前言¶

DSH 的理念是「一切皆插件」。在終端智能體裏，有兩種操作成本常被低估：人離開鍵盤時，想把一句指令變成消息；任務運行時，不想逐字讀大段輸出。dsh-voice 是面向 DSH 的語音 bundle，覆蓋語音轉文字、文字轉語音和離開式朗讀。它默認本地優先，音頻文件落在本機，不自動錄音、不自動播放。

這是什麼¶

Jesse-njx/dsh-voice 由 Jesse-njx 維護，許可證爲 MIT，已覈實版本爲 0.1.0，要求 Node.js >=20。它是 DSH bundle，提供 transcribe、speak、/voice 相關能力，並在 Web 客戶端渲染 voice-note 卡片。

核心功能¶

語音轉文字¶

transcribe 支持兩類來源：

• { file: <path> }：轉寫既有音頻文件。
• { record: { seconds? } }：從麥克風錄製後轉寫。

轉寫結果被插入爲用戶消息，Web 客戶端以 voice-note 卡片展示。

文字轉語音¶

speak 接收文本，在後臺任務中合成並播放，並立即返回 { jobId, audioRef }。它適合用於長構建與 headless runs 的 walk-away narration，例如把結果合成成一句狀態播報。

自動朗讀回覆¶

readReplies 與 /voice 提供會話級自動朗讀回覆開關，默認關閉。可以用 /voice 即時切換。

本地優先¶

音頻是 ~/.dsh/voice/ 下的普通文件，會話日誌只保存引用與轉錄。默認值如下：

• stt.backend 自動離線選擇 whisper-local 到 macos
• tts.backend 爲 say
• readReplies 爲 false
• audioDir 爲 ~/.dsh/voice

後端¶

STT 後端支持 whisper-local、openai、macos、fake。

TTS 後端支持 say、piper、edge-tts、fake。

雲端後端僅在顯式配置時可用，不會被自動選擇。

配合 dsh-crosstalk¶

在 dsh-crosstalk installed 時，transcribe({ source, to: <peer> }) 可將 transcribe 結果作爲 peer message 發送到另一本地會話。

安裝與啓用¶

先確認本機滿足 Node.js >=20，然後執行安裝命令：

dsh plugin --profile web add @dsh-voice/bundle

安裝後，transcribe、speak、/voice 由該 bundle 提供。

典型用法¶

使用 /voice¶

下面命令用於查看狀態、切換自動朗讀，或直接朗讀一行文本：

/voice status
/voice on
/voice off
/voice speak build finished, 0 failures

調用 transcribe¶

下面調用分別演示文件轉寫和麥克風錄音轉寫：

transcribe({ source: { file: "/path/to/note.m4a" } })
transcribe({ source: { record: { seconds: 5 } } })

source 二選一：已有音頻文件路徑，或麥克風錄製參數。

調用 speak¶

下面調用演示朗讀一段文本：

speak({ text: "build finished, 0 failures" })

返回 { jobId, audioRef }。

發送到另一本地會話¶

在 dsh-crosstalk installed 時，可以這樣調用：

transcribe({ source: { file: "/path/to/note.m4a" }, to: "<peer>" })

適用場景與注意¶

適合需要在 DSH 會話裏用語音留下指令、希望回覆可朗讀，或在長任務後收到狀態播報的使用者。

注意以下邊界：

• 插件以當前 dsh 進程權限運行，安裝前應檢查源碼與許可證。
• 音頻默認不離開本機；只有顯式設置以下雲端後端時，纔可能發送到雲端：

stt.backend: openai
tts.backend: edge-tts

• openai 後端通過 OPENAI_API_KEY 憑證讀取。
• 錄製與播放只在顯式工具調用時發生；readReplies 默認關閉。
• v0.1 非目標包括即時流式對話、外呼合成語音、羣組微信上下文音頻、說話人分離、音樂/特效、原始音頻入會話日誌、喚醒詞/持續監聽。

結尾¶

經過上面步驟，dsh-voice 可以把語音輸入變成用戶消息，把回覆變成可播放的本地音頻，並默認保持本地存儲。

GitHub：https://github.com/Jesse-njx/dsh-voice

社區目錄頁：已覈實資料中未提供具體 URL。