前言¶

在 DeepSeek Harness（DSH）里跑智能体或长对话时，助手回复往往很长：代码块、Markdown、链接混在一起。若要把某一条已定稿的回答念出来，常见做法是切到浏览器朗读、或自己写脚本调 TTS API，再手动对齐「是哪条消息、正文是什么」。DSH 的插件体系允许在 Web GUI 的固定槽位挂 UI、在宿主进程注册路由；dsh-doubao-tts 走这条路，把火山引擎豆包「双向流式语音合成 V3」接到对话界面：每条助手消息旁有朗读入口，点一下即按该条正文合成并播放，同一段文本合成结果会落盘缓存。

下面按「是什么 → 能做什么 → 怎么装 → 怎么用 → 注意点」说明。事实以仓库 README 与 package.json 为准；社区目录页简介若与仓库不一致，以 GitHub 为准。

这是什么¶

• 名称：dsh-doubao-tts（npm 包名同仓库名）
• 维护者：qin-yu-1314
• 分类：模型推理（目录站归类）；实际能力是 语音合成（TTS），不是接入豆包语言模型对话。
• 版本（资料中明确）：0.2.2
• 许可证：MIT
• 最低 DSH：>= 0.1.5-rc.2（需要 slot 系统与 settings.section）
• 适用 profile：web / desktop（桌面版也可在应用内插件页管理）

一句话：在 DSH Web GUI 中，为已定稿的助手回答增加朗读按钮，并在侧栏设置里配置火山引擎大模型语音合成凭据与音色。

核心功能¶

界面侧¶

1. 向 conversation.chat.assistant-actions 注入朗读按钮（与官方反馈类插件共用同一 slot）；另挂 conversation.chat.turnTail，在动作行默认悬停才显示时仍保留常显入口。
2. 客户端 bundle 手写 __ModuleLoader__，只 require('react')，无需单独构建步骤。
3. 未配置凭据时点击会给出红色提示，而不是静默失败。

服务端侧¶

1. 注册 /dsh-doubao-tts/* 路由，按火山 v3 二进制帧协议 WebSocket 合成，边收边以 chunked 流式回给浏览器。
2. 客户端只传 sessionId + messageId（或按 seq / turn）；服务端优先查活会话，再回落读 $DSH_HOME/sessions/<slug>/<sessionId>/session.v4.jsonl.zstd，并对正文做朗读清洗（去掉代码块、Markdown 记号，URL 换成「链接」）。
3. 同一段文本只向火山付费合成一次，音频落盘缓存。

设置页¶

侧栏 「设置」→「豆包语音合成」（settings.section 槽）：鉴权、音色 Resource ID、音频格式/采样率/语速/音量、WebSocket 端点等；支持保存、测试合成、清空缓存。密钥在 GET 接口只回掩码，改配置有约 5 秒缓存，保存后一般不必重启进程。

整体数据流（README 示意）：

浏览器                    DSH 宿主（插件服务端）              火山引擎
┌──────────────┐  GET    ┌──────────────────────────┐  WSS  ┌────────────────┐
│ 朗读按钮      │ ──────► │ /dsh-doubao-tts/speak     │ ────► │ bidirection v3 │
│ <audio> 播放  │ ◄────── │ ① 按 messageId 取正文     │ ◄──── │ 二进制帧 + 音频 │
└──────────────┘ 音频流   │ ② 合成 ③ 落盘缓存         │       └────────────────┘
                          └──────────────────────────┘

安装与启用¶

前置条件：在火山引擎控制台开通「大模型语音合成」，自备 API Key，或 App ID + Access Key / Access Token。插件无运行时 npm 依赖（自带 WebSocket 实现）。

推荐：CLI 从 Git 安装（web profile 示例）¶

桌面版将 --profile web 换成 desktop：

dsh plugin --profile web add git+https://github.com/qin-yu-1314/dsh-doubao-tts

本机没有 git 时，可使用 Release 压缩包（README 给出的示例 URL 对应版本 0.2.2）：

# dsh plugin --profile web add "https://github.com/qin-yu-1314/dsh-doubao-tts/releases/latest/download/dsh-doubao-tts-0.2.2.tgz"

桌面版本地目录¶

README 还写了三种本地安装方式：侧栏「插件」页填目录绝对路径、link: 的 CLI（需完全退出 Desktop）、或 node tools/install-local.mjs --apply。装好后新增 bundle 可由 HMR 热加载，但浏览器页面需刷新一次才会拉新客户端 bundle；若改的是已加载包的 JS，需重启 DSH 进程。

装好后在 「设置」→「豆包语音合成」 填密钥与音色，点「测试合成」验证。

配置凭据¶

可复制仓库中的 volc_tts.env.example 为 %USERPROFILE%\.dsh\volc_tts.env（Linux/macOS 用户将路径换为各自主目录下的 .dsh/volc_tts.env），或使用环境变量。README 列出的字段如下：

凭据在 火山引擎控制台 → 语音技术 → 大模型语音合成 → 开通管理获取。改完配置后可用探针验证（README 示例为 Windows PowerShell，端口以本机 DSH 为准）：

Invoke-WebRequest http://127.0.0.1:19387/dsh-doubao-tts/probe -Method POST -UseBasicParsing | Select-Object -Expand Content

返回 {"ok":true,"ms":…,"bytes":…} 表示通道可用。

典型用法¶

在 GUI 里¶

1. 完成安装并刷新页面。
2. 在助手消息动作行（复制/分支一侧）或 turn 尾部找到喇叭图标。
3. 点击后对当前消息正文发起合成并播放；已缓存的同文本会直接读缓存。

HTTP 路由（节选）¶

命令行工具（不开 GUI）¶

仓库 tools/ 下脚本（README 示例）：

node tools/probe.mjs
node tools/speak-message.mjs --out reply.mp3
node tools/speak-message.mjs --session <id> --seq <n>
node tools/speak-message.mjs --text "你好" --out a.mp3

排障¶

插件会写不含凭据的自检报告：%USERPROFILE%\.dsh\doubao-tts-selfcheck.json（以该路径为准）。可区分「服务端已加载但客户端 bundle 未执行」「slot 注册失败」「仅缺凭据」等情况。亦可运行：

node tools/verify-install.mjs

匿名探针：/status 返回 401 通常表示路由已注册、被宿主信任栅栏拦截，属预期；404 表示插件服务端未加载。

适用场景与注意¶

适合谁：已在 DSH 里用 Web/desktop 对话，希望把助手回复用豆包/火山 Seed-TTS 朗读、且愿意自备火山语音合成凭据的开发者。

注意：

1. 插件在当前 DSH 进程权限下运行，会读会话日志、写缓存与 env；安装前应阅读源码与 MIT 许可证，自行评估信任边界。
2. 朗读会调用火山按量计费接口；Resource ID 与音色不匹配会报错（README 提到错误码 55000000）。
3. DSH 社区目录（SkillHub）是独立站点，与 DeepSeek / 幻方无官方从属关系；安装来源以你信任的 Git URL 或 Release 包为准。
4. 目录页一句话简介若写成「语言模型」「阅读对话」，与仓库 TTS 定位不符时，以 GitHub README 为准。

结尾¶

dsh-doubao-tts 把火山豆包双向流式语音合成 V3 嵌进 DSH 对话 UI：槽位上的朗读按钮、设置页、按 messageId/seq 取正文与流式播放、磁盘缓存，构成一条可复现的接入路径。需要细节、路由表与本地安装脚本说明时，直接看仓库 README。

• 社区目录：https://www.skillhub.cn/plugins/qin-yu-1314/dsh-doubao-tts
• GitHub：https://github.com/qin-yu-1314/dsh-doubao-tts