前言¶
DeepSeek Harness (DSH) Desktop 旨在通過插件化架構擴展智能體的能力。在開發或使用過程中，開發者往往需要時刻盯着屏幕來確認模型的思考過程、執行狀態或結果輸出。dsh-voice-mini 是一個爲此設計的語音反饋插件，它讓助手通過 TTS 技術“說話”，而不是機械地朗讀長文本，幫助用戶通過聽覺來跟蹤任務進度和決策點。
這是什麼¶
dsh-voice-mini 是 DeepSeek Harness 的語音反饋插件，由 CroissanTTs 維護。它解決了“如何讓智能體主動告知用戶當前狀態”的問題。通過內置的 speak 工具和模板播報機制，插件支持模型決定說什麼、狀態播報以及原生 macOS 懸浮寵物等功能，提供從雲端到本地的多種 TTS 後端支持。
核心功能¶
插件通過以下機制實現語音交互：
-
三種說話模式
- speak tool：由模型自主決定要說的內容（如結果、進度），以自然語言呈現，而非讀出完整回覆。
- readReplies：逐字朗讀助手的消息（默認關閉），與
speak模式互斥。 - Verbalizer：在對話輪次結束後，輕量級 LLM 將回復重寫爲帶情感色彩的單句（如“好消息，測試全過了”），支持流式生成。
-
狀態廣播
- 針對審批、提問、輪次開始/結束、待辦事項等事件提供模板化播報。
- 包含針對異常結束（中斷、阻塞、錯誤等）的專用短語。
-
會話語音
- 每個會話根據 FNV-1a 哈希自動分配一個獨特的語音，並在速率上增加 ±6% 的抖動，無需手動選音。
-
聽覺輔助
- Chimes：系統通知風格的提示音（如 macOS 玻璃音），在語音前播放。
- 監控面板：提供 Token 消耗、延遲、系統統計的 SVG 折線圖視圖。
- Native macOS Floating Pet：macOS 原生懸浮窗口，展示當前 utterance 和待處理事項。
-
TTS 後端
- 支持 edge（默認，雲端，中英）、kokoro（本地，僅英文）、say（macOS 離線）、fake（測試）四種後端。
安裝與啓用¶
安裝過程涉及構建和配置鏈接：
- 構建插件
在插件目錄下執行構建命令：
npm run build
這將生成 `lib/client.js` 和必要的配置文件。
- 構建原生寵物（可選，僅 macOS）
如果需要使用原生懸浮寵物功能，需要使用 Swift 構建：
DEVELOPER_DIR=/Library/Developer/CommandLineTools swift build --package-path pet -c release
- 鏈接到 DSH 配置
在 DSH 的package.json中添加依賴並指定入口：- 在
dependencies中添加link:依賴項。 - 在
bundle中指定entry指向./cordis.patch.yml。 - 重啓 DSH Desktop。
- 在
典型用法¶
插件通過預設和配置實現不同場景的語音反饋：
-
配置預設
通過設置面板或 API 配置三種預設：- 即時：語音速率 +18%，播報每一步。
- 默認：速率 0%，僅在交付結果或遇到阻塞時播報。
- 少量：速率 -5%，音量 -30，僅播報審批和提問，助手保持靜音（僅播放提示音）。
-
處理阻塞事件
模型無法繼續執行時（如需要用戶輸入），使用模板播報提示用戶，避免模型等待時無聲音。 -
切換語言
插件支持全流程的 zh/en 國際化切換。UI 文本、播報短語和 Verbalizer 提示詞均受 locale 控制，可在設置面板中手動覆蓋自動檢測的瀏覽器語言。 -
驗證功能
使用測試腳本驗證 TTS 和路由功能：
npm test
適用場景與注意¶
該插件適合需要多任務處理、依賴聽覺監控任務進度的開發者或用戶。
- 網絡依賴：使用
edge後端需要互聯網連接；kokoro爲本地推理但僅支持英文。 - 模式互斥：
readReplies和speak模式不能同時開啓。 - 系統要求：原生懸浮寵物功能需要 macOS 環境且能成功編譯 Swift 代碼。
- 權限與安全：插件以 DSH 進程權限運行，安裝前請檢查源碼與許可證（MIT）。
結語¶
dsh-voice-mini 通過將模型決策與狀態模板分離，爲 DeepSeek Harness 提供了靈活的聽覺反饋層。無論是通過雲端 TTS 還是本地離線方案，它都能讓智能體的交互從屏幕延伸到聽覺，提升使用體驗。
