前言¶
在 DeepSeek Harness 的 Web 界面使用中，与智能体的交互通常依赖文本输入。现有的语音插件往往只支持中文和英语，且在浏览器失去焦点时容易失效。dsh-kitt-voice 是一款为 DSH 设计的客户端插件，它通过一个始终置顶的悬浮窗口，允许用户与智能体进行自然的语音对话，并实时反馈操作状态。
插件定位¶
该插件由 kittcat-lab 维护，采用 MIT 许可证。它专注于提供口语对话体验（而非单纯的听写），并集成了 Silero 语音检测器以有效区分语音与环境噪声。
核心功能¶
-
语音交互与检测
* 口语对话：按一次键开始说话，插件自动检测停顿并结束录音发送。
* 噪声抑制：使用 Silero 检测器区分语音与噪声，避免在嘈杂环境下误触发。
* Push-to-Talk：支持点击麦克风或按键说话，再次按键发送。 -
朗读与反馈
* 实时朗读：智能体回复时，内容会逐句实时朗读，无需等待完整回复。
* 打断功能：用户可以随时打断正在进行的回复。
* 单语音回复：每次回复使用一种固定的语音、引擎和语速，中途不切换。
* 状态提示：提供实时状态报告（侦听、转录、 speaking），并在侦听时发出声音提示。 -
全局与多页支持
* 全局热键：支持设置全局热键，在任意应用中都能与智能体对话。
* 多页面路由：当 Harness 在多个页面打开时，全局热键会自动路由到正在使用语音的页面或当前页面。 -
语音资源与离线支持
* 神经语音：提供 104 种神经语音（45 种西班牙语，47 种英语，12 种中文）。
* Piper 离线：支持 Piper 离线语音引擎，可将语音文件指向本地文件夹。
* 设备选择：支持选择独立的麦克风和声音输出设备。
* 语速调节：支持从半速到双速调节，适用于所有引擎（系统语音、Piper、神经语音）。
安装与启用¶
安装插件需要使用官方命令，安装后必须完全重启 Harness，仅重新加载页面无法生效。
dsh plugin --profile web add dsh-kitt-voice
典型用法¶
- 按键对话：在 Composer 工具栏中点击麦克风，或按下预设的快捷键，说话后再次按键发送。
- 全局控制：在伴侣窗口或设置中分配一个全局热键，即使在使用其他应用时也能唤起智能体。
- 离线合成：在插件设置中指向本地 Piper 语音文件夹，可完全在本地进行语音合成。
- 速度调节：在伴侣窗口的菜单中调整阅读速度，无需修改配置文件。
注意事项¶
- 数据传输：回复的文本会离开本地机器，使用微软的朗读服务（除非使用 Piper）。
- 故障处理：如果所选的语音引擎在朗读某次回复时失败，该回复的剩余部分将使用内置语音，且状态栏会提示具体错误。
- 重启要求：安装插件后必须完全重启 Harness，而不仅仅是重新加载页面。
- 英语音素：在使用 Piper 引擎时，英语单词（如 JSON）会被重写为西班牙语发音规则，插件会自动进行修正。
- 界面语言：伴侣窗口的界面支持西班牙语、英语和简体中文，与输入语言独立。
