前言¶
在 DeepSeek Harness（DSH）里做智能体对话时，助手回复往往很长：代码块、多语言混排、连续多轮。若要在浏览器里「边听边看」，或用手写输入框口述问题，通常得自己接 TTS/STT 服务、再在 UI 里打补丁。社区插件 dsh-voice（npm 包名 @lucagiftzek/dsh-voice）把朗读、听写、按语言选供应商和逐词高亮收进 DSH Web 界面，并在设置里统一管理多家语音后端。下面介绍它做什么、如何安装，以及使用前需要注意的事项。
这是什么¶
dsh-voice 由维护者 lucagiftzek（Luca Tzekos）发布，在 SkillHub 社区目录中归类为模型推理。当前 npm 版本为 2.0.0（MIT 许可证）。它面向 DeepSeek Harness Web UI：在每条已完成的助手回复上提供朗读控件，在输入区提供麦克风听写，并支持按句子检测语言、为不同语言绑定不同 TTS/STT 供应商，以及朗读时的句子和单词高亮。
插件声明 dsh.bundle，通过 Cordis patch 注入聊天与会话 UI；密钥走服务端配置，README 说明 keys 不会进入浏览器。
核心功能¶
以下能力均来自项目 README 与 package 描述，可按需在设置中逐项启用。
对话内朗读与代码块
- 每条已结束的助手回复旁有扬声器，可对正文朗读。
- 代码块旁有
{ }按钮，可单独朗读代码块内容。
听写与润色
- 输入框（composer）旁有麦克风，支持 push-to-talk 听写，文本插入光标位置。
- 可选「润色」步骤：修正标点，不翻译原文。
多供应商并行
- 设置路径：Settings > Voice。
- README 称共 23 种 provider 类型，列表中 EU 厂商优先，再分 Others、Self-hosted；每项带数据 residency 与 timing（word timings 或 estimated）标识。
- 同一类型可添加多个实例（例如本地服务 + 中继、两个 Azure 区域）。
- 每一行有 Test：朗读短句并回录转写；纯 STT 供应商会借用其他行的 TTS 样本。
按语言路由
- 可为 English、Italian、Greek 及自定义语言分别指定 provider、model、voice、speed。
- 正文内可用 in-text language markers 在同一段文字中切换语言。
- 按句做语言检测；不确定时可用 DSH 模型辅助；朗读时显示 language badge。
高亮与自动朗读
- 支持当前句、当前词高亮；若供应商返回 word timings，词级高亮更准，否则按音频长度估算。
- 可 opt-in auto-read 新回复。
侧栏与快捷键
- TTS Reader 侧栏标签（README 建议先安装 dsh-better-sidebar 作为 tab host，若已装可跳过）。
- 支持键盘快捷键（具体键位见仓库文档）。
运行环境
- README：DSH 0.2.x（在 0.2.1 上测试）及 DSH 0.1.5。
- package.json 中
dsh.engines.dsh为>=0.1.1-rc.1；Node 为^22.19.0 || >=24.0.0。 - 仓库已提交
lib/，npm 安装无需本地 build。
安装与启用¶
先做依赖侧栏（可选），再添加语音插件，最后重启 Web 并在 Voice 里测通供应商。
- 若需要 TTS Reader 侧栏标签，且尚未安装 tab host：
dsh plugin --profile web add dsh-better-sidebar
- 从 npm 或 GitHub 添加 dsh-voice（二选一）：
dsh plugin --profile web add @lucagiftzek/dsh-voice
或：
dsh plugin --profile web add github:lucagiftzek/dsh-voice
- 重启 DSH Web 进程（例如重启
dsh web），在 Settings > Voice 中添加 provider，点击 Test 确认 TTS/STT。
若从本地 checkout 开发链接（需自行 clone，非本文安装路径），README 给出：dsh plugin --profile web add link:$PWD/dsh-voice；日常用户以 npm/GitHub 命令为准。
典型用法¶
配置语音后端
打开 Settings > Voice，在 Add provider 中选择类型（表格与说明见仓库 docs/PROVIDERS.md）。EU 组示例包括 Mistral、Speechmatics、Gladia、Acapela、ReadSpeaker 等；Others 含 ElevenLabs、Azure、Google、Amazon、OpenAI、Deepgram 等；Self-hosted 含 Piper、Kokoro、ElevenLabs-compatible 等。为每种需要自动路由的语言配置对应实例；未在其语言列表中的 provider 不会收到该语言的自动路由。
对话中
- 点击助手消息旁的扬声器听全文；代码块用
{ }朗读。 - 在 composer 用麦克风口述；需要时可开润色仅改标点。
- 多语言正文可用 in-text markers 切换朗读语言。
侧栏
- 安装 dsh-better-sidebar 后，使用 TTS Reader 标签阅读示例或多语文本（README 截图见仓库
docs/media/demo.png）。
验证与状态
- 部分 provider 在 README 中标记 (partly verified) 或 (planned)，含义见
docs/PROVIDERS.md的 Verification 说明。 - 故障排查见
docs/TROUBLESHOOTING.md、docs/ERRORS.md。
适用场景与注意¶
适合谁
- 在 DSH Web 里长时间阅读助手输出、希望听读结合或口述提问的开发者。
- 需要在同一实例里按语言切换 TTS/STT（例如英/意/希腊混排），或优先选用 EU residency 供应商的团队。
- 已有 Azure、OpenAI、Mistral 等密钥，希望在 DSH 内统一配置而非单独写前端集成的人。
使用前请注意
- DSH 生态是「一切皆插件」；SkillHub 目录为社区站点，与 DeepSeek / 幻方无官方从属关系。
- 插件随当前 dsh 进程权限运行，安装前应查看源码与 MIT 许可证，并理解各 vendor 的数据 residency 与计费（README 表格中的 Price note 仅为文档摘要，以厂商定价页为准）。
- 星标与目录页展示信息会变化；功能边界以仓库 CHANGELOG.md（2.0.0 起 23 provider types）为准。
结尾¶
dsh-voice 把 DSH Web 对话里的朗读、听写、23 类 TTS/STT 供应商配置、按语言路由和朗读高亮做成一套可测试的设置面板，减少自研语音 UI 的成本。进一步了解可访问社区目录页与 GitHub 仓库：
- 目录页：https://www.skillhub.cn/plugins/lucagiftzek/dsh-voice
- GitHub：https://github.com/lucagiftzek/dsh-voice
