前言¶
在 DeepSeek Harness（DSH）裏做智能體時，經常需要把文本變成可聽的旁白，或把錄音轉成可檢索的文字。若直接調 MiniMax 的音色復刻接口，常見做法是「復刻成功後立刻用 T2A 試聽」——這會立刻觸發按音色計費。社區插件 dsh-minimax-voice（維護者 Sunshine334419520，分類：模型推理）把復刻、試聽、合成和轉寫收進 Harness 的設置面板與 Agent 工具，並用 demo_audio 做試聽，避免爲試聽單獨付 ¥9.9/音色的復刻費。下面介紹它的定位、能力與安裝用法。
這是什麼¶
dsh-minimax-voice 是面向 DeepSeek Harness 的社區插件（非 DeepSeek 或 MiniMax 官方產品）。npm 包名 dsh-minimax-voice，當前資料記載版本 0.2.1，許可證 MIT。它需要已開通 MiniMax 音色復刻、T2A 的 API Key；語音識別可選、另計費。數據與配置落在本機 ~/.dsh/minimax-voice/，HTTP 服務只綁定 localhost，經 Harness Web UI 使用。
目錄頁：SkillHub 插件頁
源碼與文檔：GitHub — Sunshine334419520/dsh-minimax-voice
核心功能¶
資料中核實的能力如下。
音色復刻 — 支持 mp3 / m4a / wav，樣音時長 10 秒–5 分鐘、單文件 ≤20 MB；可選第二段短樣音（<8 秒）提升相似度。默認開啓降噪（與 MiniMax 默認相反，可在復刻時關閉）。
試聽不計入按音色復刻費 — MiniMax 在首次用該 voice_id 做 T2A 合成時收取 ¥9.9/音色。本插件試聽使用 /v1/voice_clone 返回的 demo_audio，本地保存並播放；音色在面板標爲「· 未激活」（activated: false），首次正式 synthesize() 後才激活並計費。詳見 README 的 Billing 一節。
文本轉語音（TTS） — 單次最多 10 000 字；八種情緒；可調語速、音量、音高；可用系統音色或自有復刻音色。默認模型資料示例爲 speech-2.8-hd。
語音轉文字（ASR） — 模型 asr-1.0，單次 ≤500 秒 / ≤50 MB，自動語言檢測，中英混合；返回純文本。
四處 Agent 工具 — minimax_voice_clone、minimax_voice_list、minimax_tts、minimax_transcribe，供模型在對話中自行調用。
設置面板 — API Key、復刻表單（含試聽播放器）、TTS 表單、ASR 卡片、音色庫與刪除。
本地 HTTP API — 默認在 Harness Web 服務（如 http://127.0.0.1:58500）下掛載 /mmvoice/api，無鑑權，僅 localhost 有意義。其他 Cordis 插件可通過注入 minimaxVoice 服務複用能力（README 有 inject 示例，正文截斷處未展開完整代碼）。
環境與依賴¶
- DeepSeek Harness >=0.2.0（含 Web UI 的 Web 或桌面構建）；
package.json中dsh引擎範圍爲>=0.2.0 <0.3.0-0。 - Node.js 22+。
- 可訪問
api.minimax.chat（國際）或api.minimax.cn（國內）。
安裝與啓用¶
將 desktop 換成你的 profile 名（dsh profiles 可列出）。
從 npm 安裝（資料原文命令）：
dsh plugin --profile desktop add dsh-minimax-voice --registry=https://registry.npmjs.org/
也可讓能執行終端的 Agent 代爲安裝；README 提供了完整英文提示詞模板。
桌面端一般會自動加載新插件。若設置頁沒有出現 MiniMax Voice，在 Plugins 裏關閉再打開該插件，或重啓應用；僅刷新瀏覽器不足以加載宿主側代碼，但面板 UI 變更仍需刷新。
配置 API Key¶
打開 Settings → MiniMax Voice，粘貼 MiniMax API Key 並保存，寫入 ~/.dsh/minimax-voice/secret.json。優先級爲：config.apiKey → 環境變量 MINIMAX_API_KEY → secret.json。
驗證是否就緒：
curl -s http://127.0.0.1:58500/mmvoice/api/status
資料中的響應示例包含 configured、keySource、dataDir、defaultModel、voiceCount、previewMode（如 "demo_audio"）等字段。
典型用法¶
設置面板¶
- 復刻音色 — 選樣音、可選改名、保持降噪、點「復刻」。庫中出現卡片，帶「▶ 試聽」與「· 未激活」，直到用該音色做一次合成。
- 文本轉音頻 — 粘貼文本（≤10 000 字），選音色並調參數，合成後 mp3 寫入
~/.dsh/minimax-voice/output/，界面會提示路徑。 - 音頻轉文字 — 選文件，可選語言（如
zh、en），「開始轉寫」；結果只讀框可複製，工具調用時可寫out_path。
Agent 工具¶
| 工具 | 作用 |
|---|---|
minimax_voice_clone |
從 audio_path 復刻，返回 voice_id 與本地試聽路徑 |
minimax_voice_list |
列出已存音色及 voice_id、名稱、模型、試聽路徑 |
minimax_tts |
用 voice_id 合成 text（默認最新復刻音色） |
minimax_transcribe |
audio_path 轉純文本，可選 out_path |
參數示例（摘自 README）：
// minimax_voice_clone
{ "audio_path": "~/samples/narrator.m4a", "name": "懸疑旁白", "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 速覽¶
路由前綴 /mmvoice/api，常見包括：GET /status、GET /voices、POST /clone、POST /tts、POST /transcribe、POST /key 等。轉寫示例：
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"
完整路由表見 GitHub README 的 HTTP API 一節。
適用場景與注意¶
適合誰 — 已在 DSH 裏編排 Agent、需要 MiniMax 復刻/ TTS / ASR 且希望 UI、工具與本地 API 一體落地的開發者；做有聲內容、旁白試聽、會議紀要轉寫等 workflow 時，可把四工具交給模型鏈式調用。
計費 — 試聽走 demo_audio 與 TTS 字符計費邏輯（見 README Billing）；首次用某復刻音色做正式合成才觸發 ¥9.9/音色。ASR 單獨計費。
安全與權限 — 插件以當前 DSH 進程權限運行；本地 HTTP 雖僅 localhost，仍無鑑權，勿在不可信環境暴露 Harness 端口。安裝前建議閱讀倉庫源碼與 MIT 許可證，自行覈對 Key 與樣音文件的存放位置。
DSH 生態主張「一切皆插件」；SkillHub 等社區目錄爲獨立站點，與 DeepSeek、幻方無官方從屬關係。
結尾¶
dsh-minimax-voice 把 MiniMax 音色復刻、延遲激活計費、TTS、ASR 接到 Harness 的設置面板、四個 Agent 工具與本機 /mmvoice/api 上，適合在智能體流程裏統一處理「人聲」相關步驟。進一步細節以 README 爲準：
- 目錄頁：https://www.skillhub.cn/plugins/Sunshine334419520/dsh-minimax-voice
- GitHub：https://github.com/Sunshine334419520/dsh-minimax-voice
