前言¶

做聊天機器人遲早會遇到一個需求：模型回了一段話，能不能直接發成語音條？常見做法是自己搭一套 TTS 服務，再寫腳本對接 IM，維護成本不低。還有一種折衷是直接調雲廠商的 TTS HTTP 接口，逐個請求拼湊。dsh-feiyu-say 這個插件走第三條路：它對接阿里百鍊的 TTS WebSocket 接口，把一句話合成成單聲道 WAV，幾行調用就能拿到本地文件路徑。它不綁定任何 IM，發往 QQ、微信還是隻是留在會話裏，由當前會話的傳輸方式決定。下面介紹它的能力、安裝和配置。

這是什麼¶

dsh-feiyu-say 是 DeepSeek Harness（DSH）的一個插件，維護者是 Vansnc。它給宿主提供「合成語音」這一個能力：收到一句文本，合成 WAV，返回文件路徑和試聽 URL。

它不是本地模型方案。插件本身只依賴 Node 22、ws 和 ffmpeg，沒有 Python，不需要額外部署。ffmpeg 用來把百鍊返回的 mp3 轉成目標採樣率的單聲道 WAV。

核心功能¶

插件暴露三類接口，都在會話裏直接調用。

1. send_voice：合成一句語音，拿回文件路徑和試聽 URL。發 QQ 語音條時傳 sampleRate: 8000。
2. voice_list：查看當前使用的音色、模型和接口。
3. voice_status：檢查 API Key、模型、音色、地址、ffmpeg 是否就緒；傳 test: true 會額外真合成一句。

還有兩個面向使用者的開關：

• 設置頁試聽：輸入一句點「試聽」，頁面裏 <audio> 直接播放，不必等真實發送。
• 語音提示三檔：off / auto / always，作用是提醒模型「想用聲音就說」。auto 表示看氣氛，always 表示每輪都提示。

採樣率也可配，默認 24000Hz；走 QQ 語音條時改成 8000。理由是目標端對採樣率有要求，由插件統一轉好格式，比在發送側再處理更省事。

前置條件¶

安裝前先確認三件事。

1. Node.js 22 或更高版本。
2. ffmpeg 在 PATH 裏，或者高級配置裏填了正確路徑。
3. 有阿里百鍊的 API Key，並且有一個開通了 TTS 模型的業務空間。

第三點是這套方案的硬門檻：文本會發到阿里雲，按字符計費。不想把文本傳出本地的，這個插件不合適。

安裝與配置¶

安裝命令來自插件文檔，三種方式按用途選。

從 npm 裝，裝完要重啓 DSH：

dsh-feiyu-say

從 GitHub 源碼裝：

github:Vansnc/dsh-feiyu-say

本地開發用 link: 軟鏈到 profile 的 node_modules：

ln -s /path/to/dsh-feiyu-say ~/.dsh/profiles/desktop/node_modules/dsh-feiyu-say

有一點要記住：宿主不會熱替換已加載的模塊，改完代碼必須重啓 DSH。

裝完之後進「設置 → 魚的聲音」填四項。

配置存在 ~/.dsh/feiyu-say-config.json，權限 0600，因爲裏面有 Key。高級選項裏還能改採樣率、超時、音頻目錄、保留條數和 ffmpeg 路徑。

典型用法¶

配置就緒後，調用方式很直接。

先確認環境沒問題：

voice_status

這條會逐項說明 API Key、模型、音色、地址、ffmpeg 哪項沒就緒。想驗證合成鏈路本身是否通，加參數：

voice_status test=true

合成一句語音並拿到路徑和試聽 URL：

send_voice text="今天先到這裏"

發 QQ 語音條時指定採樣率：

send_voice text="今天先到這裏" sampleRate=8000

想看看當前用的是哪套模型和音色：

voice_list

設置頁裏還有「運行自檢」，等價於跑 voice_status，適合不想打命令時用。

百鍊接口流程¶

這個插件調的是百鍊的 WebSocket 接口，理解流程有助於排錯。

run-task（model / voice / format / sample_rate）
  → task-started
  → continue-task(text) + finish-task
  → 二進制音頻幀
  → task-finished

實現見倉庫的 lib/bailian.mjs。返回的音頻是 mp3，插件再用 ffmpeg 轉成目標採樣率的單聲道 WAV 落到本地。

成本與隱私¶

兩點必須知道。

第一，文本會發到阿里雲並按字符計費，具體單價看百鍊對應模型的定價頁，不在插件文檔裏承諾數字。

第二，合成返回的是 24 小時有效的臨時 URL，插件會當場下載，不保存 URL、不依賴這個鏈接做後續分發。另外只使用你有權使用的聲音樣本和音色。

排錯¶

遇到問題按這個順序看。

• 先跑 voice_status 或設置頁「運行自檢」，它會逐項告訴你哪一項沒就緒，比猜快。
• 401：API Key 錯、地域不對，或地址和 Key 不匹配。
• 403 / 模型無權限：模型沒開通，或者業務空間沒授權。
• task-failed：看返回的 error_message，常見原因是音色 ID 不存在、文本爲空、賬戶欠費。
• ffmpeg 失敗：ffmpeg 不在 PATH，或者高級配置裏填的路徑不對。
• 改完代碼或配置後，重啓 DSH 或刷新設置頁，否則改動不生效。

小結¶

dsh-feiyu-say 解決的是「把一句話變成可發送的語音」這一件事，接口只有三個，配置填四項，沒有本地模型和額外部署。它以當前 DSH 進程的權限運行，安裝前建議先覈對源碼和許可證（MIT）。

目錄頁：https://www.skillhub.cn/plugins/Vansnc/dsh-feiyu-say
GitHub：https://github.com/Vansnc/dsh-feiyu-say