前言¶
在 DeepSeek Harness（DSH）里跟 AI 对话，有时需要把回复念出来：走路、做饭，或者单纯想少盯屏幕。DSH 内置朗读可以用系统语音或 Edge TTS，但音色往往偏机械；通用剪贴板朗读工具则要先复制文本，再切到别的应用，打断对话节奏。
dsh-omi-voice 针对的是这条路径：在 DSH 对话界面里，点一下回复旁的 🔊，用豆包 TTS 的自然中文音色把最终回答读出来。语音在本机 Omi 引擎里合成，豆包 API Key 由你自己提供（BYOK），只保存在 macOS 钥匙串，插件侧不持有 Key。
这是什么¶
dsh-omi-voice 是 DeepSeek Harness 的客户端插件，维护者为 PolinniZhong。它适配 dsh web（含桌面端），配合 macOS 上常驻的 Omi 引擎（v0.1.2+）工作。
插件本身相当于「遥控器」：从 DSH 取回复文本，通过本机 127.0.0.1:8765 调用 Omi 引擎；文本清洗、分段、豆包 TTS 流式合成、播放、暂停/继续、缓存都在引擎内完成。开源协议为 MIT。
核心功能¶
下面介绍插件已文档化的能力，均来自项目 README 与 package.json（当前版本 0.1.2）。
点读、暂停、继续¶
- 点 AI 回复旁的 🔊 开始朗读。
- 播放中再点 = 暂停；再点 = 从暂停处继续。
- 点另一条消息的 🔊 会打断当前播放，改读新内容。
不做自动朗读：只有手动点 🔊 才发起合成，避免无意触发计费。
只读最终回答，并过滤不可读内容¶
工具执行日志、思考过程不会读。代码围栏、表格、纯图形（盒绘/ASCII）在请求前过滤。若回复只剩这些内容，🔊 按钮呈禁用态，并提示「没有可朗读的内容」。
豆包 TTS 与 BYOK¶
语音使用豆包 TTS 1.0（seed-tts-1.0）。API Key 在 Omi 引擎设置页配置，存入 macOS Keychain；插件零 Key，通信仅限本机 127.0.0.1。
按字符计费，由你在火山引擎账户承担。引擎侧有成本控制：相同文本 3 秒内去重；进程内 LRU 缓存最近 3 条（≤5MB，退出即清）；纯表格/纯代码等无效内容不发请求（invalid_text）。
平台与依赖¶
- DSH：
dsh web（含桌面端）。 - Omi 引擎：macOS Apple Silicon，v0.1.2+。
- 暂不支持 Windows（Omi 引擎仅 macOS）。
安装与启用¶
安装分两部分：DSH 插件，以及本机 Omi 引擎。
1. 安装 DSH 插件¶
官方推荐从 GitHub 指定版本安装：
dsh plugin --profile web add "github:PolinniZhong/dsh-omi-voice#v0.1.2&path:/"
项目已发布到 npm，也可直接安装：
dsh plugin --profile web add dsh-omi-voice
本地开发可装目录：
dsh plugin --profile web add /path/to/dsh-omi-voice
2. 构建并运行 Omi 引擎¶
引擎源码在仓库 engine/ 目录。按 engine/README.md 执行 ./engine/build/build-service.sh，再将产物复制到 ~/Applications/Omi DSH.app。建议开启开机启动，避免点 🔊 时提示「未检测到 Omi DSH 引擎」。
3. 配置豆包 API Key¶
本插件为 BYOK，需先在火山引擎开通「语音合成 1.0」，创建并关联该服务的 API Key。三步概要：
- 登录 火山引擎控制台，进入「豆包语音」（语音技术）。
- 开通「语音合成大模型 / 语音合成 1.0」。
- 创建 Access Key 并关联上述服务，将 Key 填入 Omi DSH「设置 > API Key」并保存。
经过上面的步骤，DSH 对话里即可使用 🔊 朗读。
典型用法¶
工作流如下：
flowchart LR
A[点 🔊] --> B[插件取回复的最终回答文本]
B --> C[POST 127.0.0.1:8765/v1/speak]
C --> D[Omi 引擎清洗 + 分段]
D --> E[豆包 TTS 流式合成]
E --> F[本机扬声器播放]
日常操作：
- 确认 Omi DSH 已启动，且已保存豆包 API Key。
- 在 DSH 对话中等待 AI 回复完成。
- 点该条回复旁的 🔊；需要时在同一按钮上暂停、继续，或点其他消息的 🔊 切换朗读对象。
引擎未启动或未配置 Key 时，点击会给出明确提示（含如何打开 Omi）。音色 ID 可在 Omi 设置页修改；当前插件不提供音色 UI。
本地 HTTP 协议包括 /v1/status、/v1/speak、/v1/pause、/v1/resume、/v1/stop，详见仓库 docs/API.md。
适用场景与注意¶
适合谁
- 已在 macOS 上使用 DSH 桌面端或
dsh web，希望用更自然的中文音色听读 AI 回复。 - 能接受 BYOK：自行开通豆包语音合成并按字符付费。
- 偏好「点读」而非自动播报，且主要听最终回答而非工具日志。
使用前注意
- 插件以当前
dsh进程权限运行；安装前建议查看 GitHub 源码 与 MIT 许可证。 - 需额外安装并维护 Omi DSH 本机引擎，不是「只装插件即可」。
- 与
dsh-voice-chat的取舍：后者零 Key、零成本，但用系统机械音色；本插件用豆包自然音色，代价是 BYOK 与按字符计费。
社区目录 SkillHub 收录本插件（分类：客户端）；该站点为独立社区目录，与 DeepSeek / 幻方无官方从属关系。
结尾¶
dsh-omi-voice 把 DSH 对话朗读从「系统播报腔」或「复制再读」拉到「对话内一点、豆包音色、本机合成」：插件负责取文与触发，Omi 引擎负责合成与播放，Key 留在你自己的钥匙串里。
