前言¶

在 DeepSeek Harness（DSH）裏做帶「聲音」的智能體，常見做法是各自接 TTS API、自己管參考音頻、翻唱再另起腳本，QQ 側還要再對接一層橋接。鏈路一多，配置分散，Agent 也很難用同一套設置去合成、翻唱和發語音。

下面介紹社區插件 語音工坊（倉庫 keduoli-lovely/dsh-plugin-voice-studio），維護者爲 keduoli-lovely，在 DSH 插件目錄中歸類爲 模型推理。它把多提供商語音合成、參考音色庫、RVC 歌曲翻唱、情緒控制，以及通過 qq-bridge 發送語音（含隨機語音回覆）收進一個插件；設置集中在 設置 → 語音工坊，Agent 通過 voice_generate、song_cover、voice_studio_info、voice_random_check 四個工具共用同一配置。

這是什麼¶

語音工坊 的定位可以概括爲：把「說話、唱歌、換音色、發到 QQ」做成一件事。插件本體僅依賴 Node.js ≥ 18 內置模塊（無額外 npm 依賴）；可選能力依賴本機或局域網上的 IndexTTS、GPT-SoVITS、RVC、MSST、硅基流動 / MiniMax / 小米 MiMo / OpenAI 兼容 API，以及 qq-bridge。缺某服務時對應能力不可用，不會導致插件加載失敗。

運行環境要求 DeepSeek Harness ≥ 0.1.7（桌面版或 web profile）。插件通過 settings.section 出現在設置裏；當前 package.json 中版本爲 0.4.0，許可證 MIT。

核心功能¶

多提供商語音合成¶

內置 6 個 TTS 適配器，在線與本地配置字段統一爲 baseUrl / apiKey / model / voice；本地提供商使用 refAudioId。

配置持久化在 ~/.dsh-voice-studio/config.json。本地提供商需先有參考音色；未設默認音色時會用庫裏第一個可用條目。

參考音色庫¶

支持上傳、從路徑導入、整目錄遞歸導入（最多 200 個）。音頻複製到 ~/.dsh-voice-studio/refs/，不引用原路徑。同名導入返回 409 VOICE_CONFLICT，頁面可選擇替換或另存爲新音色。

情緒系統¶

來源鏈爲：調用方顯式參數 → 已安裝的 DSH 情緒插件（Service / get_mood / POST {DSH}/emotion/api/state）→ 內置詞典（開心、生氣、悲傷等）。缺情緒插件也不會失敗。GPT-SoVITS 與 RVC 無情緒參數，結果中會如實標註。

歌曲翻唱¶

流程：本機絕對路徑給歌 → 人聲分離 → RVC 換聲（HTTP）→ 本地 Node 混音母帶。換聲直接調用 RVC WebUI 的 Gradio /run/*；人聲分離需 MSST_WebUI（填 msstUrl 時優先）或插件自帶的 server/rvc-api.py 的 /separate（因 RVC WebUI 分離按鈕對應流式生成器且隊列路由不可用，HTTP 無法等分離跑完）。混音在本地按分離人聲 RMS 對齊伴奏，有 ffmpeg 時可 loudnorm 並輸出 MP3。

QQ 發送與隨機語音¶

生成音頻後複製進 qq-bridge 語音庫，調用其 qq_send_voice；插件不接管 QQ 連接。隨機語音由宿主端概率、冷卻與每小時上限控制；唱歌不走隨機。

可觀測與 API¶

狀態頁會展示 DSH 地址/端口、qq-bridge 與 DSH 地址是否一致，並按當前選擇探測服務。除 Agent 工具外，插件還提供 HTTP API（詳見倉庫 README）。

安裝與啓用¶

從 GitHub 安裝（web profile）：

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

本地目錄安裝：

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

安裝後刷新設置頁，即可看到「語音工坊」。插件以當前 DSH 進程權限運行，安裝前請自行查看倉庫源碼與 MIT 許可證。

典型用法¶

快速開始（設置頁）¶

1. 配置語音提供商：設置 → 語音工坊 → 語音合成，選擇提供商並填寫 baseUrl（本地）或 apiKey（在線）。
2. 導入參考音色：在語音合成或「參考音色」頁上傳/導入約 3~15 秒乾淨人聲。
3. 試聽：語音合成頁底部輸入文字，點「生成」，確認音色與出聲正常。
4. （可選）翻唱：在 RVC 機器啓動 server/rvc-api.py，歌曲翻唱頁填寫地址並「重新掃描模型」；輸入本機絕對路徑開始翻唱。
5. （可選）QQ：QQ 發送頁啓用並確認 qq-bridge 路徑；點「把當前 DSH 地址寫入 qq-bridge」，重啓 qq-bridge。

提供商配置示例¶

下面片段說明 config.json 中 tts.providers 的常見寫法（密鑰需替換爲自己的）：

{
  "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"
      }
    }
  }
}

可選 RVC 分離服務¶

需要自動分離且未配置 MSST 時，可在 RVC 根目錄啓動插件附帶腳本（默認端口 7866，示例來自 README）：

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

瀏覽器訪問 http://<RVC機器IP>:7866/ 應看到服務自述 JSON，而非 WebUI 頁面。

適用場景與注意¶

適合誰：希望在 DSH Agent 裏統一做 TTS、帶參考音色的角色聲線、情緒隨對話變化、偶爾 RVC 翻唱，並把結果發到 QQ 的開發者；已有 IndexTTS / GPT-SoVITS / RVC / qq-bridge 棧的用戶可以按需啓用子能力。

應注意：

• 歌曲翻唱 song 只接受本機絕對路徑；音樂目錄匹配、鏈接下載、yt-dlp 等能力已移除。
• RVC 換聲與 WebUI 列表/轉換可共用一個 rvcUrl；分離必須 MSST 或 rvc-api.py 之一。
• 社區插件目錄 skillhub.cn 爲獨立站點，與 DeepSeek / 幻方無官方從屬關係；星標與版本以你安裝時的倉庫爲準。

結尾¶

經過上面的步驟，語音工坊把合成、音色庫、情緒、翻唱與 QQ 語音發送收斂到 DSH 一套配置與四個 Agent 工具裏，減少自建膠水代碼。進一步瞭解參數、HTTP API、故障排查與已知限制，請閱讀倉庫 README：

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