前言¶
在 DeepSeek Harness（DSH）里做带语音能力的智能体或本地工具链时，常见做法是单独开 GPT-SoVITS 的 api_v2.py、再另找脚本做训练或 RVC 翻唱，路径、端口、权重目录要在多个窗口之间来回对。维护者 liye0803 的 dsh-voice-studio（音色工坊）把「说话」和「翻唱」收进 DSH 侧边栏：编排界面、环境自检、引擎保活，但不自带任何模型或推理环境。下面介绍它解决什么问题、怎么装、怎么用，以及使用前要留意的边界。
这是什么¶
dsh-voice-studio 是面向 Windows 10/11 的 DSH 客户端插件（依赖 PowerShell、WMI、explorer）。它在侧边栏提供语音工作台：管理 GPT-SoVITS 音色（零样本试听、训练、切换、A/B），以及基于 RVC 的翻唱流程（人声分离 → 变声 → 混音导出 mp3）。插件只做本地编排与界面，不包含模型与引擎；你需要自行安装 DeepSeek Harness、GPT-SoVITS（默认 127.0.0.1:9880），翻唱功能则可选 Applio、audio-separator、ffmpeg 等独立 RVC 环境。许可为 MIT，当前 package 版本 1.0.2，要求 Node.js >= 22。
社区目录页：https://www.skillhub.cn/plugins/liye0803/dsh-voice-studio
源码与说明：https://github.com/liye0803/dsh-voice-studio
核心功能¶
说话（GPT-SoVITS）¶
- 零样本试听：5~10 秒参考音配合底模即时合成。
- 训练专属音色：切片、打标、预处理、s1/s2 训练流水线（
tools/train_pipeline.py等）；6GB 显存可选用 v2 小模型。 - 音色管理：多套权重切换、备注、改名、删除；语速 0.6~1.6、温度 0.1~1.2；同一句话当前音色与零样本 A/B 对比。
- 批量合成：一行一句，最多 30 句，逐条下载。
- 参考音库：列出候选音频，支持 whisper 转写、设为全局参考音或绑定到某音色。
- HTTP：
GET /voice-studio/say?text=…直接返回 wav，供其他软件调用。
翻唱（RVC，可选）¶
- 完整翻唱：整首歌 → 人声分离 → RVC 变声 → 混音 → mp3；输入已是人声时可「只变声」跳过分离混音。
- 可调变调（-12~+12 半音）、人声/伴奏音量、只处理前 N 秒。
- 导入
.pth/.index/.zip，同名自动配对；设置页对 Python、Applio、audio-separator、ffmpeg、rmvpe 做组件自检。
通用¶
- 环境自检：显卡、显存档位、Python、转写环境、底模、参考音、引擎、端口、权重目录等。
- 一键导入 json / pth / index / zip / wav，按类型归位；自选成品输出目录。
- 引擎保活：约 60 秒看门狗；通过 WMI 独立启动，DSH 退出不会带走引擎。
- 可将当前音色参考音/文字同步到 Aurabot 配置；支持诊断包、清理缓存、配置导出导入。
运行数据默认在 ~/.dsh/voice-studio/（如 settings.json、voices.json、logs/、samples/ 等，不进仓库）。
环境要求¶
| 依赖 | 说明 |
|---|---|
| DeepSeek Harness | 插件宿主与侧边栏 |
| GPT-SoVITS | api_v2.py，默认 127.0.0.1:9880 |
| RVC 环境（可选） | Applio + audio-separator + ffmpeg，独立目录 |
| NVIDIA 显卡 | 4GB+ 可零样本；6GB 可训 v2 小模型；8GB+ 可用 v2ProPlus |
README 注明：6GB 显存时 TTS 与 RVC 不宜同时常驻，翻唱或训练会自动暂停语音引擎；6GB 上训练只能选 v2，v2ProPlus 可能 OOM。
安装与启用¶
插件以当前 DSH 进程权限运行；安装前建议阅读仓库源码与 MIT 许可证，确认路径与启动方式符合你的安全策略。
从 npm 或 GitHub 安装（README 标注为发布后用法）：
dsh plugin --profile desktop add dsh-voice-studio
或：
dsh plugin --profile desktop add github:liye0803/dsh-voice-studio
本地开发可用 link: 指向插件目录，改动可即时生效（路径按本机替换）：
dsh plugin --profile desktop add "link:D:/path/to/dsh-voice-studio"
装完后重启 DSH，侧边栏会出现「音色工坊」。
首次配置¶
- 打开侧边栏「音色工坊」，向导三步：环境体检 → 选玩法 → 完成。
- 设置 → 语音引擎 → 「安装位置」填 GPT-SoVITS 目录（含
venv、gpt-sovits）。 - 设置 → 翻唱引擎 → 「RVC 根目录」填 RVC 环境（含
env、Applio）；翻唱需 Aurabot 风格目录布局或设置中等价结构。 - 「语音引擎」中填写参考音路径与参考文字（文字须与音频逐字一致）。
- 点「重新检测」，红项会给出修复提示；引擎加载约 40 秒，启动中会显示「启动中」。
典型用法¶
试听：说话页输入一句 → 试听当前音色 → 调整语速/温度后再试。
训练：说话页 → 新建训练 → 名称、音频、版本（6GB 选 v2）→ 开始。训练期间语音服务会暂停，结束后自动恢复。
翻唱：翻唱页 → 选音频 → RVC 音色 → 模式（完整翻唱 / 只变声）→ 开始 → 试听或下载。
给其他程序调 TTS（端口替换为 DSH 实际监听端口）：
GET http://127.0.0.1:<DSH端口>/voice-studio/say?text=你好&voice=zero-shot
独立调试界面（不启动完整 DSH 时）：
node lib/index.js --standalone 9909
浏览器打开 http://127.0.0.1:9909/voice-studio/app。
适用场景与注意¶
适合：已在 Windows 上自建 GPT-SoVITS，并希望从 DSH 侧边栏统一管理音色、训练与试听；需要本地 RVC 翻唱且愿意维护 Applio 等组件的用户。
限制与合规（来自 README）：
- 仅 Windows；翻唱目录需与文档描述的结构一致或自行在设置中指向等价路径。
- 插件不下载、不分发模型或音频；音色克隆须获得权利人授权，风险由使用者承担。
- 抓取音乐平台歌曲可能违反平台条款，插件不提供平台接入。
常见问题：「引擎离线」先看设置里环境自检；翻唱「找不到模型」确认五个组件全绿且 models 下有 .pth；面板无响应可 F5 或查看浏览器 Console 首条报错。
结尾¶
dsh-voice-studio 把 GPT-SoVITS 说话与 RVC 翻唱收进 DSH 侧边栏，用自检、保活和 HTTP 接口减少手工对端口与目录的工作；引擎与模型仍需自备。目录与安装说明见 SkillHub 插件页与 GitHub 仓库上述链接。
