前言¶
在 DeepSeek Harness（DSH）裏做帶語音能力的智能體或本地工具鏈時，常見做法是單獨開 GPT-SoVITS 的 api_v2.py、再另找腳本做訓練或 RVC 翻唱，路徑、端口、權重目錄要在多個窗口之間來回對。維護者 liye0803 的 dsh-voice-studio（音色工坊）把「說話」和「翻唱」收進 DSH 側邊欄：編排界面、環境自檢、引擎保活，但不自帶任何模型或推理環境。下面介紹它解決什麼問題、怎麼裝、怎麼用，以及使用前要留意的邊界。
這是什麼¶
dsh-voice-studio 是面向 Windows 10/11 的 DSH 客戶端插件（依賴 PowerShell、WMI、explorer）。它在側邊欄提供語音工作臺：管理 GPT-SoVITS 音色（零樣本試聽、訓練、切換、A/B），以及基於 RVC 的翻唱流程（人聲分離 → 變聲 → 混音導出 mp3）。插件只做本地編排與界面，不包含模型與引擎；你需要自行安裝 DeepSeek Harness、GPT-SoVITS（默認 127.0.0.1:9880），翻唱功能則可選 Applio、audio-separator、ffmpeg 等獨立 RVC 環境。許可爲 MIT，當前 package 版本 1.0.2，要求 Node.js >= 22。
社區目錄頁：https://www.skillhub.cn/plugins/liye0803/dsh-voice-studio
源碼與說明：https://github.com/liye0803/dsh-voice-studio
核心功能¶
說話（GPT-SoVITS）¶
- 零樣本試聽：5~10 秒參考音配合底模即時合成。
- 訓練專屬音色：切片、打標、預處理、s1/s2 訓練流水線（
tools/train_pipeline.py等）；6GB 顯存可選用 v2 小模型。 - 音色管理：多套權重切換、備註、改名、刪除；語速 0.6~1.6、溫度 0.1~1.2；同一句話當前音色與零樣本 A/B 對比。
- 批量合成：一行一句，最多 30 句，逐條下載。
- 參考音庫：列出候選音頻，支持 whisper 轉寫、設爲全局參考音或綁定到某音色。
- HTTP：
GET /voice-studio/say?text=…直接返回 wav，供其他軟件調用。
翻唱（RVC，可選）¶
- 完整翻唱：整首歌 → 人聲分離 → RVC 變聲 → 混音 → mp3；輸入已是人聲時可「只變聲」跳過分離混音。
- 可調變調（-12~+12 半音）、人聲/伴奏音量、只處理前 N 秒。
- 導入
.pth/.index/.zip，同名自動配對；設置頁對 Python、Applio、audio-separator、ffmpeg、rmvpe 做組件自檢。
通用¶
- 環境自檢：顯卡、顯存檔位、Python、轉寫環境、底模、參考音、引擎、端口、權重目錄等。
- 一鍵導入 json / pth / index / zip / wav，按類型歸位；自選成品輸出目錄。
- 引擎保活：約 60 秒看門狗；通過 WMI 獨立啓動，DSH 退出不會帶走引擎。
- 可將當前音色參考音/文字同步到 Aurabot 配置；支持診斷包、清理緩存、配置導出導入。
運行數據默認在 ~/.dsh/voice-studio/（如 settings.json、voices.json、logs/、samples/ 等，不進倉庫）。
環境要求¶
| 依賴 | 說明 |
|---|---|
| DeepSeek Harness | 插件宿主與側邊欄 |
| GPT-SoVITS | api_v2.py，默認 127.0.0.1:9880 |
| RVC 環境（可選） | Applio + audio-separator + ffmpeg，獨立目錄 |
| NVIDIA 顯卡 | 4GB+ 可零樣本；6GB 可訓 v2 小模型；8GB+ 可用 v2ProPlus |
README 註明：6GB 顯存時 TTS 與 RVC 不宜同時常駐，翻唱或訓練會自動暫停語音引擎；6GB 上訓練只能選 v2，v2ProPlus 可能 OOM。
安裝與啓用¶
插件以當前 DSH 進程權限運行；安裝前建議閱讀倉庫源碼與 MIT 許可證，確認路徑與啓動方式符合你的安全策略。
從 npm 或 GitHub 安裝（README 標註爲發佈後用法）：
dsh plugin --profile desktop add dsh-voice-studio
或：
dsh plugin --profile desktop add github:liye0803/dsh-voice-studio
本地開發可用 link: 指向插件目錄，改動可即時生效（路徑按本機替換）：
dsh plugin --profile desktop add "link:D:/path/to/dsh-voice-studio"
裝完後重啓 DSH，側邊欄會出現「音色工坊」。
首次配置¶
- 打開側邊欄「音色工坊」，嚮導三步：環境體檢 → 選玩法 → 完成。
- 設置 → 語音引擎 → 「安裝位置」填 GPT-SoVITS 目錄（含
venv、gpt-sovits）。 - 設置 → 翻唱引擎 → 「RVC 根目錄」填 RVC 環境（含
env、Applio）；翻唱需 Aurabot 風格目錄佈局或設置中等價結構。 - 「語音引擎」中填寫參考音路徑與參考文字（文字須與音頻逐字一致）。
- 點「重新檢測」，紅項會給出修復提示；引擎加載約 40 秒，啓動中會顯示「啓動中」。
典型用法¶
試聽：說話頁輸入一句 → 試聽當前音色 → 調整語速/溫度後再試。
訓練：說話頁 → 新建訓練 → 名稱、音頻、版本（6GB 選 v2）→ 開始。訓練期間語音服務會暫停，結束後自動恢復。
翻唱：翻唱頁 → 選音頻 → RVC 音色 → 模式（完整翻唱 / 只變聲）→ 開始 → 試聽或下載。
給其他程序調 TTS（端口替換爲 DSH 實際監聽端口）：
GET http://127.0.0.1:<DSH端口>/voice-studio/say?text=你好&voice=zero-shot
獨立調試界面（不啓動完整 DSH 時）：
node lib/index.js --standalone 9909
瀏覽器打開 http://127.0.0.1:9909/voice-studio/app。
適用場景與注意¶
適合：已在 Windows 上自建 GPT-SoVITS，並希望從 DSH 側邊欄統一管理音色、訓練與試聽；需要本地 RVC 翻唱且願意維護 Applio 等組件的用戶。
限制與合規（來自 README）：
- 僅 Windows；翻唱目錄需與文檔描述的結構一致或自行在設置中指向等價路徑。
- 插件不下載、不分發模型或音頻；音色克隆須獲得權利人授權，風險由使用者承擔。
- 抓取音樂平臺歌曲可能違反平臺條款，插件不提供平臺接入。
常見問題：「引擎離線」先看設置裏環境自檢；翻唱「找不到模型」確認五個組件全綠且 models 下有 .pth；面板無響應可 F5 或查看瀏覽器 Console 首條報錯。
結尾¶
dsh-voice-studio 把 GPT-SoVITS 說話與 RVC 翻唱收進 DSH 側邊欄，用自檢、保活和 HTTP 接口減少手工對端口與目錄的工作；引擎與模型仍需自備。目錄與安裝說明見 SkillHub 插件頁與 GitHub 倉庫上述鏈接。
