前言¶
DeepSeek Harness（DSH）裏的智能體默認只有文字輸出。若要在對話裏直接「出聲」——帶語氣讀回覆，甚至按簡單旋律唱幾句歌詞——通常得自己接 TTS API、管播放器和文件路徑，和 Cordis 工具鏈也要單獨對接。dsh-voice 是社區維護者 LIU118117 發佈的 Host-only 插件，在 Harness 裏註冊 voice_speak、voice_sing、voice_status 三個工具，把本機 ChatTTS / edge-tts 與 ffmpeg 播放串成一條可配置流水線。下面介紹它的定位、能力與安裝用法。
這是什麼¶
dsh-voice 面向 DSH / Cordis 開發者：一句話合成帶可選情緒的語音，或把文字按預設旋律逐字變調後拼接成「唱歌」效果。插件分類爲模型推理；源碼與說明見 GitHub，社區目錄頁爲 skillhub.cn/plugins/LIU118117/dsh-voice。許可證爲 MIT（package.json 版本 1.0.0）。
核心功能¶
插件向 Cordis 註冊三個工具：
| 工具 | 作用 |
|---|---|
voice_speak |
文字轉語音，可指定情緒（平靜/開心/難過/害羞/生氣/興奮）與音色（default/soft/bright/sharp），可選本機播放 |
voice_sing |
把文字（歌詞）按旋律逐字變調再拼接；旋律可選 star / birthday / gentle / funny |
voice_status |
查看當前引擎、路徑、模型緩存與最近生成的文件 |
說話引擎
- ChatTTS（默認路徑）：本機 GPU 推理，語氣自然，有停頓和情感；需要
modelHome下的模型緩存，以及 Python 環境中的ChatTTS包。 - edge-tts：不依賴本地大模型，啓動快；ChatTTS 不可用時自動回退。
- 唱歌：用 edge-tts 逐字合成，再按旋律音高變調，經 ffmpeg 拼接（偏趣味向）。
合成在本機完成：ChatTTS 完全離線；edge-tts 僅把待合成文本發給微軟語音服務，不上傳其他數據。生成音頻保存在本機數據目錄。
安裝與啓用¶
本插件是 Host-only bundle，不能用憑倉庫名拼出來的 dsh plugin add 代替官方方式。先把倉庫放到本機，再對該目錄的絕對路徑執行：
plugin_manager install_bundle <本目錄絕對路徑>
安裝成功後，工具列表裏應出現 voice_speak、voice_sing、voice_status。
依賴（安裝前準備）
- Python 3.10+，
pip install edge-tts；若用 ChatTTS，還需pip install ChatTTS，並預留約 1GB 模型緩存（首次加載可從 HF 鏡像下載）。 - ffmpeg / ffplay（轉碼與本機播放）。
行配置在 cordis.patch.yml，常見鍵如下（默認值以 README 爲準，部署時請改成自己機器上的路徑）：
| 鍵 | 默認 | 說明 |
|---|---|---|
pythonPath |
E:\SD-WebUI-Forge\venv\Scripts\python.exe |
運行 voice.py 的 Python |
ffmpegPath |
（README 中的 Windows 示例路徑） | 轉碼 |
ffplayPath |
同目錄 ffplay.exe |
本機播放 |
modelHome |
C:\Users\Lenovo\.dsh\tts-models |
ChatTTS 模型緩存（HF_HOME） |
engine |
auto |
auto / chattts / edge |
dataDir |
空 | 輸出目錄；空則 <DSH_HOME>/dsh-voice |
典型用法¶
README 中的調用示例可直接復現：
voice_speak text="今天也要開心呀。" emotion="happy" voice="soft" play=true
voice_speak text="才、纔不是爲了你才這樣說呢……" emotion="shy" voice="default"
voice_sing text="一閃一閃亮晶晶" melody="star" play=true
生成的文件在 <dataDir>/out/，默認即 <DSH_HOME>/dsh-voice/out/。需要確認引擎或最近輸出時，調用 voice_status。
適用場景與注意¶
適合誰
- 在本機 DSH 裏做助手、角色扮演或演示，希望 Agent 工具鏈裏自帶「讀出來 / 唱一句」，而不單獨寫 TTS 腳本。
- 能接受配置 Python、ffmpeg，並在 Linux 或 Windows 上改好
cordis.patch.yml裏的路徑（README 默認示例偏 Windows）。
使用前務必知曉
- 插件以當前 dsh 進程權限運行，會執行你配置的
pythonPath並讀寫dataDir；安裝前應閱讀源碼與 MIT 許可證，確認路徑與網絡行爲（edge-tts 會訪問微軟語音服務）符合你的環境策略。 - ChatTTS 依賴 GPU 與模型體積；僅 edge-tts 時更輕，但說話質感與 ChatTTS 不同，且唱歌能力仍走 edge-tts + ffmpeg 方案。
- 社區目錄 skillhub.cn 與 DeepSeek / 幻方無官方從屬關係，插件亦來自社區維護者，非官方應用商店條目。
結尾¶
dsh-voice 把「帶情緒說話 + 簡單旋律唱歌」收成三個 Cordis 工具，並在 ChatTTS 與 edge-tts 之間做自動回退，輸出落在本機 out/ 目錄。若要試用或改配置，可從目錄頁 LIU118117/dsh-voice 進入，或直接查看 GitHub 倉庫 中的 README 與 cordis.patch.yml。
