前言¶

DSH 的插件機制可以擴展客戶端能力，但 DeepSeek 的聊天接口目前只處理文本：模型不直接接收音頻，也不直接輸出音頻。dsh-voice 是一個面向 DSH Web 客戶端的語音插件，由 zhuiyueya 維護，許可證爲 MIT。它在輸入邊界把語音轉成文字，在輸出邊界把文字讀出來，並提供音頻文件轉寫與合成工具。下面介紹它的功能、安裝方式和典型用法。

功能¶

• Web UI 的 composer 提供麥克風按鈕，用於將語音轉文字並寫入輸入框。
• Web UI 的每條助手回覆提供朗讀按鈕，通過 speechSynthesis 朗讀回覆。
• 提供 voice_transcribe 工具，通過 Whisper 兼容的 /audio/transcriptions 端點轉寫附件音頻文件。
• 提供 voice_speak 工具，通過 OpenAI 兼容的 /audio/speech 端點將文本合成爲音頻文件。
• README 標註 Web UI 零 API key、零新模型，DeepSeek 保持文本模型。
• 支持配置 Whisper、Kokoro 等本地或兼容後端。

安裝與啓用¶

本地路徑安裝：

dsh plugin --profile web add "file:/path/to/dsh-voice"

README 給出 npm 發佈後的安裝方式：

dsh plugin --profile web add dsh-voice

資料未確認該 npm 包已發佈，建議先使用本地路徑安裝。安裝後重啓 dsh web，或等待 HMR。啓用後，composer 會出現麥克風按鈕，每條助手回覆會出現朗讀按鈕。

典型用法¶

麥克風按鈕需要配置後端地址：

voice.stt.apiBase

將其指向一個 Whisper 兼容後端。瀏覽器側完成語音輸入後，將文字寫入輸入框。

朗讀按鈕無需額外配置，使用瀏覽器 speechSynthesis 能力。

工具調用方面：

• voice_transcribe：參數 path（音頻文件）、language?，返回 { text, language }。
• voice_speak：參數 text、outPath?、voice?，返回 { path, bytes }。

適用場景與注意¶

適合需要 Web 端語音輸入、朗讀助手回覆，或需要 DSH 智能體處理附件音頻並生成音頻文件的場景。插件以當前 dsh 進程權限運行，安裝前應檢查源碼、依賴和許可證。麥克風按鈕依賴 Whisper 兼容後端，後端地址、可用性和網絡情況需要自行確認；朗讀按鈕依賴瀏覽器 speechSynthesis 能力。

鏈接¶

社區目錄頁：

https://www.skillhub.cn/plugins/zhuiyueya/dsh-voice

GitHub：

https://github.com/zhuiyueya/dsh-voice