前言¶
在 DeepSeek Harness 裏做智能體或本地助手時，往往需要把文字變成可試聽的語音，或按參考音、情緒參數合成臺詞。常見做法是單獨開一套 TTS 腳本或 Web UI，和 DSH 的配置、數據目錄割裂。AI語音（@local/ai-voice）是 Root-7-KHX 維護的 DSH 插件，把多種本地 TTS 引擎接到同一套面板裏：文字描述造聲、參考音克隆、情緒表演都在本機 CPU 上完成，生成結果與參考音只落在本機數據目錄，不隨插件打包模型與 Python 環境。
這是什麼¶
AI語音是 DeepSeek Harness 的獨立插件，npm 包名爲 @local/ai-voice（當前倉庫 package.json 版本爲 0.2.0）。它提供一個本地音色工作臺：Host 側註冊 /ai-voice/api/* 接口；界面不單獨佔一頁，而是掛在 AI記憶（companion-memory） 插件的「接入軟件」裏。插件倉庫只含 DSH 代碼與調用腳本，VoxCPM2、IndexTTS-2.5 等權重與各引擎的 Python 虛擬環境需自行下載並在設置裏填寫路徑。
核心功能¶
聲音設計與參考音克隆（VoxCPM2）¶
寫一句音色描述（例如「溫柔軟糯的年輕女聲，二十多歲，語速偏慢」）和要念的內容，生成音頻；可試聽、下載，或一鍵存入參考音庫。卡片頂部可選參考音 wav，選中後「用那個聲音繼續說」，不必再寫音色描述；參考音可上傳，也可把生成結果存爲參考音。
帶情緒說話（IndexTTS-2.5）¶
選參考音、寫臺詞，從 10 種情緒中選取（平靜、開心、大笑、悲傷、哭腔、生氣、害怕、驚訝、撒嬌、疲憊），再調情緒強度與語速，合成帶情緒的語音。
情感指令（Qwen3-TTS 0.6B）¶
本地 CPU 運行。CustomVoice 模式自帶 9 個說話人，可用自然語言指令控制語氣（如「用開心的語氣說」）；也可配合 Base 模型做參考音克隆。短句在 CPU 上約 10～20 秒，README 稱其爲三個主引擎裏速度最快的一類用法。
六個本地引擎（2026-11-03 接入）¶
Spark-TTS、CosyVoice3、OpenAudio S1-mini（Fish-Speech）、GPT-SoVITS、F5-TTS、Kokoro 均在本地 CPU 跑，界面卡片與上述能力類似：選參考音、填臺詞、生成、列表試聽下載。Kokoro 爲預設音色（無需參考音），速度最快；其餘五個以聲音克隆爲主，部分支持年代或語氣指令、參考音臺詞。
交互與數據¶
- 臺詞欄單行輸入，回車即開始合成；合成完成後輸入清空，結果排在輸入欄下方，每條帶生成時間與用時。
- 同一頁面同時只播放一條音頻，切換播放會自動停上一條。
- 每條結果旁有小字備註；參數同時寫入同名
.json，刪音頻時一併刪除。 - 文件名採用提示詞（音色描述或臺詞），重名自動加
(1)、(2)等；中文文件名可正常播放、下載、刪除。 - 參考音庫支持試聽、下載、刪除；數據默認在
<DSH_HOME>/ai-voice/（桌面版常見爲C:\Users\<你>\.dsh\ai-voice），分目錄存放design、speak、qwen及各引擎子目錄，以及refs/與config.json。
安裝與啓用¶
官方 README 未給出 dsh plugin add github:... 一類命令，安裝步驟如下。
- 將本倉庫放入 DSH profile 的
node_modules，或在 profile 目錄用本地路徑安裝，例如：
pnpm add file:D:/path/to/ai-voice
-
安裝 companion-memory（AI記憶），用於「接入軟件」頁與應用頁殼。
-
重載 DSH 插件（桌面版可完全退出 DSH Desktop 再打開）。
-
打開 AI記憶 → 接入軟件，找到「AI語音」，點「打開」，在「設置」裏填寫各引擎的 Python 路徑與模型目錄。
運行環境要求 Node ≥ 22（見 README 徽章說明）。每個 TTS 引擎建議使用獨立 Python 虛擬環境；模型權重需自行準備，README 指向外部清單 TTS模型清單.md 說明各引擎目錄應有哪些文件。
設置面板中需按引擎分別填寫的路徑包括（節選）：
| 引擎 | 用途 | 設置裏要填 |
|---|---|---|
| VoxCPM2 | 文字描述造聲音 / 參考音克隆 | VoxCPM2 Python 路徑、VoxCPM2 模型目錄 |
| IndexTTS-2.5 | 參考音 + 情緒合成 | IndexTTS-2.5 Python 路徑、IndexTTS-2.5 模型目錄 |
| Qwen3-TTS 0.6B（CustomVoice） | 文本 + 說話人 + 情緒指令 | Qwen3-TTS Python 路徑、CustomVoice 模型目錄 |
| Qwen3-TTS 0.6B（Base） | 參考音克隆 | Base 模型目錄 |
| Spark-TTS / CosyVoice3 / OpenAudio S1-mini / GPT-SoVITS / F5-TTS / Kokoro-82M | 見 README「引擎與模型」表 | 各引擎 Python 路徑與模型目錄 |
「引擎」行顯示「就緒」且路徑正確後，對應列表纔會在生成後刷新。設置裏還可調「本地推理佔用線程數」（0 爲自動），以減輕生成時 CPU 佔滿導致的界面卡頓。
典型用法¶
經過上面的安裝與路徑配置，可按下面流程在面板裏試一遍。
- AI記憶 → 接入軟件 → AI語音 → 打開，進入工作臺。
- 聲音設計：在 VoxCPM2 卡片寫音色描述與臺詞，回車合成；滿意則下載或「存爲參考音」。
- 帶情緒說話：在 IndexTTS-2.5 卡片選參考音、臺詞與情緒參數，回車合成；結果出現在該卡片列表，可試聽。
- 情感指令或其它引擎卡片：按卡片說明選說話人/參考音、填臺詞或語氣指令，生成後文件落在對應
audio/<引擎>/目錄。
面板通過同源 GET/POST /ai-voice/api/* 調用後端，例如 design、speak、qwen 以及 spark、cosyvoice、fish、gptsovits、f5、kokoro 等；響應形如 { ok: true, value } 或 { ok: false, error: { message } }，且只接受本機請求。開發者若擴展集成，可先讀 README「接口」一節中的 status、files、job、config 等路由說明。
適用場景與注意¶
適合希望在 DSH 生態內統一管理本地 TTS、又不想把音頻上傳到第三方服務的開發者。插件以當前 DSH 進程權限運行，安裝前應閱讀 GitHub 倉庫 源碼與 MIT 許可證；各底層模型版權歸原項目所有，使用須遵守 VoxCPM2、IndexTTS、Qwen3-TTS 等各自許可。README 明確：克隆或他人聲音須事先取得同意，禁止冒充、詐騙等違法用途。
本地推理會佔滿 CPU，插件已將生成進程設爲 BelowNormal 優先級並默認限制推理線程；生成期間界面可能短暫不跟手，結束後恢復。Windows 上 IndexTTS 若遇 UnicodeDecodeError: 'gbk'，README 建議檢查虛擬環境中 editable 安裝的 .pth 是否應存爲 ANSI 編碼。
DeepSeek Harness 社區插件目錄（如 SkillHub 上的 ai-voice 頁）與 DeepSeek / 幻方無官方從屬關係；分類上該插件屬於「模型推理」類本地能力擴展。
結尾¶
AI語音把多套本機 TTS 引擎收進 DSH 插件與 AI記憶接入頁，解決「造聲、克隆、情緒臺詞」分散部署的問題；模型與環境外置，數據留在 <DSH_HOME>/ai-voice/。進一步瞭解安裝細節與引擎來源，見 GitHub：Root-7-KHX/ai-voice 與目錄頁 skillhub.cn/plugins/Root-7-KHX/ai-voice。
