前言¶

在 DeepSeek Harness（DSH）里做带「声音」的智能体，常见做法是各自接 TTS API、自己管参考音频、翻唱再另起脚本，QQ 侧还要再对接一层桥接。链路一多，配置分散，Agent 也很难用同一套设置去合成、翻唱和发语音。

下面介绍社区插件 语音工坊（仓库 keduoli-lovely/dsh-plugin-voice-studio），维护者为 keduoli-lovely，在 DSH 插件目录中归类为 模型推理。它把多提供商语音合成、参考音色库、RVC 歌曲翻唱、情绪控制，以及通过 qq-bridge 发送语音（含随机语音回复）收进一个插件；设置集中在 设置 → 语音工坊，Agent 通过 voice_generate、song_cover、voice_studio_info、voice_random_check 四个工具共用同一配置。

这是什么¶

语音工坊 的定位可以概括为：把「说话、唱歌、换音色、发到 QQ」做成一件事。插件本体仅依赖 Node.js ≥ 18 内置模块（无额外 npm 依赖）；可选能力依赖本机或局域网上的 IndexTTS、GPT-SoVITS、RVC、MSST、硅基流动 / MiniMax / 小米 MiMo / OpenAI 兼容 API，以及 qq-bridge。缺某服务时对应能力不可用，不会导致插件加载失败。

运行环境要求 DeepSeek Harness ≥ 0.1.7（桌面版或 web profile）。插件通过 settings.section 出现在设置里；当前 package.json 中版本为 0.4.0，许可证 MIT。

核心功能¶

多提供商语音合成¶

内置 6 个 TTS 适配器，在线与本地配置字段统一为 baseUrl / apiKey / model / voice；本地提供商使用 refAudioId。

配置持久化在 ~/.dsh-voice-studio/config.json。本地提供商需先有参考音色；未设默认音色时会用库里第一个可用条目。

参考音色库¶

支持上传、从路径导入、整目录递归导入（最多 200 个）。音频复制到 ~/.dsh-voice-studio/refs/，不引用原路径。同名导入返回 409 VOICE_CONFLICT，页面可选择替换或另存为新音色。

情绪系统¶

来源链为：调用方显式参数 → 已安装的 DSH 情绪插件（Service / get_mood / POST {DSH}/emotion/api/state）→ 内置词典（开心、生气、悲伤等）。缺情绪插件也不会失败。GPT-SoVITS 与 RVC 无情绪参数，结果中会如实标注。

歌曲翻唱¶

流程：本机绝对路径给歌 → 人声分离 → RVC 换声（HTTP）→ 本地 Node 混音母带。换声直接调用 RVC WebUI 的 Gradio /run/*；人声分离需 MSST_WebUI（填 msstUrl 时优先）或插件自带的 server/rvc-api.py 的 /separate（因 RVC WebUI 分离按钮对应流式生成器且队列路由不可用，HTTP 无法等分离跑完）。混音在本地按分离人声 RMS 对齐伴奏，有 ffmpeg 时可 loudnorm 并输出 MP3。

QQ 发送与随机语音¶

生成音频后复制进 qq-bridge 语音库，调用其 qq_send_voice；插件不接管 QQ 连接。随机语音由宿主端概率、冷却与每小时上限控制；唱歌不走随机。

可观测与 API¶

状态页会展示 DSH 地址/端口、qq-bridge 与 DSH 地址是否一致，并按当前选择探测服务。除 Agent 工具外，插件还提供 HTTP API（详见仓库 README）。

安装与启用¶

从 GitHub 安装（web profile）：

dsh plugin --profile web add github:keduoli-lovely/dsh-plugin-voice-studio

本地目录安装：

dsh plugin --profile web add /path/to/dsh-plugin-voice-studio

安装后刷新设置页，即可看到「语音工坊」。插件以当前 DSH 进程权限运行，安装前请自行查看仓库源码与 MIT 许可证。

典型用法¶

快速开始（设置页）¶

1. 配置语音提供商：设置 → 语音工坊 → 语音合成，选择提供商并填写 baseUrl（本地）或 apiKey（在线）。
2. 导入参考音色：在语音合成或「参考音色」页上传/导入约 3~15 秒干净人声。
3. 试听：语音合成页底部输入文字，点「生成」，确认音色与出声正常。
4. （可选）翻唱：在 RVC 机器启动 server/rvc-api.py，歌曲翻唱页填写地址并「重新扫描模型」；输入本机绝对路径开始翻唱。
5. （可选）QQ：QQ 发送页启用并确认 qq-bridge 路径；点「把当前 DSH 地址写入 qq-bridge」，重启 qq-bridge。

提供商配置示例¶

下面片段说明 config.json 中 tts.providers 的常见写法（密钥需替换为自己的）：

{
  "tts": {
    "provider": "indextts",
    "providers": {
      "indextts": {
        "baseUrl": "http://127.0.0.1:7860",
        "refAudioId": "v_xxx",
        "lang": "ZH",
        "emoWeight": 0.8
      },
      "siliconflow": {
        "baseUrl": "https://api.siliconflow.cn/v1",
        "apiKey": "sk-...",
        "model": "FunAudioLLM/CosyVoice2-0.5B",
        "voice": "FunAudioLLM/CosyVoice2-0.5B:alex"
      }
    }
  }
}

可选 RVC 分离服务¶

需要自动分离且未配置 MSST 时，可在 RVC 根目录启动插件附带脚本（默认端口 7866，示例来自 README）：

runtime\python.exe <插件目录>\server\rvc-api.py --host 0.0.0.0 --port 7866 --rvc-root D:\path\to\RVC

浏览器访问 http://<RVC机器IP>:7866/ 应看到服务自述 JSON，而非 WebUI 页面。

适用场景与注意¶

适合谁：希望在 DSH Agent 里统一做 TTS、带参考音色的角色声线、情绪随对话变化、偶尔 RVC 翻唱，并把结果发到 QQ 的开发者；已有 IndexTTS / GPT-SoVITS / RVC / qq-bridge 栈的用户可以按需启用子能力。

应注意：

• 歌曲翻唱 song 只接受本机绝对路径；音乐目录匹配、链接下载、yt-dlp 等能力已移除。
• RVC 换声与 WebUI 列表/转换可共用一个 rvcUrl；分离必须 MSST 或 rvc-api.py 之一。
• 社区插件目录 skillhub.cn 为独立站点，与 DeepSeek / 幻方无官方从属关系；星标与版本以你安装时的仓库为准。

结尾¶

经过上面的步骤，语音工坊把合成、音色库、情绪、翻唱与 QQ 语音发送收敛到 DSH 一套配置与四个 Agent 工具里，减少自建胶水代码。进一步了解参数、HTTP API、故障排查与已知限制，请阅读仓库 README：

• 目录页：https://www.skillhub.cn/plugins/keduoli-lovely/dsh-plugin-voice-studio
• GitHub：https://github.com/keduoli-lovely/dsh-plugin-voice-studio