前言¶
在 DeepSeek Harness 的 Web 界面使用中，與智能體的交互通常依賴文本輸入。現有的語音插件往往只支持中文和英語，且在瀏覽器失去焦點時容易失效。dsh-kitt-voice 是一款爲 DSH 設計的客戶端插件，它通過一個始終置頂的懸浮窗口，允許用戶與智能體進行自然的語音對話，並實時反饋操作狀態。
插件定位¶
該插件由 kittcat-lab 維護，採用 MIT 許可證。它專注於提供口語對話體驗（而非單純的聽寫），並集成了 Silero 語音檢測器以有效區分語音與環境噪聲。
核心功能¶
-
語音交互與檢測
* 口語對話：按一次鍵開始說話，插件自動檢測停頓並結束錄音發送。
* 噪聲抑制：使用 Silero 檢測器區分語音與噪聲，避免在嘈雜環境下誤觸發。
* Push-to-Talk：支持點擊麥克風或按鍵說話，再次按鍵發送。 -
朗讀與反饋
* 實時朗讀：智能體回覆時，內容會逐句實時朗讀，無需等待完整回覆。
* 打斷功能：用戶可以隨時打斷正在進行的回覆。
* 單語音回覆：每次回覆使用一種固定的語音、引擎和語速，中途不切換。
* 狀態提示：提供實時狀態報告（偵聽、轉錄、 speaking），並在偵聽時發出聲音提示。 -
全局與多頁支持
* 全局熱鍵：支持設置全局熱鍵，在任意應用中都能與智能體對話。
* 多頁面路由：當 Harness 在多個頁面打開時，全局熱鍵會自動路由到正在使用語音的頁面或當前頁面。 -
語音資源與離線支持
* 神經語音：提供 104 種神經語音（45 種西班牙語，47 種英語，12 種中文）。
* Piper 離線：支持 Piper 離線語音引擎，可將語音文件指向本地文件夾。
* 設備選擇：支持選擇獨立的麥克風和聲音輸出設備。
* 語速調節：支持從半速到雙速調節，適用於所有引擎（系統語音、Piper、神經語音）。
安裝與啓用¶
安裝插件需要使用官方命令，安裝後必須完全重啓 Harness，僅重新加載頁面無法生效。
dsh plugin --profile web add dsh-kitt-voice
典型用法¶
- 按鍵對話：在 Composer 工具欄中點擊麥克風，或按下預設的快捷鍵，說話後再次按鍵發送。
- 全局控制：在伴侶窗口或設置中分配一個全局熱鍵，即使在使用其他應用時也能喚起智能體。
- 離線合成：在插件設置中指向本地 Piper 語音文件夾，可完全在本地進行語音合成。
- 速度調節：在伴侶窗口的菜單中調整閱讀速度，無需修改配置文件。
注意事項¶
- 數據傳輸：回覆的文本會離開本地機器，使用微軟的朗讀服務（除非使用 Piper）。
- 故障處理：如果所選的語音引擎在朗讀某次回覆時失敗，該回復的剩餘部分將使用內置語音，且狀態欄會提示具體錯誤。
- 重啓要求：安裝插件後必須完全重啓 Harness，而不僅僅是重新加載頁面。
- 英語音素：在使用 Piper 引擎時，英語單詞（如 JSON）會被重寫爲西班牙語發音規則，插件會自動進行修正。
- 界面語言：伴侶窗口的界面支持西班牙語、英語和簡體中文，與輸入語言獨立。
