dsh-speech：DeepSeek Harness 語音服務插件

前言¶

DeepSeek Harness (DSH) 官方宿主不包含語音處理能力（僅支持 LLM chat 模態和圖片附件）。開發者在構建需要語音輸入、輸出或實時轉錄的智能體時，往往需要自行集成 ASR（語音識別）和 TTS（語音合成）服務。dsh-speech 插件通過 DSH 的擴展點註冊獨立的 HTTP/WS 語音服務路由，爲宿主提供 Token 門控的語音轉寫與合成能力，無需修改 DSH 源碼。

它是什麼¶

dsh-speech 是 DeepSeek Harness 的語音能力插件，由 agent-mobile 維護，許可證爲 MIT。它通過 /s/api 和 /s/ws 路由家族，向客戶端提供音頻轉錄（ASR）與合成（TTS）服務，支持多種雲廠商及本地服務。

核心功能¶

• 多提供商支持：支持 dashscope、openai-compatible、local-relay、streaming-ws 四類適配器。
• 阿里雲百鍊原生協議：支持批量識別/合成及句級實時轉錄。
• 雲端廠商通用：兼容 OpenAI、Groq、SiliconFlow、Fireworks 等接口。
• 本地服務直連：支持 SenseVoice 和 CosyVoice2。
• 實時轉錄：支持雲端流式與本地 VAD（語音活動檢測）。
• 雲端合成：支持訊飛 TTS。
• 靈活混搭：ASR、TTS、實時轉錄的選擇器可獨立配置。
• 模型管理：內置拉取平臺最新模型按鈕。
• 密鑰安全：支持內聯填寫或環境變量引用。

安裝與啓用¶

使用官方安裝命令添加插件。首次安裝時，pnpm 可能會詢問是否允許構建本包，請根據提示放行。

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

安裝後，啓動 dsh web，配置項隨宿主啓動自動生效。

典型用法¶

安裝插件並啓動宿主後，可進行以下配置：
1. 配置 Groq、硅基流動等雲端廠商作爲 ASR/TTS 後端。
2. 配置本地 SenseVoice/CosyVoice2 服務。
3. 配置 Deepgram 流式實時轉錄。

適用場景與注意¶

• 適用場景：私有化語音 API 部署、多雲廠商切換、本地離線語音處理。
• 注意事項：
  • 桌面入口插件帶一個瀏覽器半區，可通過配置 uiEntry: false 隱藏該標籤頁。
  • 端口綁定由 mobile-gateway 負責（綁定 0.0.0.0）。
  • Token 必填，其餘配置項有默認值。
  • 百鍊實時轉錄不支持說話人分離（僅 local-relay 提供）。
  • 插件以當前 dsh 進程權限運行，請檢查源碼與許可證。