DeepSeek Harness 实时语音插件 (dsh-realtime-voice)

前言¶

DeepSeek Harness 插件生态允许通过插件扩展核心能力。dsh-realtime-voice 插件提供了连接浏览器音频输入与 LLM 对话能力的轻量级途径，无需部署本地模型或 Python 环境。它主要解决从语音输入到语音输出的实时流转问题，支持阿里云百炼和 OpenAI 两种线路，适用于需要高并发、低延迟语音交互的场景。

核心功能¶

插件采用浏览器采集 PCM 音频，Host 端通过同源 WebSocket 代理 ASR（语音识别）与 TTS（语音合成）服务。具体能力如下：

• 双线路支持：
  • 国内线路：qwen3-asr-flash-realtime → DeepSeek Harness → qwen3-tts-flash-realtime（阿里云百炼）。
  • 全球线路：gpt-realtime-2.1（OpenAI Realtime）。
• 音频处理：TTS 使用 24kHz PCM 流式播放。VAD（语音活动检测）默认阈值为 0.85，尾静音检测为 700ms。
• 候选插话机制：插件会对候选插话进行文本有效性及播报回声相似度复核，误触发会恢复原播报。

安装¶

推荐直接从带版本标签的 GitHub 仓库安装预构建版本：

dsh plugin --profile web add github:zfu691531-hash/dsh-realtime-voice#v0.12.0

卸载命令：

dsh plugin --profile web remove dsh-realtime-voice

配置与使用¶

在 DeepSeek Harness 的凭据配置中提供所选线路的 API Key：
* 千问：DASHSCOPE_API_KEY。
* OpenAI：OPENAI_API_KEY。
* 声纹（可选）：腾讯云 TENCENT_SECRET_ID 与 TENCENT_SECRET_KEY。

安装后，在 Harness 的“设置 → 插件”中展开“实时语音（千问 / GPT）”即可使用。

状态检查¶

运行 Doctor 命令检查插件状态：

await fetch('/dsh-realtime-voice/status').then(response => response.json())

注意事项¶

• 桌面版限制：DeepSeek Harness Desktop rc.5 的 Electron 壳会拒绝 renderer 进程的麦克风权限。在桌面版点击话筒时，需使用默认外部浏览器（如 Chrome/Edge）打开同一页面并授权麦克风，Host、会话和插件仍共用同一实例。
• 安全边界：
  • API Key 仅由 Host 的凭据服务按请求读取，不写入浏览器、localStorage 或日志。
  • HTTP 与 WebSocket 路由仅接受 loopback、同源请求。
  • 声纹默认关闭，且只能抑制背景语音自动提交，不能抵御录音重放、合成语音或针对性冒充。
• 适用场景：插件依赖 DeepSeek Harness 进程的权限运行。安装前请检查源码与许可证，确保符合本地安全规范。

相关链接¶

• 插件目录：https://www.skillhub.cn/plugins/zfu691531-hash/dsh-realtime-voice
• 源码仓库：https://github.com/zfu691531-hash/dsh-realtime-voice