前言¶
在使用 DeepSeek Harness（DSH）進行開發或交互時，給助手回覆添加語音輸出能提升體驗。現有的方案往往依賴雲端 API，存在隱私泄露或網絡延遲風險。dsh-gpt-sovits 插件解決了這個問題，它將本地部署的 GPT-SoVITS 引擎接入 DSH Web GUI，實現完全離線的語音合成。
插件概覽¶
該插件由 91koukou 維護，屬於模型推理類插件。它利用 DeepSeek 的插件化架構，在 DSH Web GUI 中集成了 GPT-SoVITS 的語音合成能力。插件不附帶任何模型權重、參考音頻或音頻樣本，也不替你啓動引擎，使用者需自行準備 GPT-SoVITS 引擎和音色權重。
核心功能¶
插件提供了以下核心能力：
-
播放控制
- 逐條朗讀（單信道搶佔）：播放中再點即停，點別的回覆直接切換。
- 自動朗讀（排隊，不中斷）：流式回覆只讀新增且到句號的部分，一句接一句唸完。
- 啓動問候（預熱引擎）：向空閒引擎請求問候語，識別到引擎工作即停止。
- 新一輪取消上一輪：新一輪開始清空待播隊列、作廢飛行中的合成。
- 切換會話即停播：切換會話時立即停止當前播放。
-
文本處理
- 符號念成人話：將
cmd.exe變「cmd點exe」，3-10變「3到10」，3/4變「4分之3」。 - 單位不會念錯：
120km/h變「120千米每小時」，100MB/s變「100兆字節每秒」。 - 停頓由標點決定：句號 340ms、逗號 150ms、省略號 460ms、段落 520ms。
- 中文分句完整：
。！？；…及其連寫爲句末，段落爲硬邊界。 - 只讀該讀的：過濾代碼塊、URL、哈希等，表格不念分隔線。
- 符號念成人話：將
-
引擎與安全
- 流式/總結分流：一句一請求（
cut0）和打包切（cut5）。 - 音頻只在內存：不爲每句話寫 WAV 到硬盤，條數與字節雙重上限。
- 逐句語速與情感：語速、temperature、top-k、top-p 隨每一句發出。
- 音色預設：名稱 + 參考音頻 + 參考文本 + 參考語言，支持跳過模型重載。
- 設置面板：含運行狀況、內嵌引擎控制台、引擎地址、音色、語速等。
- 只監聽本機：所有路由拒絕非 loopback 來源。
- 流式/總結分流：一句一請求（
安裝與啓用¶
-
前置條件
- 已部署好的 GPT-SoVITS（
api_v2.py能跑起來）。 - 至少一對自己訓練的 GPT（
.ckpt）+ SoVITS（.pth）權重，以及一段參考音頻。 - DSH 桌面版或 Web 版。
- 已部署好的 GPT-SoVITS（
-
啓動引擎
插件只負責”說話”，不負責起引擎。在 GPT-SoVITS 目錄下運行：
cd <你的 GPT-SoVITS 目錄>
runtime\python.exe api_v2.py -a 127.0.0.1 -p 9880 -c GPT_SoVITS/configs/tts_infer.yaml
首次加載模型需要 12-30 秒。
- 安裝插件
dsh plugin --profile desktop add github:91koukou/dsh-gpt-sovits
安裝完成後刷新頁面。
- 配置
打開 設置 → 語音朗讀（GPT-SoVITS）。- 引擎地址：填
http://127.0.0.1:9880。 - 音色預設：包含名稱、參考音頻路徑、參考音頻文本、參考語言。
- 其他設置：語速、採樣步數、音量等。
- 引擎地址：填
典型用法¶
- 安裝指定版本：
dsh plugin --profile desktop add github:91koukou/dsh-gpt-sovits#v0.3.0 - 卸載插件：
dsh plugin --profile desktop remove dsh-gpt-sovits - 離線自檢：
node scripts/selfcheck.mjs - 集成測試：
node scripts/integration.mjs
注意事項¶
- 無權重分發：本倉庫不附帶任何模型權重、參考音頻或音頻樣本，也不替你啓動引擎。
- 許可證範圍：代碼以 MIT 許可發佈，但模型權重不在 MIT 許可覆蓋範圍內。
- 合規性：合成音頻可能被誤認爲真人發聲，建議對外分發時主動披露。僅可使用有權使用的聲音，不得克隆公衆人物聲音。
- 獨立性：與 DeepSeek、GPT-SoVITS 維護者無隸屬關係，爲第三方社區插件。
結語¶
dsh-gpt-sovits 爲 DeepSeek Harness 提供了一套完整的本地化語音合成解決方案，適合需要高隱私性或離線運行場景的用戶。相關文檔與下載詳見倉庫鏈接。
