DeepSeek Harness（DSH）語音朗讀插件 dsh-tts-flash

前言¶

DeepSeek Harness（DSH）採用插件化架構，支持在桌面端擴展功能。針對 LLM 回覆內容，閱讀長文本或調試時存在效率瓶頸。dsh-tts-flash 是一款爲 DSH 桌面端設計的 LLM 回覆語音朗讀插件，它利用流式輸出旁路，在 AI 邊生成回覆的同時，本地邊合成語音播放。

核心能力¶

該插件提供以下核心功能：

無損流式朗讀：AI 邊流式輸出，本地邊合成語音播放，隨讀隨停。支持中英日分句與短句合併，長回覆自動追趕。
多引擎支持：內置微軟 Edge TTS，同時支持 OpenAI 兼容的雲端 TTS 服務。
引擎即插即用：支持在設置面板手動添加，或通過 JSON 聲明文件自動加載。
等待期語音體系：AI 思考（等待生成）期間，浮條每 2.6~3.5 秒輪換趣味短語，實現文字與語音同步反饋。
語音設置面板：朗讀開關、語音模型、音量、語速、字幕字號等設置實時生效。
朗讀懸浮條：可拖動、位置記憶，支持流光字幕與單程滾動字幕。
持久化設置：運行時配置獨立保存，重啓或重裝後不丟失。

安裝¶

通過 npm 獲取包並構建：

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

獲取 .tgz 文件後，使用 DSH 的插件安裝流程註冊該文件。

引擎配置¶

插件提供兩種配置引擎的方式。

1. Edge TTS（默認）¶

無需額外配置，下拉選擇微軟音色即可使用。該服務依賴聯網。

2. OpenAI 兼容雲端 TTS¶

在設置面板的「雲端引擎」中填入 baseURL、API Key 和 模型 id 即可添加。模型 id 需與廠商文檔完全一致。

3. JSON 聲明文件¶

將 JSON 聲明文件放入 ~/.dsh/tts-flash/engines/ 目錄，插件啓動時會自動加載。

示例內容：

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

等待期語音¶

當 AI 開始生成回覆但尚未產出音頻時，浮條會輪換趣味短語並朗讀。語音文件緩存在 ~/.dsh/tts-flash/cache/thinking/ 目錄下。

短語池：內置 5 條趣味短語。
獨立模型：等待期語音可選擇獨立的發聲引擎（默認 Edge 小藝）。
操作：支持批量生成語音文件或清理緩存。

界面與設置¶

插件提供可視化的設置面板與懸浮條。

懸浮條¶

功能：純文字膠囊，支持拖動與位置記憶。
效果：長句顯示單程滾動字幕，滾動時長等於真實音頻時長。

設置面板¶

朗讀控制：實時開關朗讀。
語音參數：音量（0%~200%）、語速（Edge 服務端封頂 +100%）。
字幕樣式：流光效果、字號（10~30px）。
雲端引擎管理：添加、編輯音色描述、刪除引擎。
等待期語音管理：獨立引擎選擇與文件清理。

注意事項¶

自動播放攔截：瀏覽器可能攔截有聲自動播放，需先與 DSH 進行一次交互（發送消息）後，朗讀功能方可正常觸發。
Edge TTS 限制：該接口爲微軟未公開接口，無 SLA 保證，斷網不可用。
語速限制：Edge TTS 服務端語速封頂 +100%。
權限限制：桌面端 web server 僅放行 DSH 渲染進程的請求，外部訪問一律被拒絕。

總結¶

dsh-tts-flash 通過流式合成與多引擎支持，將 DSH 的文本輸出轉化爲實時語音。其等待期語音與懸浮條功能，提升了交互的趣味性與沉浸感。更多詳情可查看 GitHub 倉庫。