前言¶
在 DeepSeek Harness（DSH）裏做智能體對話時，長回答往往要盯着屏幕讀。社區裏也有用 SKILL 走 Edge TTS 的做法，例如 multilingual-tts-audio：每次都要 uv run --with edge-tts python …，等整段 MP3 寫完，還要主動觸發，和模型輸出節奏對不上。
下面介紹插件 lemonhall/dsh-tts-reader（維護者 lemonhall，分類爲聯網工具）：常駐 DSH 進程內，監聽模型原始輸出流，逐句向 Edge TTS 拉取音頻，頁面用 Web Audio 連播；默認用小藝（zh-CN-XiaoyiNeural）朗讀，並支持重讀任意一條歷史回答。
這是什麼¶
dsh-tts-reader 是 DSH 的 Web 客戶端注入型插件（package.json 中 meta.title 爲「朗讀回答（小藝）」）。宿主側用零依賴 Edge TTS 客戶端合成 MP3，頁面側負責播放與開關；不替換 DSH 核心，通過 Cordis patch 掛載路由並監聽 agent/assistant-stream。
社區目錄頁：https://www.skillhub.cn/plugins/lemonhall/dsh-tts-reader（SkillHub 爲獨立插件廣場，與 DeepSeek / 幻方無官方從屬關係）。源碼與說明：https://github.com/lemonhall/dsh-tts-reader。當前資料中版本爲 0.1.0，許可證 MIT。
核心功能¶
兩個入口，兩條隊列¶
| 位置 | 作用 |
|---|---|
| 輸入框右側喇叭 | 整個會話的實時朗讀開關（默認開），狀態存在 localStorage |
| 每條回答下方喇叭 | 在「顯示 / 複製 / 點贊 / 用量 / 時間」一行，重讀這一條；再點停止 |
實時朗讀與「重讀某條」是獨立隊列。點重讀會臨時接管揚聲器；讀完自動把實時朗讀接回，從下一句繼續，不補播期間錯過的內容。
邊寫邊唸的數據路徑¶
模型仍在輸出時，插件已從原始流取文，比 DOM 更早：
agent/assistant-stream GET /dsh-tts/tail?session=…&since=…
（模型正在寫的原文） （base64 MP3，按句游標拉取）
│ ▲
▼ │
lib/index.js ──► lib/feed.js ──► lib/edge-tts.js
宿主半邊 逐句隊列 零依賴 Edge TTS 客戶端
│
Session.snapshotEvents() ────────────────┤
（某條歷史回答的正文） GET /dsh-tts/message?session=…&id=…&since=…
│ │
└──────────────► lib/feed.js ─────────┤
│
lib/client.js ──┘
頁面半邊：Web Audio 無縫連播 + 兩個開關
合成放在宿主側，是因爲 Edge 朗讀服務要求瀏覽器類 User-Agent 纔會 WebSocket 101 升級，而頁面側 WebSocket 無法自定義請求頭。頁面每 400 ms 用游標拉取一次；沒有聽衆的會話不會觸發合成。
重讀某條的正文來自 ctx.sessions.get(id).snapshotEvents() 裏 assistant/message 事件的 stream（可見正文，不含推理與工具調用）。被查看的會話在內存中存活時，整段可見歷史都可讀，不受插件安裝時間限制。
念給人聽的內容¶
朗讀的是口語化文本，不是屏幕上的 Markdown 原文：
- 圍欄代碼塊整塊跳過；行內代碼保留字面值
- 表格單元格用「，」連接，分隔行不念
- 鏈接只念文字，裸 URL 唸作「鏈接」
- 標題、加粗、引用、列表符號等標記去掉
- 推理過程與工具調用參數不念
安裝與啓用¶
SkillHub 目錄頁未給出單獨的 dsh plugin … 一行命令，而是讓 Harness 讀取後端安裝計劃後執行。在目錄頁使用「發送給 DeepSeek Harness 安裝」或「複製安裝提示詞」，向當前 DSH 會話說明要安裝的插件標識即可，例如：
請安裝 DSH 插件 lemonhall/dsh-tts-reader。先讀取後端安裝計劃再執行安裝。
（完整提示詞以目錄頁「複製安裝提示詞」爲準。）
安裝前建議自行閱讀 GitHub 倉庫源碼與 MIT 許可證。插件在 當前 DSH 進程權限 下運行，並會 聯網 訪問 Edge TTS 服務。
啓用後無需額外命令：輸入框右側喇叭默認開啓實時朗讀。若要在宿主側整體關閉能力，可改配置（見下）；不要用 plugin_manager set_plugin 反覆關開本插件——README 實測會出現路由仍在、但 agent/assistant-stream 監聽已停、實時朗讀靜默失效的半死狀態。臨時不想聽，用輸入框喇叭即可。
配置¶
在 $DSH_HOME/profiles/desktop/cordis.patch.yml 裏找到 dsh-tts-reader 條目的 config（插件未導出 Config schema，Cordis 會把整塊 config 交給 apply）：
| 鍵 | 默認 | 說明 |
|---|---|---|
enabled |
true |
宿主側總開關 |
voice |
zh-CN-XiaoyiNeural |
Edge TTS 短名，啓動時向官方聲音目錄覈對 |
rate / volume / pitch |
+0% / +0% / +0Hz |
合成參數 |
maxPerRequest |
3 |
每次拉取最多返回幾句 |
改 lib/client.js 後 刷新頁面（Ctrl+F5）即可；改 lib/index.js、lib/feed.js、lib/edge-tts.js 等宿主模塊 必須重啓應用。README 註明：plugin_manager 關開條目不能讓宿主半邊熱重載，改宿主代碼一律按需重啓預期。
典型用法¶
- 正常與助手對話：模型流式輸出時，默認逐句播放小藝語音。
- 暫時關閉：點輸入框右側喇叭；偏好會寫入
localStorage。 - 重聽某條回答：點該條下方喇叭；再點一次停止。重讀結束後實時朗讀從下一句恢復。
- 換聲音或語速：改
cordis.patch.yml中voice、rate、volume、pitch，重啓 DSH 使宿主配置生效。
維護者在倉庫內提供自測腳本（需聯網的用例需能訪問 Edge TTS）：
cd E:\development\dsh-tts-reader
node test/feed.mjs # 逐句隊列（純離線）
node test/client-load.mjs # 客戶端加載（純離線）
node test/host-e2e.mjs # 宿主端到端（需聯網）
node test/smoke.mjs # 語音目錄 + 合成 + 文本清洗（需聯網）
調試宿主 WebSocket 時可設環境變量 DSH_TTS_DEBUG=1 打印幀級日誌。
適用場景與注意¶
適合：希望在 DSH Web 對話裏 hands-free 聽回答、且能接受 Edge TTS 聯網合成的開發者；需要邊生成邊聽、而不是等整段 MP3 的場景。
注意：
- 依賴 Edge 在線服務；README 記錄了
User-Agent、SSML 語音全名、二進制幀格式等協議細節，自行改lib/edge-tts.js時需對照說明，避免 403 或靜默斷連。 - 分類爲聯網工具：安裝前確認網絡策略與源碼行爲。
- 與 SKILL 方案相比，優勢在於進程內常駐、逐句流式、默認跟隨助手輸出；代價是綁定 DSH 插件與 Cordis 部署方式，而非任意 Python 腳本。
結尾¶
dsh-tts-reader 把助手回答默認用小藝朗讀，實時流與歷史重讀分開排隊，宿主合成、頁面拉取播放，適合在 DSH 裏邊寫邊聽。進一步瞭解請訪問目錄頁 skillhub.cn/plugins/lemonhall/dsh-tts-reader 與 GitHub 倉庫 github.com/lemonhall/dsh-tts-reader。
