dsh-speech：DeepSeek Harness 语音服务插件

前言¶

DeepSeek Harness (DSH) 官方宿主不包含语音处理能力（仅支持 LLM chat 模态和图片附件）。开发者在构建需要语音输入、输出或实时转录的智能体时，往往需要自行集成 ASR（语音识别）和 TTS（语音合成）服务。dsh-speech 插件通过 DSH 的扩展点注册独立的 HTTP/WS 语音服务路由，为宿主提供 Token 门控的语音转写与合成能力，无需修改 DSH 源码。

它是什么¶

dsh-speech 是 DeepSeek Harness 的语音能力插件，由 agent-mobile 维护，许可证为 MIT。它通过 /s/api 和 /s/ws 路由家族，向客户端提供音频转录（ASR）与合成（TTS）服务，支持多种云厂商及本地服务。

核心功能¶

• 多提供商支持：支持 dashscope、openai-compatible、local-relay、streaming-ws 四类适配器。
• 阿里云百炼原生协议：支持批量识别/合成及句级实时转录。
• 云端厂商通用：兼容 OpenAI、Groq、SiliconFlow、Fireworks 等接口。
• 本地服务直连：支持 SenseVoice 和 CosyVoice2。
• 实时转录：支持云端流式与本地 VAD（语音活动检测）。
• 云端合成：支持讯飞 TTS。
• 灵活混搭：ASR、TTS、实时转录的选择器可独立配置。
• 模型管理：内置拉取平台最新模型按钮。
• 密钥安全：支持内联填写或环境变量引用。

安装与启用¶

使用官方安装命令添加插件。首次安装时，pnpm 可能会询问是否允许构建本包，请根据提示放行。

dsh plugin --profile web add github:agent-mobile/dsh-speech

安装后，启动 dsh web，配置项随宿主启动自动生效。

典型用法¶

安装插件并启动宿主后，可进行以下配置：
1. 配置 Groq、硅基流动等云端厂商作为 ASR/TTS 后端。
2. 配置本地 SenseVoice/CosyVoice2 服务。
3. 配置 Deepgram 流式实时转录。

适用场景与注意¶

• 适用场景：私有化语音 API 部署、多云厂商切换、本地离线语音处理。
• 注意事项：
  • 桌面入口插件带一个浏览器半区，可通过配置 uiEntry: false 隐藏该标签页。
  • 端口绑定由 mobile-gateway 负责（绑定 0.0.0.0）。
  • Token 必填，其余配置项有默认值。
  • 百炼实时转录不支持说话人分离（仅 local-relay 提供）。
  • 插件以当前 dsh 进程权限运行，请检查源码与许可证。