DeepSeek Harness（DSH）语音朗读插件 dsh-tts-flash

前言¶

DeepSeek Harness（DSH）采用插件化架构，支持在桌面端扩展功能。针对 LLM 回复内容，阅读长文本或调试时存在效率瓶颈。dsh-tts-flash 是一款为 DSH 桌面端设计的 LLM 回复语音朗读插件，它利用流式输出旁路，在 AI 边生成回复的同时，本地边合成语音播放。

核心能力¶

该插件提供以下核心功能：

无损流式朗读：AI 边流式输出，本地边合成语音播放，随读随停。支持中英日分句与短句合并，长回复自动追赶。
多引擎支持：内置微软 Edge TTS，同时支持 OpenAI 兼容的云端 TTS 服务。
引擎即插即用：支持在设置面板手动添加，或通过 JSON 声明文件自动加载。
等待期语音体系：AI 思考（等待生成）期间，浮条每 2.6~3.5 秒轮换趣味短语，实现文字与语音同步反馈。
语音设置面板：朗读开关、语音模型、音量、语速、字幕字号等设置实时生效。
朗读悬浮条：可拖动、位置记忆，支持流光字幕与单程滚动字幕。
持久化设置：运行时配置独立保存，重启或重装后不丢失。

安装¶

通过 npm 获取包并构建：

npm pack
# 生成文件：dsh-tts-flash-0.1.0.tgz

获取 .tgz 文件后，使用 DSH 的插件安装流程注册该文件。

引擎配置¶

插件提供两种配置引擎的方式。

1. Edge TTS（默认）¶

无需额外配置，下拉选择微软音色即可使用。该服务依赖联网。

2. OpenAI 兼容云端 TTS¶

在设置面板的「云端引擎」中填入 baseURL、API Key 和 模型 id 即可添加。模型 id 需与厂商文档完全一致。

3. JSON 声明文件¶

将 JSON 声明文件放入 ~/.dsh/tts-flash/engines/ 目录，插件启动时会自动加载。

示例内容：

{
  "id": "my-engine",
  "label": "我的引擎",
  "kind": "openai",
  "url": "https://api.example.com/v1",
  "apiKey": "sk-...",
  "model": "tts-model-id",
  "stylePrompt": "可选：音色描述/风格指令"
}

等待期语音¶

当 AI 开始生成回复但尚未产出音频时，浮条会轮换趣味短语并朗读。语音文件缓存在 ~/.dsh/tts-flash/cache/thinking/ 目录下。

短语池：内置 5 条趣味短语。
独立模型：等待期语音可选择独立的发声引擎（默认 Edge 小艺）。
操作：支持批量生成语音文件或清理缓存。

界面与设置¶

插件提供可视化的设置面板与悬浮条。

悬浮条¶

功能：纯文字胶囊，支持拖动与位置记忆。
效果：长句显示单程滚动字幕，滚动时长等于真实音频时长。

设置面板¶

朗读控制：实时开关朗读。
语音参数：音量（0%~200%）、语速（Edge 服务端封顶 +100%）。
字幕样式：流光效果、字号（10~30px）。
云端引擎管理：添加、编辑音色描述、删除引擎。
等待期语音管理：独立引擎选择与文件清理。

注意事项¶

自动播放拦截：浏览器可能拦截有声自动播放，需先与 DSH 进行一次交互（发送消息）后，朗读功能方可正常触发。
Edge TTS 限制：该接口为微软未公开接口，无 SLA 保证，断网不可用。
语速限制：Edge TTS 服务端语速封顶 +100%。
权限限制：桌面端 web server 仅放行 DSH 渲染进程的请求，外部访问一律被拒绝。

总结¶

dsh-tts-flash 通过流式合成与多引擎支持，将 DSH 的文本输出转化为实时语音。其等待期语音与悬浮条功能，提升了交互的趣味性与沉浸感。更多详情可查看 GitHub 仓库。