dsh-voice-chat：DeepSeek Harness 的语音对话插件

前言¶

DeepSeek Harness（DSH）采用插件化架构，允许开发者扩展功能。在 Web GUI 环境下，用户往往需要更自然的交互方式，而非依赖键盘打字。dsh-voice-chat 插件解决了这一问题，它让用户可以通过语音输入指令，并直接听到 AI 的语音回复。

插件概述¶

这是一个豆包式语音对话插件，由 maoyuching 维护。它将语音输入（ASR）与语音输出（TTS）集成到 DSH Web GUI 中，实现“点一下说话，AI 用语音汇报”的闭环体验。

核心功能¶

语音输入
点击麦克风按钮（🎤）开始录音，听到“叮”提示音后说话。说话结束后停顿 2.5 秒，系统会听到“咚”提示音并自动结束录音，随后将转写后的文本发送给 AI。
语音输出
AI 回复后，系统会自动调用 TTS 引擎进行合成朗读，语速默认增加 10%。
引擎支持
- ASR 引擎：支持 SiliconFlow（SenseVoice，国内免费）、Groq（Whisper）、小米 MiMo（chat/completions 协议）以及自定义的 OpenAI 兼容端点。
- TTS 引擎：支持 Edge TTS（微软免费，无需额外运行时）、小米 MiMo TTS 以及自定义 TTS。
配置隔离
ASR 和 TTS 的配置互不干扰。每个引擎各自保存一份 Base URL、模型、API Key 和音色。切换引擎时，配置不会互相覆盖。
播报控制
- 单信道播报：同一时刻只播放一个声音。新回复发出时会抢占并中断旧的播报，也可通过快捷键或界面按钮立即打断。
- 防重播：系统会记录会话中已播报的回复内容，重新进入会话时不会重复朗读。
- 静音开关：播报过程中点击静音按钮可立即静音，再次点击恢复自动朗读。

安装与启用¶

安装该插件需要已安装并运行 DeepSeek Harness（dsh）Web GUI。

执行以下命令安装插件：

dsh plugin --profile web add dsh-voice-chat

安装完成后，重启 dsh web 使配置生效。

使用与配置¶

快捷键与入口¶

切换麦克风：使用 Ctrl+Shift+Space 快捷键（备用 Ctrl+M / Ctrl+Shift+M）。
设置入口：在 DSH 设置弹窗（左下角齿轮图标）的左侧点击「voice chat」类目进行配置。

配置文件¶

除了在设置面板修改，也可以在 profile 的配置文件中覆盖设置。文件路径通常为 ~/.dsh/profiles/web/cordis.patch.yml。修改后需重启 dsh web 生效。

配置优先级：设置面板 > cordis.patch.yml（按引擎 > 旧式扁平键）> 环境变量 > 默认值。

- id: dsh-voice-chat
  name: 'dsh-voice-chat'
  config:
    asrEngine: siliconflow          # 选择 ASR 引擎
    asrApiKey: sk-xxxx              # ASR 密钥
    asrBaseUrl: https://api.siliconflow.cn/v1
    asrModel: FunAudioLLM/SenseVoiceSmall
    silenceMs: 2500
    ttsEngine: edge                 # 选择 TTS 引擎
    voice: zh-CN-XiaoxiaoNeural     # 音色
    rate: '+10%'                    # 语速调整

环境要求¶

宿主环境：需要 Node.js ≥ 22（宿主与浏览器端均需要）。
运行环境：需已安装并运行 dsh web。
浏览器：推荐 Chrome 或 Edge 浏览器（需要支持 MediaRecorder 录音 API）。
API 密钥：使用 SiliconFlow 时注册即有免费额度；使用 MiMo 时需按用量计费。

结语¶

dsh-voice-chat 通过集成 ASR 和 TTS 能力，简化了 DSH Web 环境下的交互流程。其配置隔离机制保证了多引擎切换的灵活性，适合需要在本地运行、追求语音交互体验的开发者使用。

GitHub: https://github.com/maoyuching/dsh-voice-chat