前言¶
在 DeepSeek Harness（DSH）裏做智能體或長對話時，眼睛要一直盯屏幕讀回覆，手要一直打字，長時間下來負擔不小。瀏覽器自帶的朗讀往往和界面脫節，第三方 TTS 還要單獨配密鑰和路由。若希望「答完就聽、想說話就對着輸入框說」，並把合成與識別都接到同一套憑證上，社區插件 dsh-mimo-tts 走的是另一條路：TTS 與 ASR 都走小米 MiMo 的 token-plan 端點，密鑰可與 LLM 提供商共用 $DSH_HOME/.credentials.yaml 裏的 refs:，數據除請求小米 API 外不上傳別處。
下面介紹該插件的定位、能力與安裝用法。事實以 GitHub 倉庫 README 爲準；社區目錄頁見 SkillHub。目錄站與 DeepSeek / 幻方無官方從屬關係，DSH 生態理念是「一切皆插件」。
這是什麼¶
dsh-mimo-tts（當前 package 版本 0.1.0，MIT）由維護者 lengmodkx 發佈，分類爲模型推理。一句話：爲 DSH 提供 MiMo 語音——自動朗讀每條完成的回答、在 Composer 控制欄點按麥克風說話、切換內置音色，並可用本地短樣本做音色克隆。
合成走 Xiaomi MiMo TTS，識別走 MiMo ASR，均使用 token-plan 端點；密鑰僅發往 token-plan-cn.xiaomimimo.com。需注意：token-plan 密鑰不能用於公開主機 api.xiaomimimo.com，反之亦然。
核心功能¶
自動朗讀（Auto-read）¶
每條已完成的回答會進入隊列並按順序播放。朗讀前會去掉代碼塊、表格、鏈接和 Markdown 結構；過長正文會截斷（默認由 maxChars 控制，見配置節），避免大段文字變成數分鐘語音。
點按說話（Click to talk）¶
Composer 控制行（模型選擇器旁）有麥克風按鈕：點一下開始，再點一下結束；或停頓後自動結束。轉寫文本寫入輸入框，按 Enter 發送。
停止播放¶
開始朗讀後，麥克風旁會出現停止按鈕；Esc 同樣可停。停止會清掉當前句之後隊列中的句子；打開麥克風也會自動打斷朗讀。
音色與克隆¶
內置九種 MiMo 音色：mimo_default、冰糖、茉莉、蘇打、白樺、Mia、Chloe、Milo、Dean。另有一路克隆音色：在本地放置 5–15 秒、乾淨、單人蔘考音頻，在面板選「克隆音色」即可。參考文件由宿主直接讀取，不隨插件打包；除 MiMo API 按請求需要的參考樣本外不離開本機。克隆會增加延遲（README 舉例：約 10 秒樣本約 105 KB，單句合成約 3 秒而非約 1 秒）；請僅克隆你有權使用的聲音。
設置面板¶
路徑：Plugins → MiMo voice，以及 Settings → Built-in plugins。可選音色並即時試聽、開關自動朗讀、輸入測試文本、重讀上一條回答、查看隊列與狀態。
環境與依賴¶
- DeepSeek Harness 0.2.0-rc.1 或更新（
engines.dsh）。 - 小米 MiMo token-plan 密鑰，任選其一：
- 環境變量
XIAOMI_TOKEN_PLAN_CN_API_KEY $DSH_HOME/.credentials.yaml中的refs:（與 LLM 提供商相同位置）
安裝與啓用¶
在終端執行官方安裝命令（Web 或 Desktop 二選一 profile）：
dsh plugin --profile web add dsh-mimo-tts # or --profile desktop
# restart the host (dsh web / the desktop app)
安裝後需重啓宿主（dsh web 或桌面應用）。插件在 DSH 進程權限下運行，安裝前建議自行查看 源碼與 LICENSE。
典型用法¶
- 自動朗讀：在面板打開一次後默認保持；每條完成的回答入隊播放。
- 語音輸入：點 Composer 麥克風，說話後停頓或再點一次；文本進輸入框後 Enter 發送。
- 打斷：點紅色停止或按
Esc。
克隆音色時，將 mp3 或 wav 放到：
$DSH_HOME/.dsh-mimo-tts/voice-clone.mp3
在面板選擇「克隆音色」/ “Cloned voice”。
面板會寫入配置文件 $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 服務在 /dsh-mimo-tts 下提供狀態、音色列表、配置、合成、ASR、隊列與停止等 HTTP 路由；跨站 Origin 默認拒絕（403），環回、dsh-app://、file:// 及無 Origin 調用允許；若 GUI 託管在其他主機，可通過環境變量 DSH_MIMO_TTS_ORIGINS 追加允許的 Origin。
適用場景與注意¶
適合：已在 DSH 使用小米 token-plan、希望聽讀回覆、減少打字、或需要多音色 / 本地樣本克隆的開發者與用戶。
注意：
- 必須區分 token-plan 與公開 API 主機，密鑰類型要匹配。
- 克隆音色有額外延遲與帶寬（每請求攜帶參考樣本）。
- 插件非 DeepSeek 官方出品；星標與版本以倉庫與目錄頁實時信息爲準（撰寫時 GitHub 星標爲 0）。
結尾¶
dsh-mimo-tts 把 MiMo 的朗讀、識別和音色管理收進 DSH 界面與同一套憑證，適合希望「邊看邊聽、邊說邊問」的 Harness 用戶。進一步瞭解：
