前言¶
在 DeepSeek Harness(DSH)里跑多轮对话时,token 用量和费用往往分散在面板或日志里,要刻意去看才知道「这一轮花了多少」。若已安装费用类插件,数字会更准,但缺少一种即时、可感知的反馈。dsh-cost-voice 在每轮会话正常结束后,用预置音频在浏览器里播一句类似「支付宝到账,零点一二元」或「大白饭到账,零点一二元」的提示,金额优先对接 dsh-cost-meter,否则按该轮模型单价估算。语音片段随插件打包,运行时不联网、不依赖系统 TTS,也不需要 API Key。
这是什么¶
dsh-cost-voice 是维护者 gongfpp 发布的 DSH Web 侧插件(npm 包名 dsh-cost-voice,当前版本 1.0.1,MIT 许可证)。它监听轮次结束事件,计算或读取本轮人民币费用,再拼接或播放内置 mp3,完成一次短语音播报。社区目录 SkillHub 将其归类为工作流相关插件;包元数据中还标注 usage、voice 等标签。插件以娱乐与用量感知为主,README 明确说明播报金额为估算值,不能作为账单依据。
核心功能¶
播报时机与内容¶
- 每轮结束自动播报;可在设置里选择「只在正常完成的轮次播报」,关闭后中断或报错的轮次也会播。
- 同一轮只播一次,刷新页面不会重播;后台标签页错过的只补最近一条。
- 低于设定金额可不播,默认阈值为 0(任何金额都播)。
两种音色¶
| 音色 | 说明 |
|---|---|
| 支付宝 | 18 段片段拼接(数字、点、元、十百千万及「支付宝到账」前缀),素材来自开源项目 Reathin/XVoice |
| 大白饭 | 0.01–1.00 元共 100 句整句预渲染;超出范围回落到 17 段拼接,由小米 MiMo TTS 音色克隆生成 |
素材体积约 2.8 MB,全部随包分发,运行时不对 TTS 服务发请求。
金额来源¶
- 已安装且可用的
dsh-cost-meter:直接使用其记录的该轮费用(人民币),与费用面板口径一致。 - 否则按该轮实际模型与 token 用量估算:
输入 × 输入价 + 输出 × 输出价 + 缓存读 × 缓存读价 + 缓存写 × 缓存写价(元/百万 token)。 - 单价默认来自
dsh-cost-meter随包的docs/provider-pricing.json(354 个模型,USD/百万 token,折算汇率 7.2);插件设置页可按模型覆盖输入/输出单价,「其他模型」为表外兜底。插件内还带assets/pricing.json快照,费用插件不在时仍能估算。
设置页¶
可在 设置 → 插件 → 每轮扣款语音播报 中配置:音色、金额来源、按模型的价格表、最小播报金额、音量(0–1)、片段间隔(毫秒,默认 40)、静音时段(如 00:00–08:00)、试听与最近播报记录。
隐私与权限¶
插件自述不联网、无遥测;音频经同源接口从本机插件目录下发。只读会话事件中的用量与轮次信息,不读写对话正文。浏览器侧设置保存在 localStorage。
安装与启用¶
环境要求:DeepSeek Harness Web GUI 版本 >=0.2.1-0 <0.3.0-0,Node.js >=22。
从 npm 安装:
dsh plugin --profile web add dsh-cost-voice
本地开发时可指向目录(示例来自 README):
dsh plugin --profile web add D:\path\to\dsh-cost-voice
安装后重启一次 dsh web,刷新页面。在插件设置里点一次「试听」,用于解锁浏览器音频(Chrome 需用户手势才能出声),之后每轮结束即可自动播报。
典型用法¶
- 与
dsh-cost-meter同装:在设置里将「金额来源」设为费用插件,播报与费用面板一致。 - 未装费用插件:保持默认单价估算,必要时在「模型价格」里为常用模型填写覆盖单价。
- 办公时段外静音:配置「静音时段」,避免夜间播报。
- 极小金额过滤:将「低于此金额不播」设为大于 0 的值,减少干扰。
适用场景与注意¶
适合希望在 DSH Web 界面里对每轮 API 花费有即时听觉反馈的开发者;与 dsh-cost-meter 搭配时金额最可靠。已知限制包括:页面需保持打开,且前台标签页才能及时播报(后台标签页浏览器会压低定时器);大白饭音色在 1 元以上仍为片段拼接,听感略偏机械。
DSH 生态强调「一切皆插件」;SkillHub 等社区目录为独立站点,与 DeepSeek / 幻方无官方从属关系。插件随 DSH 进程以当前用户权限运行,安装前建议查看 GitHub 仓库 源码与 MIT 许可证,自行评估是否满足环境与安全要求。