前言¶
DSH 里的智能体回复以文本为主。你如果想让它开口说话，常见的做法是在插件里硬塞一段「合成音频、上传、发消息」的逻辑，结果播放、发送、上传全压在同一个插件里，换个前端又要重做一遍。
下面介绍的 cilis/dsh-whale-tts 把这件事拆得很干脆：它只负责把文本合成成本地音频文件并返回路径，播放、发送、上传一概不管，交给调用方。维护者是 cilis，仓库在 GitHub，许可为 MIT，属于社区目录里的「趣味换装」分类。
这是什么¶
一句话定位：DeepSeek Harness 的聚合语音朗读插件，让助手角色拥有自己的音色。它把文本合成为本地音频并返回绝对路径、相对路径和文件名。
它解决的痛点是：主流程要发音，但插件不该越界管播放。合成与交付的边界被明确划开。
核心功能¶
三个工具，职责单一：
tts_synthesize：文本转语音，返回绝对路径、相对路径和文件名。tts_list_voices：列出 provider 能力和已保存的音色档案。tts_status：自检 provider、密钥、缓存、输出目录。
声音设计与克隆：写一段描述可以生成 2~5 个候选，试听后再固化；也可以上传 10MB 内的 wav/mp3 做参考音频克隆。设计与克隆都会保留描述中的语气、语速作为风格指令。
音色档案：分预置、克隆、设计三种，最多 50 个，可手动切换；删除档案时会一并删除参考音频。
设置卡：在 DSH 插件页可视化操作，包括试听、生成候选、管理档案、写密钥、改输出设置，界面中英双语。
朗读：DSH 助手每条最终回复的操作行有播放按钮，用当前音色朗读或暂停。设置卡里的「自动朗读新回复」默认关闭，开启后只读一轮的最后一条正文。还可以设置跳过代码块、分段长度和语速；行内代码按词语读出，围栏代码块默认跳过。
备份与恢复：把档案、样本、候选导出成一个 JSON（不含密钥），导入支持合并或替换，导入前自动备份当前状态。
密钥安全：只保存 DSH 凭据的引用名，工具结果、日志和前端都不会出现密钥值；只允许清除本插件自己写入的凭据。
离线回退：主 provider 目前只有 MiMo；MiMo 不可用时可以回退到 Windows 自带的离线 SAPI。
安装与启用¶
官方安装命令为本地 tgz：
dsh plugin --profile <profile> add file:/路径/dsh-whale-tts-0.5.0.tgz
# 或在 DSH 插件页安装 tgz / 本地目录，装完重启 DSH
也可以在 DSH 插件页直接安装 tgz 或本地目录，装完需要重启 DSH 才生效。
运行环境要求来自仓库 package.json：
"engines": {
"dsh": ">=0.2.1-rc.4 <0.3.0-0",
"node": ">=24.9.0"
}
也就是说，DSH 版本需要落在 >=0.2.1-rc.4 <0.3.0-0，Node 至少 24.9.0。插件对外依赖 @deepseek-ai/cordis 和 @deepseek-ai/schemastery。
典型用法¶
先做自检，确认 provider、密钥、缓存和输出目录就绪：
tts_status
再列出可用音色和已有档案：
tts_list_voices
拿到音色编号后合成一份音频：
tts_synthesize
tts_synthesize 返回的是路径，不是音频本身。调用方拿到绝对路径后自行决定怎么播放、怎么发、怎么上传。如果你要做持续朗读，开设置卡里的「自动朗读新回复」，并按需设置语速和分段长度。
适用场景与注意¶
适合给 DSH 助手角色配上稳定的专属音色，或者批量把回复转成本地音频再交给下游处理。只想快速试听一两句，用设置卡的试听功能即可。
这里有几个必须注意的点：
插件以当前 DSH 进程的权限运行，能读进程可访问的文件、能写输出目录。安装前应检查源码与许可证（本插件为 MIT），确认没有你不想授予的权限。
主 provider 目前只有 MiMo，这意味着首次使用需要可用的 MiMo 凭据；写密钥只写引用名，插件不会把密钥值带进日志或前端。Windows 下的离线回退依赖系统自带的 SAPI，行为与在线合成不同。
音色档案和候选存在本地，删除档案会连参考音频一起删掉；跨机器迁移时用备份导出导入，而不是手工复制文件夹。
结尾¶
这个插件的价值在于把「合成」和「播放」拆开：插件只管产出音频文件和返回路径，怎么用由调用方决定。如果你在给 DSH 助手做语音化，它是一个最小可用的起点。
- 目录页：https://www.skillhub.cn/plugins/cilis/dsh-whale-tts
- 仓库：https://github.com/cilis/dsh-whale-tts
