前言¶
在 DeepSeek Harness（DSH）里跑 Agent，回复往往很长：代码、链接、表格混在一起，眼睛跟不住时很难「听一遍」。外接通用 TTS 要么要你自己把消息拷出去，要么和对话流脱节。下面介绍社区插件 dsh-minimax-tts（维护者 Shiro-Design-16）：只对接 MiniMax（海螺）语音合成，在每条 assistant 消息上挂朗读按钮，并可选让 Agent 登记带情绪标记的待播稿。
这是什么¶
dsh-minimax-tts 是 DSH 的联网类插件（目录页：SkillHub）。宿主半边提供合成路由与本地缓存；客户端半边在 Web UI 注入「播放 / 停止」按钮和插件设置页。实现为纯 ESM JavaScript，无 TypeScript、无构建步骤；当前包版本为 0.1.1（MIT）。
- v1：手动模式——点一条读一条，设置页可调模型、音色、语速等。
- v1.1：灵动模式——Agent 通过技能
emotion-tts与工具emotion_tts登记朗读稿，仍由人点播放；不登记时按钮念消息可见正文。
明确不做：声音克隆、双音色、变声、音乐音效、流式合成、边生成边朗读等。
核心功能¶
手动朗读¶
每条 assistant 消息旁一颗按钮：未播放为播放图标，播放中为停止图标；同一时刻只播一条，新开会自动停上一条。朗读前会做文本清洗（去掉代码块、URL、emoji 等），保留 MiniMax 支持的停顿、情绪、拼音标注类标记；清洗后为空则不会请求上游。
设置与缓存¶
在 DSH 「设置 → 插件」 中配置 API、模型、音色、情绪、采样率、格式等；支持试听与打开本地缓存目录。合成结果按文本与参数哈希缓存到 $DSH_HOME/dsh-minimax-tts/cache/；命中缓存时不发上游请求。cleanup 可按天数、条数、总字节任一项超限淘汰旧文件。
灵动模式（可选）¶
emotionTts.scope 三态：off（默认，Agent 不可见）、preset（仅白名单 preset 行注册技能/工具）、global（全局注册）。工具只把稿子写入 pending/<session>.json，不触网；点击播放时先认领稿子，未命中则用可见正文 + 设置页参数。同一条消息会记入回放账本，换音色后再点仍用 Agent 那份文稿重新合成。
HTTP 接口（本机）¶
路由仅允许回环地址访问。典型合成示例：
curl -s -X POST http://127.0.0.1:3080/dsh-minimax-tts/synthesize \
-H 'content-type: application/json' \
-d '{"text":"你好，这是一次试听。","preview":true}'
成功时返回 url，拼在 DSH 的 origin 后即可播放；另有 GET/POST /config、GET /audio/<hash>.<ext>、缓存查询与清理、/pending 与 /pending/claim 等（详见仓库 README）。
安装与启用¶
profile 目录为 $DSH_HOME/profiles/<name>。官方说明的三种等价做法：在 DSH「插件」页添加本仓库目录（写成 link: 依赖）、或直接改 profile 的 package.json，并务必把包名写进 dsh.profile.bundles（dsh plugin add 只写依赖，bundle 清单才是挂载入口）。在 profile 目录执行包管理安装后重启 DSH。
{
"dependencies": {
"dsh-minimax-tts": "link:<本仓库绝对路径>"
},
"dsh": {
"profile": {
"bundles": ["dsh-minimax-tts"]
}
}
}
运行环境要求 Node ^22.19.0 || >=24（见 package.json 的 engines）。
配置要点¶
配置落盘 $DSH_HOME/dsh-minimax-tts/config.json（权限 0600）。常用字段包括：
| 字段 | 默认 | 说明 |
|---|---|---|
baseUrl |
https://api.minimax.cn |
也可使用其他官方 API 域名 |
apiKey |
空 | 顺序：config.apiKey → 环境变量 MINIMAX_API_KEY → ~/.dsh/.env |
model |
speech-2.8-hd |
支持 2.8 / 2.6 / 02 / 01 等系列 |
voices |
默认 female-shaonv |
isDefault: true 为默认音色；更多 voice_id 可参考 MiniMax 试听页 |
emotionTts |
{ scope: 'off' } |
灵动模式开关见上文 |
也可用 POST /dsh-minimax-tts/config 传 { patch } 浅合并（voices 需整体替换）。
开启 preset 白名单时，在 agent preset 行列表增加一行，并将 emotionTts.scope 设为 preset：
- id: dsh-minimax-tts-skill
name: 'dsh-minimax-tts'
config: { role: skill-only }
典型用法¶
- 按上文装好 bundle，在插件设置里填入 MiniMax
apiKey，选模型与默认音色，用「试听」确认连通。 - 在对话里让 assistant 回复后，点该条消息旁的播放按钮；播放中再点即停止。
- 若需要 Agent 登记念稿：把
emotionTts.scope设为preset或global，配置skill-only行，并在人格提示中说明每轮可用emotion-tts登记；播放时优先使用认领到的稿子。
适用场景与注意¶
适合已在 DSH 中使用 MiniMax 账号、希望就地听 assistant 长回复的开发者。灵动模式适合需要 (laughs)、停顿标记等、又不想把标记写进用户可见正文的场景。
插件以当前 DSH 进程权限运行，会持有 API Key 并写本地缓存；安装前请自行审阅 GitHub 源码 与 MIT 许可证。SkillHub 为社区目录，与 DeepSeek / 幻方无官方从属关系。
结尾¶
dsh-minimax-tts 把 MiniMax TTS 嵌进对话流：手动一点即读，可选让 Agent 登记待播稿而不强迫自动播报。进一步了解可访问 SkillHub 目录页 与 GitHub 仓库。
