前言¶
DeepSeek Harness (DSH) 的核心设计理念是“一切皆插件”。在开发或调试智能体时，文本回复虽然信息量大，但缺乏听觉反馈，难以直观评估语气或流畅度。dsh-tts 插件旨在解决这一问题，它为 DSH 的 Web UI 提供了文本转语音（TTS）能力，允许智能体的回复被实时朗读出来。
插件定位¶
goodandready/dsh-tts 是由 GooDAnDReaDY 维护的 DSH 插件。它的核心功能是在 Web UI 中通过语音朗读智能体的回复。它采用多提供者回退链机制，支持从离线本地引擎到云端 API 的多种合成方案。插件本身基于 MIT 许可证发布。
核心功能¶
本地离线引擎与未来支持¶
插件内置了离线系统引擎，包括 Edge TTS、Piper 和 eSpeak。这些引擎无需云 API 密钥即可运行，适合对隐私要求高或网络环境受限的场景。
对于 Kokoro-82M 和 F5-TTS 等神经模型，插件支持下载权重并显示下载状态，但不包含神经推理运行时。这意味着这些提供者目前无法直接工作，插件会如实报错并继续尝试回退链中的下一个提供者。
实时流式音频与低延迟¶
该插件实现了低于 300 毫秒的实时流式音频传输。它通过 SSE（Server-Sent Events）路由 /dsh-tts/stream 将合成后的音频流直接推送到浏览器，并使用 AudioWorklet 进行 PCM 处理，确保播放无卡顿或杂音。
IT 术语字典与多智能体人设¶
插件内置了 IT 术语发音字典，支持将 SQL、Nginx、Kubernetes 等技术术语转换为标准的语音读法。同时，它支持为不同的子代理（Subagent）分配独立的声音、语速和 SSML 风格，实现多角色对话。
Messenger 集成与语音导出¶
插件支持将语音合成集成到 Messenger（Telegram/Discord）网关中。此外，用户可以通过 exportAudioClip(text) 函数导出任意文本的语音片段为音频文件，并在 Web UI 的历史记录中直接下载。
安装与启用¶
由于官方未提供明确的 CLI 安装命令，建议通过以下方式手动安装：
- 通过目录或源码安装：将插件代码部署到 DSH 的插件目录中。
- 在设置中手动安装：在 DSH 的 Web UI 设置界面中找到插件管理，手动指定插件源进行安装。设置界面会提供实时的下载进度条和 SHA-256 校验。
- 检查依赖：安装前需确保已安装以下对等依赖（Peer Dependencies）：
@deepseek-ai/cordis@deepseek-ai/dsh-tools@deepseek-ai/dsh-credentials@deepseek-ai/dsh-host-webserver@deepseek-ai/dsh-settings@deepseek-ai/schemastery
典型用法¶
启用插件后，在设置中配置提供者回退链。例如，可以优先使用离线的 Piper 引擎，当其不可用时自动切换到 ElevenLabs 或其他云端 API。
在代码层面，可以通过调用 exportAudioClip(text) 方法将文本转换为音频流进行导出。如果需要启用语音交互（如 VAD 介入），则需额外安装 @goodandready/dsh-voice 插件。
注意事项¶
- 安全性：所有 API 密钥仅在 DSH 后端处理，不会发送到客户端浏览器，确保了凭证安全。
- 神经模型限制：Kokoro-82M 和 F5-TTS 目前仅提供权重下载，推理逻辑需单独配置运行时环境。
- 网络依赖：使用 Edge TTS 等本地引擎时通常需要系统级的 CLI 工具（如
edge-tts）或 Python 环境；使用云端 API 则需要网络连接。
总结¶
dsh-tts 为 DeepSeek Harness 提供了一套完整的 TTS 解决方案，兼顾了离线可用性和云端高性能。通过提供者回退链和实时流式传输，它能够无缝集成到现有的智能体工作流中，提升交互体验。更多细节可查阅 GitHub 仓库 或 插件目录。
