成通用 TTS 代理滥用）
voice	可选音色，默认 zh-CN-XiaoxiaoNeural（晓晓，中文女声）

成功返回 audio/mpeg；失败返回 502 + 纯文本原因。

安装

dsh plugin --profile web add @flyinghouse-ma/dsha-tts-bridge

然后重启 dsh web（这是宿主侧模块，热加载不生效）。

实现说明

• 走微软 Edge 朗读的 WebSocket 协议（api.msedgeservices.com / 旧版 speech.platform.bing.com）， 不是官方 Azure TTS SDK —— 不需要 API Key、不需要账号。
• 自己实现了 WebSocket 客户端（lib/websocket.js），所以零 npm 依赖。
• 内存里对最近 40 条合成结果做 LRU 缓存：同一句话反复播报不会重复请求。
• 单次合成 15 秒超时，失败就返回错误，绝不把页面卡住。

已知限制

• 需要能访问微软的语音服务端点；被墙的网络环境下会 502。
• 只做「文字 → MP3」，不负责播放控制；播放由页面自己决定（音量、打断、队列）。
• 单条 200 字上限是按「提醒播报」场景定的，不适合朗读长文。

谁在用它

dsh-approval-voice 的本地补丁版：待审批时把「待办摘要」念出来，避免漏看弹窗。 它替换掉了原本走 speechSynthesis 的路径 —— 那条路在安卓 WebView 上不可靠。

许可证

MIT。