前言¶

在使用 DeepSeek Harness（DSH）进行开发或交互时，给助手回复添加语音输出能提升体验。现有的方案往往依赖云端 API，存在隐私泄露或网络延迟风险。dsh-gpt-sovits 插件解决了这个问题，它将本地部署的 GPT-SoVITS 引擎接入 DSH Web GUI，实现完全离线的语音合成。

插件概览¶

该插件由 91koukou 维护，属于模型推理类插件。它利用 DeepSeek 的插件化架构，在 DSH Web GUI 中集成了 GPT-SoVITS 的语音合成能力。插件不附带任何模型权重、参考音频或音频样本，也不替你启动引擎，使用者需自行准备 GPT-SoVITS 引擎和音色权重。

核心功能¶

插件提供了以下核心能力：

• 播放控制

  • 逐条朗读（单信道抢占）：播放中再点即停，点别的回复直接切换。
  • 自动朗读（排队，不中断）：流式回复只读新增且到句号的部分，一句接一句念完。
  • 启动问候（预热引擎）：向空闲引擎请求问候语，识别到引擎工作即停止。
  • 新一轮取消上一轮：新一轮开始清空待播队列、作废飞行中的合成。
  • 切换会话即停播：切换会话时立即停止当前播放。

• 文本处理

  • 符号念成人话：将 cmd.exe 变「cmd点exe」，3-10 变「3到10」，3/4 变「4分之3」。
  • 单位不会念错：120km/h 变「120千米每小时」，100MB/s 变「100兆字节每秒」。
  • 停顿由标点决定：句号 340ms、逗号 150ms、省略号 460ms、段落 520ms。
  • 中文分句完整：。！？；… 及其连写为句末，段落为硬边界。
  • 只读该读的：过滤代码块、URL、哈希等，表格不念分隔线。

• 引擎与安全

  • 流式/总结分流：一句一请求（cut0）和打包切（cut5）。
  • 音频只在内存：不为每句话写 WAV 到硬盘，条数与字节双重上限。
  • 逐句语速与情感：语速、temperature、top-k、top-p 随每一句发出。
  • 音色预设：名称 + 参考音频 + 参考文本 + 参考语言，支持跳过模型重载。
  • 设置面板：含运行状况、内嵌引擎控制台、引擎地址、音色、语速等。
  • 只监听本机：所有路由拒绝非 loopback 来源。

安装与启用¶

1. 前置条件

   • 已部署好的 GPT-SoVITS（api_v2.py 能跑起来）。
   • 至少一对自己训练的 GPT（.ckpt）+ SoVITS（.pth）权重，以及一段参考音频。
   • DSH 桌面版或 Web 版。

2. 启动引擎
   插件只负责”说话”，不负责起引擎。在 GPT-SoVITS 目录下运行：

    cd <你的 GPT-SoVITS 目录>
    runtime\python.exe api_v2.py -a 127.0.0.1 -p 9880 -c GPT_SoVITS/configs/tts_infer.yaml

首次加载模型需要 12-30 秒。

3. 安装插件

    dsh plugin --profile desktop add github:91koukou/dsh-gpt-sovits

安装完成后刷新页面。

4. 配置
   打开 设置 → 语音朗读（GPT-SoVITS）。
   • 引擎地址：填 http://127.0.0.1:9880。
   • 音色预设：包含名称、参考音频路径、参考音频文本、参考语言。
   • 其他设置：语速、采样步数、音量等。

典型用法¶

• 安装指定版本：dsh plugin --profile desktop add github:91koukou/dsh-gpt-sovits#v0.3.0
• 卸载插件：dsh plugin --profile desktop remove dsh-gpt-sovits
• 离线自检：node scripts/selfcheck.mjs
• 集成测试：node scripts/integration.mjs

注意事项¶

• 无权重分发：本仓库不附带任何模型权重、参考音频或音频样本，也不替你启动引擎。
• 许可证范围：代码以 MIT 许可发布，但模型权重不在 MIT 许可覆盖范围内。
• 合规性：合成音频可能被误认为真人发声，建议对外分发时主动披露。仅可使用有权使用的声音，不得克隆公众人物声音。
• 独立性：与 DeepSeek、GPT-SoVITS 维护者无隶属关系，为第三方社区插件。

结语¶

dsh-gpt-sovits 为 DeepSeek Harness 提供了一套完整的本地化语音合成解决方案，适合需要高隐私性或离线运行场景的用户。相关文档与下载详见仓库链接。