前言¶
在 DeepSeek Harness（DSH）里做智能体时，经常需要把文本变成可听的旁白，或把录音转成可检索的文字。若直接调 MiniMax 的音色复刻接口，常见做法是「复刻成功后立刻用 T2A 试听」——这会立刻触发按音色计费。社区插件 dsh-minimax-voice（维护者 Sunshine334419520，分类：模型推理）把复刻、试听、合成和转写收进 Harness 的设置面板与 Agent 工具，并用 demo_audio 做试听，避免为试听单独付 ¥9.9/音色的复刻费。下面介绍它的定位、能力与安装用法。
这是什么¶
dsh-minimax-voice 是面向 DeepSeek Harness 的社区插件（非 DeepSeek 或 MiniMax 官方产品）。npm 包名 dsh-minimax-voice，当前资料记载版本 0.2.1，许可证 MIT。它需要已开通 MiniMax 音色复刻、T2A 的 API Key；语音识别可选、另计费。数据与配置落在本机 ~/.dsh/minimax-voice/，HTTP 服务只绑定 localhost，经 Harness Web UI 使用。
目录页：SkillHub 插件页
源码与文档：GitHub — Sunshine334419520/dsh-minimax-voice
核心功能¶
资料中核实的能力如下。
音色复刻 — 支持 mp3 / m4a / wav，样音时长 10 秒–5 分钟、单文件 ≤20 MB；可选第二段短样音（<8 秒）提升相似度。默认开启降噪（与 MiniMax 默认相反，可在复刻时关闭）。
试听不计入按音色复刻费 — MiniMax 在首次用该 voice_id 做 T2A 合成时收取 ¥9.9/音色。本插件试听使用 /v1/voice_clone 返回的 demo_audio，本地保存并播放；音色在面板标为「· 未激活」（activated: false），首次正式 synthesize() 后才激活并计费。详见 README 的 Billing 一节。
文本转语音（TTS） — 单次最多 10 000 字；八种情绪；可调语速、音量、音高；可用系统音色或自有复刻音色。默认模型资料示例为 speech-2.8-hd。
语音转文字（ASR） — 模型 asr-1.0，单次 ≤500 秒 / ≤50 MB，自动语言检测，中英混合；返回纯文本。
四处 Agent 工具 — minimax_voice_clone、minimax_voice_list、minimax_tts、minimax_transcribe，供模型在对话中自行调用。
设置面板 — API Key、复刻表单（含试听播放器）、TTS 表单、ASR 卡片、音色库与删除。
本地 HTTP API — 默认在 Harness Web 服务（如 http://127.0.0.1:58500）下挂载 /mmvoice/api，无鉴权，仅 localhost 有意义。其他 Cordis 插件可通过注入 minimaxVoice 服务复用能力（README 有 inject 示例，正文截断处未展开完整代码）。
环境与依赖¶
- DeepSeek Harness >=0.2.0（含 Web UI 的 Web 或桌面构建）；
package.json中dsh引擎范围为>=0.2.0 <0.3.0-0。 - Node.js 22+。
- 可访问
api.minimax.chat（国际）或api.minimax.cn（国内）。
安装与启用¶
将 desktop 换成你的 profile 名（dsh profiles 可列出）。
从 npm 安装（资料原文命令）：
dsh plugin --profile desktop add dsh-minimax-voice --registry=https://registry.npmjs.org/
也可让能执行终端的 Agent 代为安装；README 提供了完整英文提示词模板。
桌面端一般会自动加载新插件。若设置页没有出现 MiniMax Voice，在 Plugins 里关闭再打开该插件，或重启应用；仅刷新浏览器不足以加载宿主侧代码，但面板 UI 变更仍需刷新。
配置 API Key¶
打开 Settings → MiniMax Voice，粘贴 MiniMax API Key 并保存，写入 ~/.dsh/minimax-voice/secret.json。优先级为：config.apiKey → 环境变量 MINIMAX_API_KEY → secret.json。
验证是否就绪：
curl -s http://127.0.0.1:58500/mmvoice/api/status
资料中的响应示例包含 configured、keySource、dataDir、defaultModel、voiceCount、previewMode（如 "demo_audio"）等字段。
典型用法¶
设置面板¶
- 复刻音色 — 选样音、可选改名、保持降噪、点「复刻」。库中出现卡片，带「▶ 试听」与「· 未激活」，直到用该音色做一次合成。
- 文本转音频 — 粘贴文本（≤10 000 字），选音色并调参数，合成后 mp3 写入
~/.dsh/minimax-voice/output/，界面会提示路径。 - 音频转文字 — 选文件，可选语言（如
zh、en），「开始转写」；结果只读框可复制，工具调用时可写out_path。
Agent 工具¶
| 工具 | 作用 |
|---|---|
minimax_voice_clone |
从 audio_path 复刻，返回 voice_id 与本地试听路径 |
minimax_voice_list |
列出已存音色及 voice_id、名称、模型、试听路径 |
minimax_tts |
用 voice_id 合成 text（默认最新复刻音色） |
minimax_transcribe |
audio_path 转纯文本，可选 out_path |
参数示例（摘自 README）：
// minimax_voice_clone
{ "audio_path": "~/samples/narrator.m4a", "name": "悬疑旁白", "need_noise_reduction": true }
// minimax_tts
{ "text": "第一章，雨夜。", "voice_id": "mvabc123", "model": "speech-2.8-hd",
"speed": 1.1, "emotion": "calm", "out_path": "~/out/ch1.mp3" }
// minimax_transcribe
{ "audio_path": "~/out/ch1.mp3", "language": "zh", "out_path": "~/out/ch1.txt" }
本地 HTTP API 速览¶
路由前缀 /mmvoice/api，常见包括：GET /status、GET /voices、POST /clone、POST /tts、POST /transcribe、POST /key 等。转写示例：
curl -X POST --data-binary @sample.mp3 -H "content-type: audio/mpeg" \
"http://127.0.0.1:58500/mmvoice/api/transcribe?filename=sample.mp3&language=zh"
完整路由表见 GitHub README 的 HTTP API 一节。
适用场景与注意¶
适合谁 — 已在 DSH 里编排 Agent、需要 MiniMax 复刻/ TTS / ASR 且希望 UI、工具与本地 API 一体落地的开发者；做有声内容、旁白试听、会议纪要转写等 workflow 时，可把四工具交给模型链式调用。
计费 — 试听走 demo_audio 与 TTS 字符计费逻辑（见 README Billing）；首次用某复刻音色做正式合成才触发 ¥9.9/音色。ASR 单独计费。
安全与权限 — 插件以当前 DSH 进程权限运行；本地 HTTP 虽仅 localhost，仍无鉴权，勿在不可信环境暴露 Harness 端口。安装前建议阅读仓库源码与 MIT 许可证，自行核对 Key 与样音文件的存放位置。
DSH 生态主张「一切皆插件」；SkillHub 等社区目录为独立站点，与 DeepSeek、幻方无官方从属关系。
结尾¶
dsh-minimax-voice 把 MiniMax 音色复刻、延迟激活计费、TTS、ASR 接到 Harness 的设置面板、四个 Agent 工具与本机 /mmvoice/api 上，适合在智能体流程里统一处理「人声」相关步骤。进一步细节以 README 为准：
- 目录页：https://www.skillhub.cn/plugins/Sunshine334419520/dsh-minimax-voice
- GitHub：https://github.com/Sunshine334419520/dsh-minimax-voice
