前言¶
DeepSeek Harness (DSH) Desktop 旨在通过插件化架构扩展智能体的能力。在开发或使用过程中，开发者往往需要时刻盯着屏幕来确认模型的思考过程、执行状态或结果输出。dsh-voice-mini 是一个为此设计的语音反馈插件，它让助手通过 TTS 技术“说话”，而不是机械地朗读长文本，帮助用户通过听觉来跟踪任务进度和决策点。
这是什么¶
dsh-voice-mini 是 DeepSeek Harness 的语音反馈插件，由 CroissanTTs 维护。它解决了“如何让智能体主动告知用户当前状态”的问题。通过内置的 speak 工具和模板播报机制，插件支持模型决定说什么、状态播报以及原生 macOS 悬浮宠物等功能，提供从云端到本地的多种 TTS 后端支持。
核心功能¶
插件通过以下机制实现语音交互：
-
三种说话模式
- speak tool：由模型自主决定要说的内容（如结果、进度），以自然语言呈现，而非读出完整回复。
- readReplies：逐字朗读助手的消息（默认关闭），与
speak模式互斥。 - Verbalizer：在对话轮次结束后，轻量级 LLM 将回复重写为带情感色彩的单句（如“好消息，测试全过了”），支持流式生成。
-
状态广播
- 针对审批、提问、轮次开始/结束、待办事项等事件提供模板化播报。
- 包含针对异常结束（中断、阻塞、错误等）的专用短语。
-
会话语音
- 每个会话根据 FNV-1a 哈希自动分配一个独特的语音，并在速率上增加 ±6% 的抖动，无需手动选音。
-
听觉辅助
- Chimes：系统通知风格的提示音（如 macOS 玻璃音），在语音前播放。
- 监控面板：提供 Token 消耗、延迟、系统统计的 SVG 折线图视图。
- Native macOS Floating Pet：macOS 原生悬浮窗口，展示当前 utterance 和待处理事项。
-
TTS 后端
- 支持 edge（默认，云端，中英）、kokoro（本地，仅英文）、say（macOS 离线）、fake（测试）四种后端。
安装与启用¶
安装过程涉及构建和配置链接：
- 构建插件
在插件目录下执行构建命令：
npm run build
这将生成 `lib/client.js` 和必要的配置文件。
- 构建原生宠物（可选，仅 macOS）
如果需要使用原生悬浮宠物功能，需要使用 Swift 构建：
DEVELOPER_DIR=/Library/Developer/CommandLineTools swift build --package-path pet -c release
- 链接到 DSH 配置
在 DSH 的package.json中添加依赖并指定入口：- 在
dependencies中添加link:依赖项。 - 在
bundle中指定entry指向./cordis.patch.yml。 - 重启 DSH Desktop。
- 在
典型用法¶
插件通过预设和配置实现不同场景的语音反馈：
-
配置预设
通过设置面板或 API 配置三种预设：- 即时：语音速率 +18%，播报每一步。
- 默认：速率 0%，仅在交付结果或遇到阻塞时播报。
- 少量：速率 -5%，音量 -30，仅播报审批和提问，助手保持静音（仅播放提示音）。
-
处理阻塞事件
模型无法继续执行时（如需要用户输入），使用模板播报提示用户，避免模型等待时无声音。 -
切换语言
插件支持全流程的 zh/en 国际化切换。UI 文本、播报短语和 Verbalizer 提示词均受 locale 控制，可在设置面板中手动覆盖自动检测的浏览器语言。 -
验证功能
使用测试脚本验证 TTS 和路由功能：
npm test
适用场景与注意¶
该插件适合需要多任务处理、依赖听觉监控任务进度的开发者或用户。
- 网络依赖：使用
edge后端需要互联网连接；kokoro为本地推理但仅支持英文。 - 模式互斥：
readReplies和speak模式不能同时开启。 - 系统要求：原生悬浮宠物功能需要 macOS 环境且能成功编译 Swift 代码。
- 权限与安全：插件以 DSH 进程权限运行，安装前请检查源码与许可证（MIT）。
结语¶
dsh-voice-mini 通过将模型决策与状态模板分离，为 DeepSeek Harness 提供了灵活的听觉反馈层。无论是通过云端 TTS 还是本地离线方案，它都能让智能体的交互从屏幕延伸到听觉，提升使用体验。
