前言¶

DeepSeek Harness (DSH) 依托插件化架构，能够通过扩展为智能体应用接入各种能力。语音朗读是提升交互体验的重要一环。dsh-gsv-tts 是为 DSH 打造的语音朗读插件，支持双模式：Edge 云端零配置快速体验和 GSV 本地离线音色克隆。

核心功能¶

该插件主要解决 DSH 环境下的语音合成需求，具备以下能力：

1. 双模式语音合成

   • Edge 云端模式：零配置，装上即用。利用微软精选音色（20+ 种），联网即可朗读，响应通常在 1 秒以内。
   • GSV 本地模式：完全离线运行。支持按参考音频克隆目标音色，适合需要隐私保护或无网络环境的场景。首次启动引擎加载模型约需 15~90 秒。

2. 交互控制

   • 一键朗读：每条助手消息旁有 🔊 按钮，点击即可朗读。该功能会自动排除“思考”内容，仅朗读回复文本。
   • 自动朗读：开启后自动朗读助手回复。新回复默认打断当前朗读（barge-in），防止声音叠加，也可在设置中关闭打断功能。

3. 管理与配置

   • 模式切换：设置面板支持一键在“快速体验”和“本地专业”模式间切换，配置实时生效。
   • 声音设置面板：提供可视化配置界面，保存即热生效。支持对单个音色或全部音色进行试听。
   • 音色市场：支持从内置清单或自定义远端清单一键下载并注入音色。内置可信源免二次确认，远端源需确认来源与许可。

4. 引擎与资源管理

   • 引擎一键启停：本地 GSV 引擎支持一键启动与停止。
   • 引擎一键安装：提供自动安装脚本，支持检测 Python 环境并部署 GSV-TTS-Lite 引擎。
   • 同源音频短链接：合成后的音频落盘，并生成同源短链接返回，避免撑爆模型上下文。

安装与启用¶

使用 DSH 的命令行工具安装插件。以下命令以 web profile 为例，桌面应用通常使用 desktop profile，需将命令中的 web 替换。

dsh plugin --profile web add dsh-gsv-tts

安装完成后重启 DSH，插件工具将自动注册到 Agent，并在设置中新增“声音设置”选项。

典型用法¶

快速体验模式（Edge）¶

1. 安装并重启 DSH。
2. 打开 设置 → 声音设置。
3. 在 TTS 模式中选择“快速体验（Edge）”。
4. 从音色下拉框选择一个云端音色（如晓晓、云希等）。
5. 点击任意助手消息旁的 🔊 按钮，即可听到声音。

本地专业模式（GSV）¶

1. 安装并重启 DSH。
2. 打开 设置 → 声音设置，将 TTS 模式切换为“本地专业（GSV）”。
3. 在设置面板中打开“引擎开关”，等待状态变为“运行中”。
4. 添加音色预设，或从“音色市场”下载音色。
5. 点击消息旁的 🔊 按钮，或让 Agent 调用 tts_speak 工具进行朗读。

注意事项¶

1. 网络依赖：Edge 模式需联网，若云端服务不可用，面板会提示并引导切换至 GSV 模式。
2. 本地环境：GSV 本地模式需要 Python 3.10+ 环境，且首次启动需下载模型，加载时间约 15~90 秒。
3. 权限与安全：音色市场远端清单安装需二次确认来源与许可。市场安装的音色在面板中为只读（仅可卸载）。
4. 配置字段：配置中的 quotaDaily 字段为预留引导字段（默认 null 表示不限量），硬配额待后续版本更新。
5. 源码审查：插件基于 MIT 许可证开源，安装前建议检查源码与许可证，确保符合环境安全要求。