前言¶
在 DeepSeek Harness（DSH）里做智能体或长对话时，眼睛要一直盯屏幕读回复，手要一直打字，长时间下来负担不小。浏览器自带的朗读往往和界面脱节，第三方 TTS 还要单独配密钥和路由。若希望「答完就听、想说话就对着输入框说」，并把合成与识别都接到同一套凭证上，社区插件 dsh-mimo-tts 走的是另一条路：TTS 与 ASR 都走小米 MiMo 的 token-plan 端点，密钥可与 LLM 提供商共用 $DSH_HOME/.credentials.yaml 里的 refs:，数据除请求小米 API 外不上传别处。
下面介绍该插件的定位、能力与安装用法。事实以 GitHub 仓库 README 为准；社区目录页见 SkillHub。目录站与 DeepSeek / 幻方无官方从属关系，DSH 生态理念是「一切皆插件」。
这是什么¶
dsh-mimo-tts（当前 package 版本 0.1.0，MIT）由维护者 lengmodkx 发布，分类为模型推理。一句话：为 DSH 提供 MiMo 语音——自动朗读每条完成的回答、在 Composer 控制栏点按麦克风说话、切换内置音色，并可用本地短样本做音色克隆。
合成走 Xiaomi MiMo TTS，识别走 MiMo ASR，均使用 token-plan 端点；密钥仅发往 token-plan-cn.xiaomimimo.com。需注意：token-plan 密钥不能用于公开主机 api.xiaomimimo.com，反之亦然。
核心功能¶
自动朗读（Auto-read）¶
每条已完成的回答会进入队列并按顺序播放。朗读前会去掉代码块、表格、链接和 Markdown 结构；过长正文会截断（默认由 maxChars 控制，见配置节），避免大段文字变成数分钟语音。
点按说话（Click to talk）¶
Composer 控制行（模型选择器旁）有麦克风按钮：点一下开始，再点一下结束；或停顿后自动结束。转写文本写入输入框，按 Enter 发送。
停止播放¶
开始朗读后，麦克风旁会出现停止按钮；Esc 同样可停。停止会清掉当前句之后队列中的句子；打开麦克风也会自动打断朗读。
音色与克隆¶
内置九种 MiMo 音色：mimo_default、冰糖、茉莉、苏打、白桦、Mia、Chloe、Milo、Dean。另有一路克隆音色：在本地放置 5–15 秒、干净、单人参考音频，在面板选「克隆音色」即可。参考文件由宿主直接读取，不随插件打包；除 MiMo API 按请求需要的参考样本外不离开本机。克隆会增加延迟（README 举例：约 10 秒样本约 105 KB，单句合成约 3 秒而非约 1 秒）；请仅克隆你有权使用的声音。
设置面板¶
路径：Plugins → MiMo voice，以及 Settings → Built-in plugins。可选音色并即时试听、开关自动朗读、输入测试文本、重读上一条回答、查看队列与状态。
环境与依赖¶
- DeepSeek Harness 0.2.0-rc.1 或更新（
engines.dsh）。 - 小米 MiMo token-plan 密钥，任选其一：
- 环境变量
XIAOMI_TOKEN_PLAN_CN_API_KEY $DSH_HOME/.credentials.yaml中的refs:（与 LLM 提供商相同位置）
安装与启用¶
在终端执行官方安装命令（Web 或 Desktop 二选一 profile）：
dsh plugin --profile web add dsh-mimo-tts # or --profile desktop
# restart the host (dsh web / the desktop app)
安装后需重启宿主（dsh web 或桌面应用）。插件在 DSH 进程权限下运行，安装前建议自行查看 源码与 LICENSE。
典型用法¶
- 自动朗读：在面板打开一次后默认保持；每条完成的回答入队播放。
- 语音输入：点 Composer 麦克风，说话后停顿或再点一次；文本进输入框后 Enter 发送。
- 打断：点红色停止或按
Esc。
克隆音色时，将 mp3 或 wav 放到：
$DSH_HOME/.dsh-mimo-tts/voice-clone.mp3
在面板选择「克隆音色」/ “Cloned voice”。
面板会写入配置文件 $DSH_HOME/.dsh-mimo-tts/config.json，例如：
{
"voice": "冰糖", // any built-in voice, or the clone slot
"autoRead": true, // speak every finished answer
"maxChars": 600, // clip long answers before speaking
"format": "mp3" // mp3 | wav
}
宿主 Web 服务在 /dsh-mimo-tts 下提供状态、音色列表、配置、合成、ASR、队列与停止等 HTTP 路由；跨站 Origin 默认拒绝（403），环回、dsh-app://、file:// 及无 Origin 调用允许；若 GUI 托管在其他主机，可通过环境变量 DSH_MIMO_TTS_ORIGINS 追加允许的 Origin。
适用场景与注意¶
适合：已在 DSH 使用小米 token-plan、希望听读回复、减少打字、或需要多音色 / 本地样本克隆的开发者与用户。
注意：
- 必须区分 token-plan 与公开 API 主机，密钥类型要匹配。
- 克隆音色有额外延迟与带宽（每请求携带参考样本）。
- 插件非 DeepSeek 官方出品；星标与版本以仓库与目录页实时信息为准（撰写时 GitHub 星标为 0）。
结尾¶
dsh-mimo-tts 把 MiMo 的朗读、识别和音色管理收进 DSH 界面与同一套凭证，适合希望「边看边听、边说边问」的 Harness 用户。进一步了解：
