DeepSeek Harness 實時語音插件 (dsh-realtime-voice)

前言¶

DeepSeek Harness 插件生態允許通過插件擴展核心能力。dsh-realtime-voice 插件提供了連接瀏覽器音頻輸入與 LLM 對話能力的輕量級途徑，無需部署本地模型或 Python 環境。它主要解決從語音輸入到語音輸出的實時流轉問題，支持阿里雲百鍊和 OpenAI 兩種線路，適用於需要高併發、低延遲語音交互的場景。

核心功能¶

插件採用瀏覽器採集 PCM 音頻，Host 端通過同源 WebSocket 代理 ASR（語音識別）與 TTS（語音合成）服務。具體能力如下：

• 雙線路支持：
  • 國內線路：qwen3-asr-flash-realtime → DeepSeek Harness → qwen3-tts-flash-realtime（阿里雲百鍊）。
  • 全球線路：gpt-realtime-2.1（OpenAI Realtime）。
• 音頻處理：TTS 使用 24kHz PCM 流式播放。VAD（語音活動檢測）默認閾值爲 0.85，尾靜音檢測爲 700ms。
• 候選插話機制：插件會對候選插話進行文本有效性及播報回聲相似度複覈，誤觸發會恢復原播報。

安裝¶

推薦直接從帶版本標籤的 GitHub 倉庫安裝預構建版本：

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

卸載命令：

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

配置與使用¶

在 DeepSeek Harness 的憑據配置中提供所選線路的 API Key：
* 千問：DASHSCOPE_API_KEY。
* OpenAI：OPENAI_API_KEY。
* 聲紋（可選）：騰訊雲 TENCENT_SECRET_ID 與 TENCENT_SECRET_KEY。

安裝後，在 Harness 的“設置 → 插件”中展開“實時語音（千問 / GPT）”即可使用。

狀態檢查¶

運行 Doctor 命令檢查插件狀態：

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

注意事項¶

• 桌面版限制：DeepSeek Harness Desktop rc.5 的 Electron 殼會拒絕 renderer 進程的麥克風權限。在桌面版點擊話筒時，需使用默認外部瀏覽器（如 Chrome/Edge）打開同一頁面並授權麥克風，Host、會話和插件仍共用同一實例。
• 安全邊界：
  • API Key 僅由 Host 的憑據服務按請求讀取，不寫入瀏覽器、localStorage 或日誌。
  • HTTP 與 WebSocket 路由僅接受 loopback、同源請求。
  • 聲紋默認關閉，且只能抑制背景語音自動提交，不能抵禦錄音重放、合成語音或針對性冒充。
• 適用場景：插件依賴 DeepSeek Harness 進程的權限運行。安裝前請檢查源碼與許可證，確保符合本地安全規範。

相關鏈接¶

• 插件目錄：https://www.skillhub.cn/plugins/zfu691531-hash/dsh-realtime-voice
• 源碼倉庫：https://github.com/zfu691531-hash/dsh-realtime-voice