DeepSeek Harness 语音通话助手插件

前言¶

DeepSeek Harness (DSH) 采用插件化架构，生态由社区贡献。dsh-voice-call 是一款面向个人的语音通话助手插件，旨在解决 DSH 在原生语音交互上的空白。它通过自动创建专属工作区和会话，实现跨重启的持久化对话；通过悬浮球面板提供快捷入口；通过 FunASR 和云端 TTS 实现语音识别与合成；通过 voice_task 工具将子代理任务分发至独立会话执行，并跟踪进度。

核心功能¶

专属工作区与会话：安装并重启 DSH 后，Host 会自动创建专属工作区「语音通话」与专属会话 voice-call-main。该会话在 DSH 重启后依然延续，无需手动创建。
悬浮球通话面板：页面右下角提供悬浮球，支持拖拽。点击展开通话、任务、设置面板。重启后自动出现。
语音识别：支持 FunASR HTTP 模式。默认 URL 为 http://127.0.0.1:10095/v1/audio/transcriptions，模型为 fun-asr-nano。支持流式与云端 API。
语音回复：支持 MiniMax、MiMo-V2.5-TTS 和 OpenAI 兼容 TTS。支持语速调节、最大字数截断检测。
MiMo 导演模式：在 MiMo-V2.5-TTS 模式下，支持导演模式（关闭/固定剧本/每轮自动）。支持音色克隆（VoiceClone），无需注册 voice_id，样本以 DataURL 发送。
任务分发：主会话通过 voice_task 工具或面板分发任务至独立任务会话。任务完成后自动语音播报结果。
唤醒词模式：可配置唤醒词（默认「小鲸鱼」）和休眠时长（默认 8 秒）。建议配合本地 ASR 使用以降低延迟。

安装与启用¶

本插件提供持久化安装方式，无需手工编辑配置文件。安装命令如下：

dsh plugin --profile web add @biliye/dsh-voice-call

安装完成后，重启 DSH。在「设置 → 插件」中应能看到 dsh-voice-call。重启后，Host 会自动创建专属工作区「语音通话」和会话 voice-call-main。

配置与使用¶

配置语音识别：在悬浮球打开的设置页中，配置语音识别引擎。使用 FunASR 模式时，URL 填写 http://127.0.0.1:10095/v1/audio/transcriptions，模型填写 fun-asr-nano。
开始通话：点击悬浮球上的「▶ 开始通话」。直接说话，停顿约 1.2 秒，系统自动识别并发送。助手回复后自动语音朗读。
分发任务：在「任务」页或语音说出“帮我查一下…”时，系统会将任务分发给子代理执行。任务完成后会自动语音播报。
使用 MiMo 导演模式：
- 在设置页「语音回复（TTS）」中，将「TTS 模型」切换为 MiMo-V2.5-TTS。
- 填写 API Key（从 platform.xiaomimimo.com 控制台获取，无需 GroupId）。
- 选择音色（内置：冰糖/茉莉/苏打/白桦/Mia/Chloe/Milo/Dean）。
- 开启「导演模式」，可选择「关闭」、「固定剧本」或「每轮自动」。

注意事项¶

本地 ASR 建议：为了隐私和更可靠的唤醒，建议使用本地部署的 FunASR Server。
音色克隆规范：⚠ 只应克隆你本人或已获明确授权的声音。样本支持 mp3/wav，大小限制 10MB。
开发环境配置：如果在本地开发源码并使用 dsh plugin add . 安装，由于 nodeLinker: hoisted 配置，默认是拷贝式安装，修改源码后需重启才能生效。若需热重载，需将安装目录替换为 Junction，但需注意源码目录必须自带 node_modules，否则会导致宿主依赖解析失败。

生态背景¶

DSH 理念是“一切皆插件”，社区目录 skillhub.cn 提供插件收录与搜索。本文档基于已核实的事实编写，具体源码与更新请查看 GitHub 仓库。