前言¶
DeepSeek Harness（DSH）采用“一切皆插件”的理念，允许用户在 Web 界面中扩展功能。对于习惯语音交互、或者需要在多任务处理时保持双手空闲的开发者，打字输入往往不是最高效的方式。dsh-voice-talk 插件解决了这一问题，它提供了一个全屏的语音通话层，让用户可以通过麦克风直接与 AI 对话，实现边说边听、边生成边朗读的闭环体验。
核心能力¶
该插件主要提供以下能力：
1. 全屏通话模式：点击麦克风图标进入全屏通话层，界面中英双语，自动适配明暗主题。
2. 流式交互：支持语音输入，AI 生成回复的同时进行朗读。
3. 语音调节：支持语速调节与音色切换，默认使用系统语音。
4. 安全性：密钥仅存本机，绝不上传，浏览器无法直接接触密钥，语音请求由宿主代理转发。
5. 开源：采用 MIT 许可证。
安装与前置要求¶
安装前需确保宿主环境符合要求。
前置要求
* DeepSeek Harness Web Profile 版本：0.1.0-rc.7+（0.1.0-rc.x 与 0.1.5-rc.x 两代宿主线均已适配）。
* 浏览器：Chrome 或 Edge。
* 网络环境：需网络连接。
安装步骤
1. 打开终端，执行安装命令：
dsh plugin --profile web add dsh-voice-talk
- 安装完成后重启 Web 进程。
dsh web
配置与使用¶
插件安装后需要进行配置才能正常使用。
1. 配置语音识别
语音识别需要调用云端引擎。用户需在阿里云百炼申请 API Key，并在 DSH 中配置。
* 登录阿里云百炼控制台申请 API Key。
* 在 DSH 界面中进入 设置 → 插件 → 语音对话。
* 将申请到的 API Key 填入“千问设置”中。模型和地址已内置，充值后即可使用。
2. 配置语音合成
* 默认模式：使用系统语音，免费。
* 自然音色：若需更自然的音色，可切换到千问语音，按量计费（约 1 元 / 万字符）。
3. 使用方法
1. 在对话页或工作台的输入框旁找到麦克风图标。
2. 点击图标进入全屏通话层，直接说话。
3. AI 回复会自动生成并朗读。
4. 通话中可以静音或收起。
5. 退出通话层：点击红色挂机键或按 Esc 键。
配置项¶
设置页中的配置为持久默认设置，仅对本次通话生效的设置在通话层中调整。
| 配置项 | 说明 | 默认值 |
|---|---|---|
| 说话打断播报 | 说话时是否打断正在播报的内容（建议戴耳机） | 关 |
| 停顿多久自动发送（秒） | 说完话停顿多久自动提交给 AI | 2 |
| 声纹效果 | 通话层波形样式：律动 / 波纹 | 波纹 |
| 语速 | 播报语速 | 1.0x |
注意事项¶
- 浏览器兼容性：目前支持 Chrome 和 Edge 浏览器。
- 权限要求：使用前需授予麦克风权限。
- 密钥安全：插件遵循最小权限原则，密钥仅存储在本地，由宿主代理转发请求，浏览器端无权访问密钥。
- 版本依赖：务必使用 0.1.0-rc.7 及以上的 Web Profile 版本。
- 反馈渠道：如遇问题，可通过 GitHub 提交 Issue 或在插件市场卡片下留言。
总结¶
dsh-voice-talk 通过全屏语音通话模式，将 DSH Web 界面从单纯的打字工具转变为多模态交互终端。它结合了系统语音的免费便利与千问语音的自然体验，适合需要解放双手、快速进行语音交互的开发场景。
