前言¶

在 DeepSeek Harness（DSH）里调试智能体或长时间读对话时，眼睛总要盯着屏幕。系统通知可以提示有新消息，但要把整段回复听完，往往还得自己复制到别的 TTS 工具里。下面介绍社区插件 dsh-mimo-speak：在每条已结束的助手回复下加扬声器按钮，用小米 MiMo TTS 在宿主内合成语音并在页面内播放；API 密钥只留在宿主侧，浏览器只送文本，宿主返回 WAV。

这是什么¶

dsh-mimo-speak 由维护者 F-YXL 发布，仓库 github.com/F-YXL/dsh-mimo-speak，许可 MIT，当前包版本 0.1.0。在 SkillHub 插件目录 中归类为模型推理。它需要 DSH 0.2.2-rc.1、Node.js >= 22.19，以及运行时从小米侧申请的 MiMo API key（https://api.xiaomimimo.com）。

核心功能¶

插件在 Plugins 页提供设置卡片，在每条已结束的助手回复下增加扬声器按钮；点击后经过内联播放器播放。朗读前会去掉代码块、URL 和格式标记，再合成剩余正文。默认不显示进度条；开启后可拖动，并可用 ←/→、Home/End 寻址；停止会中止进行中的请求并丢弃排队音频，Esc 同样生效。

音色与风格：九种预设音色（mimo_default，冰糖、茉莉、苏打、白桦、Mia、Chloe、Milo、Dean），或设置本地 WAV 样本做声音克隆（24 kHz / 16-bit / mono，约 5–15 秒）；可填 style（如「开心」「语速慢」「东北话」），留空则由模型决定。设置卡片里可 Audition 试听当前未保存的编辑。

朗读范围（readScope）：brief（先让对话模型把回复压缩成一两句）、text（仅 prose）、smart（prose 加短代码，默认）、all。

智能体工具 mimo-tts-say：把文本合成到 <session workspace>/tts/speech-<timestamp>-<random>.wav 并返回路径；是否作为语音消息发出由对话通道自行处理。

降级：MiMo 失败且本机已安装 edge-tts CLI 时，可配置用 Microsoft Edge 神经语音重试。

安全相关：密钥经宿主凭据存储（credentials/set）写入，不进入仓库、日志或浏览器；/api/mimo-speak/* 路由先过 ctx.connection.requestRejection；请求体上限 1 MiB，过长文本在句界截断。

安装与启用¶

仓库自带预构建 lib/，无需授予构建权限，也无 install scripts；带 dsh-plugin topic，可在应用内 Plugins → Discover 发现。

桌面端：打开 Plugins → Add plugin（添加插件），输入 github:F-YXL/dsh-mimo-speak 后重启；或在终端执行：

dsh plugin --profile desktop add github:F-YXL/dsh-mimo-speak

Web 端：安装到 web profile 后刷新页面：

dsh plugin --profile web add github:F-YXL/dsh-mimo-speak

固定某一 release 而非跟踪 main：

dsh plugin --profile desktop add 'github:F-YXL/dsh-mimo-speak#v0.1.0'

安装后打开 Plugins → dsh-mimo-speak，粘贴 MiMo API key 并点 Audition；听到示例即表示通路正常，之后每条已结束回复会出现扬声器按钮。

若要把密钥写在环境变量、避免进 profile 明文，可在 profile 的 cordis.patch.yml 中覆盖（资料示例）：

- id: mimo-speak
  config:
    apiKey: !!js process.env.MIMO_API_KEY

默认通过 apiKeyEnv 引用环境变量名 MIMO_API_KEY。

典型用法与配置要点¶

1. 在设置卡片填写 API key、必要时改 baseUrl（默认 https://api.xiaomimimo.com/v1）、model（默认 mimo-v2.5-tts；设克隆样本后会自动切到 mimo-v2.5-tts-voiceclone）、voice 或 voiceSamplePath、style。
2. 按需开启 autoRead（每条新结束的回复自动朗读）和 readScope。
3. 长文受 maxChars（默认 2000）与 chunkChars（默认 120）约束；timeoutMs 默认 60000。
4. MiMo 不稳定时可将 fallbackEngine 设为 edge，并配置 edgeVoice（默认 zh-CN-XiaoxiaoNeural）。

主要配置项（摘自 README 配置表）：

适用场景与注意¶

适合需要在 DSH 里边看对话边听助手回复的开发者，或希望智能体通过 mimo-tts-say 落盘 WAV 再继续编排的场景。无障碍、长时间盯屏减轻眼疲劳，也是合理用途。

安装前建议自行查看仓库源码与 MIT 许可证；插件以当前 DSH 进程权限运行，MiMo 调用会访问你配置的 endpoint。SkillHub 目录与 DeepSeek / 幻方无官方从属关系，仅为社区收录站点。

MiMo 需有效 API key；Edge 降级依赖本机 edge-tts CLI，属于可选能力。

结尾¶

dsh-mimo-speak 把 MiMo 预设音色、可选克隆与 Edge 降级收进 DSH 插件形态：一条回复一个按钮，密钥留在宿主。进一步了解可看 SkillHub 目录页 与 GitHub 仓库 的 README（安装、配置与安全说明）。