前言¶
在 DeepSeek Harness（DSH）裏做視頻、播客或遊戲音效時，智能體往往只能寫合成代碼或零散腳本：音色像振盪器堆疊，旁白與音效各走各的時間軸，最後混響、電平也靠手調。AnyAudio 是面向 AI 智能體的音頻製作工具集，由維護者 cloudoyx 發佈，分類爲客戶端插件；它提供採樣樂器渲染、時間軸編排、音效、語音合成、多軌混音以及視頻音軌合成，把創意決策留給智能體，把執行與工具鏈留在插件側。
這是什麼¶
AnyAudio（npm 包名 dsh-any-audio，當前資料記載版本 0.1.1）是 DSH 上的音頻生產工具包。README 將其定位爲：智能體保留創作決策，插件提供把「聲音想法」變成成品音頻文件所需的工具與執行。項目狀態標註爲 early release，許可證爲 MIT；GitHub 倉庫 cloudoyx/any-audio 在資料中星標爲 1。
與「模型直接寫 NumPy 發聲代碼」相比，插件側強調：用本地採樣庫渲染真實樂器音色；音符以毫秒精度落在統一時間軸上；多軌按順序混音，支持每軌增益、聲像與淡入淡出；將某軌聲明爲 narration 時會對其它總線做 ducking，主總線峯值歸一化以避免削波。
核心功能¶
下面按 README 已寫明的能力歸納，不展開資料未給出的 API 細節。
樂器與編排
從已安裝的 SoundFont 採樣庫渲染樂器，而非手寫波形。音樂、旁白與音效共用同一時鐘。
音效與語音
音效可來自已安裝採樣庫或程序化生成。語音合成支持 Edge TTS 與 MiMo-V2.5-TTS（README 註明 MiMo 當前可免費使用）。資料說明 ffmpeg 僅在語音相關流程以及視頻 mux 時需要。
混音
自動平衡多軌；旁白軌可觸發對其它軌的 ducking；主輸出峯值歸一化。
視頻與其它用途
視頻配樂是用途之一；同一流水線也可用於場景音效、獨立音樂、有聲書、播客與遊戲音頻等（見 README「What it solves」與 Quick start 示例）。
音源庫
安裝包不捆綁 SoundFont。建議在 DSH Settings 的 AnyAudio 頁面一鍵安裝推薦庫（默認建議 GeneralUser GS）；也可將兼容的 .sf2、.sf3、.dls 放入 ~/.dsh/anyaudio/fonts，該目錄爲本機共享庫，裝一次即可在各項目與會話中使用。README 還列出 MuseScore General 等推薦庫及若干需手動獲取的單樂器庫（表格在倉庫 README 中）。
無頭渲染（開發用）
從源碼安裝時，可用 CLI 在無智能體的情況下迭代樂譜：
node scripts/anyaudio-cli.mjs render score.json out.wav
安裝與啓用¶
環境要求：Node.js 22.19+（22.x）或 24+（DSH 捆綁版本亦可）；語音與視頻 mux 需本機已安裝 ffmpeg。
官方註冊表安裝命令如下（資料原文，勿自行拼接 github:owner/repo）：
dsh plugin --profile desktop add dsh-any-audio
若 DSH 使用其它 profile，將 desktop 換成實際 profile 名。安裝後需重啓 DSH 一次以便加載插件。
接着在 DSH Settings 中打開 AnyAudio 頁面：安裝音源（默認建議 GeneralUser GS）、切換語音引擎、調整混音默認值。包內不包含 SoundFont，需按頁面或文檔自行安裝。
本地開發可從克隆目錄以絕對路徑添加（README「From source」）；該路徑需爲絕對路徑，添加後同樣需重啓 DSH。克隆後執行 npm install && npm run font 可預下載約 72 MB 的推薦採樣庫到共享目錄。用戶規則要求正文面向常規安裝；若僅作開發參考，完整命令見 GitHub README。
典型用法¶
用法以自然語言描述任務爲主，智能體在生成視頻或純音頻時會自行調用插件渲染。
視頻配樂示例（README Quick start）
Make a 30-second ink-wash animation: a seed in a rock crevice grows into a sapling. Add a little Chinese-style music and wind, no narration.
混音與樂器編配
Guzheng lead, strings bed, cello on the low end; pull the music down whenever a voice comes in.
成曲 brief
Write me a Japanese RPG battle theme, loopable, 30 to 60 seconds. Drums, electric guitar and strings.
有聲書
Turn Chapter 1 of Romance of the Three Kingdoms into an audiobook — deep, rich narration, distinguishable character voices, with simple background music and effects.
README 的「Hear the difference」一節提供了有無插件的對比指標（峯值/平均電平、crest factor、頻譜質心等），用於說明採樣樂器與 TTS+音效管線相對純代碼合成的差異；具體數值以倉庫爲準，此處不重複羅列。
適用場景與注意¶
適合誰
需要在 DSH 對話裏完成配樂、旁白、音效與混音，並希望輸出接近「樂器/錄音/成品混音」而非裸合成器的開發者與智能體工作流搭建者。
權限與安全
插件隨當前 DSH 進程權限運行。安裝前應閱讀倉庫源碼與 MIT 許可證，並知悉 early release 狀態及 README 中的 known limitations（資料截斷處未展開，以 GitHub 爲準）。
生態說明
DSH 採用「一切皆插件」的擴展方式；社區目錄頁 skillhub.cn/plugins/cloudoyx/any-audio 爲獨立站點，與 DeepSeek / 幻方無官方從屬關係，並非官方應用商店。
結尾¶
AnyAudio 把採樣渲染、統一時間軸、TTS、音效與多軌混音收進一個 DSH 客戶端插件，便於智能體在一條流水線裏產出可交付的音頻。進一步瞭解可訪問目錄頁與倉庫：
- 目錄頁：https://www.skillhub.cn/plugins/cloudoyx/any-audio
- GitHub：https://github.com/cloudoyx/any-audio
