前言¶
在 DeepSeek Harness（DSH）裏跟 AI 對話，有時需要把回覆念出來：走路、做飯，或者單純想少盯屏幕。DSH 內置朗讀可以用系統語音或 Edge TTS，但音色往往偏機械；通用剪貼板朗讀工具則要先複製文本，再切到別的應用，打斷對話節奏。
dsh-omi-voice 針對的是這條路徑：在 DSH 對話界面裏，點一下回復旁的 🔊，用豆包 TTS 的自然中文音色把最終回答讀出來。語音在本機 Omi 引擎裏合成，豆包 API Key 由你自己提供（BYOK），只保存在 macOS 鑰匙串，插件側不持有 Key。
這是什麼¶
dsh-omi-voice 是 DeepSeek Harness 的客戶端插件，維護者爲 PolinniZhong。它適配 dsh web（含桌面端），配合 macOS 上常駐的 Omi 引擎（v0.1.2+）工作。
插件本身相當於「遙控器」：從 DSH 取回覆文本，通過本機 127.0.0.1:8765 調用 Omi 引擎；文本清洗、分段、豆包 TTS 流式合成、播放、暫停/繼續、緩存都在引擎內完成。開源協議爲 MIT。
核心功能¶
下面介紹插件已文檔化的能力，均來自項目 README 與 package.json（當前版本 0.1.2）。
點讀、暫停、繼續¶
- 點 AI 回覆旁的 🔊 開始朗讀。
- 播放中再點 = 暫停；再點 = 從暫停處繼續。
- 點另一條消息的 🔊 會打斷當前播放，改讀新內容。
不做自動朗讀：只有手動點 🔊 才發起合成，避免無意觸發計費。
只讀最終回答，並過濾不可讀內容¶
工具執行日誌、思考過程不會讀。代碼圍欄、表格、純圖形（盒繪/ASCII）在請求前過濾。若回覆只剩這些內容，🔊 按鈕呈禁用態，並提示「沒有可朗讀的內容」。
豆包 TTS 與 BYOK¶
語音使用豆包 TTS 1.0（seed-tts-1.0）。API Key 在 Omi 引擎設置頁配置，存入 macOS Keychain；插件零 Key，通信僅限本機 127.0.0.1。
按字符計費，由你在火山引擎賬戶承擔。引擎側有成本控制：相同文本 3 秒內去重；進程內 LRU 緩存最近 3 條（≤5MB，退出即清）；純表格/純代碼等無效內容不發請求（invalid_text）。
平臺與依賴¶
- DSH：
dsh web（含桌面端）。 - Omi 引擎：macOS Apple Silicon，v0.1.2+。
- 暫不支持 Windows（Omi 引擎僅 macOS）。
安裝與啓用¶
安裝分兩部分：DSH 插件，以及本機 Omi 引擎。
1. 安裝 DSH 插件¶
官方推薦從 GitHub 指定版本安裝：
dsh plugin --profile web add "github:PolinniZhong/dsh-omi-voice#v0.1.2&path:/"
項目已發佈到 npm，也可直接安裝：
dsh plugin --profile web add dsh-omi-voice
本地開發可裝目錄：
dsh plugin --profile web add /path/to/dsh-omi-voice
2. 構建並運行 Omi 引擎¶
引擎源碼在倉庫 engine/ 目錄。按 engine/README.md 執行 ./engine/build/build-service.sh，再將產物複製到 ~/Applications/Omi DSH.app。建議開啓開機啓動，避免點 🔊 時提示「未檢測到 Omi DSH 引擎」。
3. 配置豆包 API Key¶
本插件爲 BYOK，需先在火山引擎開通「語音合成 1.0」，創建並關聯該服務的 API Key。三步概要：
- 登錄 火山引擎控制檯，進入「豆包語音」（語音技術）。
- 開通「語音合成大模型 / 語音合成 1.0」。
- 創建 Access Key 並關聯上述服務，將 Key 填入 Omi DSH「設置 > API Key」並保存。
經過上面的步驟，DSH 對話裏即可使用 🔊 朗讀。
典型用法¶
工作流如下：
flowchart LR
A[點 🔊] --> B[插件取回復的最終回答文本]
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[本機揚聲器播放]
日常操作：
- 確認 Omi DSH 已啓動，且已保存豆包 API Key。
- 在 DSH 對話中等待 AI 回覆完成。
- 點該條回覆旁的 🔊；需要時在同一按鈕上暫停、繼續，或點其他消息的 🔊 切換朗讀對象。
引擎未啓動或未配置 Key 時，點擊會給出明確提示（含如何打開 Omi）。音色 ID 可在 Omi 設置頁修改；當前插件不提供音色 UI。
本地 HTTP 協議包括 /v1/status、/v1/speak、/v1/pause、/v1/resume、/v1/stop，詳見倉庫 docs/API.md。
適用場景與注意¶
適合誰
- 已在 macOS 上使用 DSH 桌面端或
dsh web，希望用更自然的中文音色聽讀 AI 回覆。 - 能接受 BYOK：自行開通豆包語音合成並按字符付費。
- 偏好「點讀」而非自動播報，且主要聽最終回答而非工具日誌。
使用前注意
- 插件以當前
dsh進程權限運行；安裝前建議查看 GitHub 源碼 與 MIT 許可證。 - 需額外安裝並維護 Omi DSH 本機引擎，不是「只裝插件即可」。
- 與
dsh-voice-chat的取捨：後者零 Key、零成本，但用系統機械音色；本插件用豆包自然音色，代價是 BYOK 與按字符計費。
社區目錄 SkillHub 收錄本插件（分類：客戶端）；該站點爲獨立社區目錄，與 DeepSeek / 幻方無官方從屬關係。
結尾¶
dsh-omi-voice 把 DSH 對話朗讀從「系統播報腔」或「複製再讀」拉到「對話內一點、豆包音色、本機合成」：插件負責取文與觸發，Omi 引擎負責合成與播放，Key 留在你自己的鑰匙串裏。
