dsh-voice-chat：DeepSeek Harness 的語音對話插件

前言¶

DeepSeek Harness（DSH）採用插件化架構，允許開發者擴展功能。在 Web GUI 環境下，用戶往往需要更自然的交互方式，而非依賴鍵盤打字。dsh-voice-chat 插件解決了這一問題，它讓用戶可以通過語音輸入指令，並直接聽到 AI 的語音回覆。

插件概述¶

這是一個豆包式語音對話插件，由 maoyuching 維護。它將語音輸入（ASR）與語音輸出（TTS）集成到 DSH Web GUI 中，實現“點一下說話，AI 用語音彙報”的閉環體驗。

核心功能¶

語音輸入
點擊麥克風按鈕（🎤）開始錄音，聽到“叮”提示音後說話。說話結束後停頓 2.5 秒，系統會聽到“咚”提示音並自動結束錄音，隨後將轉寫後的文本發送給 AI。
語音輸出
AI 回覆後，系統會自動調用 TTS 引擎進行合成朗讀，語速默認增加 10%。
引擎支持
- ASR 引擎：支持 SiliconFlow（SenseVoice，國內免費）、Groq（Whisper）、小米 MiMo（chat/completions 協議）以及自定義的 OpenAI 兼容端點。
- TTS 引擎：支持 Edge TTS（微軟免費，無需額外運行時）、小米 MiMo TTS 以及自定義 TTS。
配置隔離
ASR 和 TTS 的配置互不干擾。每個引擎各自保存一份 Base URL、模型、API Key 和音色。切換引擎時，配置不會互相覆蓋。
播報控制
- 單信道播報：同一時刻只播放一個聲音。新回覆發出時會搶佔並中斷舊的播報，也可通過快捷鍵或界面按鈕立即打斷。
- 防重播：系統會記錄會話中已播報的回覆內容，重新進入會話時不會重複朗讀。
- 靜音開關：播報過程中點擊靜音按鈕可立即靜音，再次點擊恢復自動朗讀。

安裝與啓用¶

安裝該插件需要已安裝並運行 DeepSeek Harness（dsh）Web GUI。

執行以下命令安裝插件：

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

安裝完成後，重啓 dsh web 使配置生效。

使用與配置¶

快捷鍵與入口¶

切換麥克風：使用 Ctrl+Shift+Space 快捷鍵（備用 Ctrl+M / Ctrl+Shift+M）。
設置入口：在 DSH 設置彈窗（左下角齒輪圖標）的左側點擊「voice chat」類目進行配置。

配置文件¶

除了在設置面板修改，也可以在 profile 的配置文件中覆蓋設置。文件路徑通常爲 ~/.dsh/profiles/web/cordis.patch.yml。修改後需重啓 dsh web 生效。

配置優先級：設置面板 > cordis.patch.yml（按引擎 > 舊式扁平鍵）> 環境變量 > 默認值。

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

環境要求¶

宿主環境：需要 Node.js ≥ 22（宿主與瀏覽器端均需要）。
運行環境：需已安裝並運行 dsh web。
瀏覽器：推薦 Chrome 或 Edge 瀏覽器（需要支持 MediaRecorder 錄音 API）。
API 密鑰：使用 SiliconFlow 時註冊即有免費額度；使用 MiMo 時需按用量計費。

結語¶

dsh-voice-chat 通過集成 ASR 和 TTS 能力，簡化了 DSH Web 環境下的交互流程。其配置隔離機制保證了多引擎切換的靈活性，適合需要在本地運行、追求語音交互體驗的開發者使用。

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