前言¶
在 DeepSeek Harness 里做智能体或本地助手时，往往需要把文字变成可试听的语音，或按参考音、情绪参数合成台词。常见做法是单独开一套 TTS 脚本或 Web UI，和 DSH 的配置、数据目录割裂。AI语音（@local/ai-voice）是 Root-7-KHX 维护的 DSH 插件，把多种本地 TTS 引擎接到同一套面板里：文字描述造声、参考音克隆、情绪表演都在本机 CPU 上完成，生成结果与参考音只落在本机数据目录，不随插件打包模型与 Python 环境。
这是什么¶
AI语音是 DeepSeek Harness 的独立插件，npm 包名为 @local/ai-voice（当前仓库 package.json 版本为 0.2.0）。它提供一个本地音色工作台：Host 侧注册 /ai-voice/api/* 接口；界面不单独占一页，而是挂在 AI记忆（companion-memory） 插件的「接入软件」里。插件仓库只含 DSH 代码与调用脚本，VoxCPM2、IndexTTS-2.5 等权重与各引擎的 Python 虚拟环境需自行下载并在设置里填写路径。
核心功能¶
声音设计与参考音克隆（VoxCPM2）¶
写一句音色描述（例如「温柔软糯的年轻女声，二十多岁，语速偏慢」）和要念的内容，生成音频；可试听、下载，或一键存入参考音库。卡片顶部可选参考音 wav，选中后「用那个声音继续说」，不必再写音色描述；参考音可上传，也可把生成结果存为参考音。
带情绪说话（IndexTTS-2.5）¶
选参考音、写台词，从 10 种情绪中选取（平静、开心、大笑、悲伤、哭腔、生气、害怕、惊讶、撒娇、疲惫），再调情绪强度与语速，合成带情绪的语音。
情感指令（Qwen3-TTS 0.6B）¶
本地 CPU 运行。CustomVoice 模式自带 9 个说话人，可用自然语言指令控制语气（如「用开心的语气说」）；也可配合 Base 模型做参考音克隆。短句在 CPU 上约 10～20 秒，README 称其为三个主引擎里速度最快的一类用法。
六个本地引擎（2026-11-03 接入）¶
Spark-TTS、CosyVoice3、OpenAudio S1-mini（Fish-Speech）、GPT-SoVITS、F5-TTS、Kokoro 均在本地 CPU 跑，界面卡片与上述能力类似：选参考音、填台词、生成、列表试听下载。Kokoro 为预设音色（无需参考音），速度最快；其余五个以声音克隆为主，部分支持年代或语气指令、参考音台词。
交互与数据¶
- 台词栏单行输入，回车即开始合成；合成完成后输入清空，结果排在输入栏下方，每条带生成时间与用时。
- 同一页面同时只播放一条音频，切换播放会自动停上一条。
- 每条结果旁有小字备注；参数同时写入同名
.json，删音频时一并删除。 - 文件名采用提示词（音色描述或台词），重名自动加
(1)、(2)等；中文文件名可正常播放、下载、删除。 - 参考音库支持试听、下载、删除；数据默认在
<DSH_HOME>/ai-voice/（桌面版常见为C:\Users\<你>\.dsh\ai-voice），分目录存放design、speak、qwen及各引擎子目录，以及refs/与config.json。
安装与启用¶
官方 README 未给出 dsh plugin add github:... 一类命令，安装步骤如下。
- 将本仓库放入 DSH profile 的
node_modules，或在 profile 目录用本地路径安装，例如：
pnpm add file:D:/path/to/ai-voice
-
安装 companion-memory（AI记忆），用于「接入软件」页与应用页壳。
-
重载 DSH 插件（桌面版可完全退出 DSH Desktop 再打开）。
-
打开 AI记忆 → 接入软件，找到「AI语音」，点「打开」，在「设置」里填写各引擎的 Python 路径与模型目录。
运行环境要求 Node ≥ 22（见 README 徽章说明）。每个 TTS 引擎建议使用独立 Python 虚拟环境；模型权重需自行准备，README 指向外部清单 TTS模型清单.md 说明各引擎目录应有哪些文件。
设置面板中需按引擎分别填写的路径包括（节选）：
| 引擎 | 用途 | 设置里要填 |
|---|---|---|
| VoxCPM2 | 文字描述造声音 / 参考音克隆 | VoxCPM2 Python 路径、VoxCPM2 模型目录 |
| IndexTTS-2.5 | 参考音 + 情绪合成 | IndexTTS-2.5 Python 路径、IndexTTS-2.5 模型目录 |
| Qwen3-TTS 0.6B（CustomVoice） | 文本 + 说话人 + 情绪指令 | Qwen3-TTS Python 路径、CustomVoice 模型目录 |
| Qwen3-TTS 0.6B（Base） | 参考音克隆 | Base 模型目录 |
| Spark-TTS / CosyVoice3 / OpenAudio S1-mini / GPT-SoVITS / F5-TTS / Kokoro-82M | 见 README「引擎与模型」表 | 各引擎 Python 路径与模型目录 |
「引擎」行显示「就绪」且路径正确后，对应列表才会在生成后刷新。设置里还可调「本地推理占用线程数」（0 为自动），以减轻生成时 CPU 占满导致的界面卡顿。
典型用法¶
经过上面的安装与路径配置，可按下面流程在面板里试一遍。
- AI记忆 → 接入软件 → AI语音 → 打开，进入工作台。
- 声音设计：在 VoxCPM2 卡片写音色描述与台词，回车合成；满意则下载或「存为参考音」。
- 带情绪说话：在 IndexTTS-2.5 卡片选参考音、台词与情绪参数，回车合成；结果出现在该卡片列表，可试听。
- 情感指令或其它引擎卡片：按卡片说明选说话人/参考音、填台词或语气指令，生成后文件落在对应
audio/<引擎>/目录。
面板通过同源 GET/POST /ai-voice/api/* 调用后端，例如 design、speak、qwen 以及 spark、cosyvoice、fish、gptsovits、f5、kokoro 等；响应形如 { ok: true, value } 或 { ok: false, error: { message } }，且只接受本机请求。开发者若扩展集成，可先读 README「接口」一节中的 status、files、job、config 等路由说明。
适用场景与注意¶
适合希望在 DSH 生态内统一管理本地 TTS、又不想把音频上传到第三方服务的开发者。插件以当前 DSH 进程权限运行，安装前应阅读 GitHub 仓库 源码与 MIT 许可证；各底层模型版权归原项目所有，使用须遵守 VoxCPM2、IndexTTS、Qwen3-TTS 等各自许可。README 明确：克隆或他人声音须事先取得同意，禁止冒充、诈骗等违法用途。
本地推理会占满 CPU，插件已将生成进程设为 BelowNormal 优先级并默认限制推理线程；生成期间界面可能短暂不跟手，结束后恢复。Windows 上 IndexTTS 若遇 UnicodeDecodeError: 'gbk'，README 建议检查虚拟环境中 editable 安装的 .pth 是否应存为 ANSI 编码。
DeepSeek Harness 社区插件目录（如 SkillHub 上的 ai-voice 页）与 DeepSeek / 幻方无官方从属关系；分类上该插件属于「模型推理」类本地能力扩展。
结尾¶
AI语音把多套本机 TTS 引擎收进 DSH 插件与 AI记忆接入页，解决「造声、克隆、情绪台词」分散部署的问题；模型与环境外置，数据留在 <DSH_HOME>/ai-voice/。进一步了解安装细节与引擎来源，见 GitHub：Root-7-KHX/ai-voice 与目录页 skillhub.cn/plugins/Root-7-KHX/ai-voice。
