前言¶

在 DeepSeek Harness（DSH）裏調試智能體或長時間讀對話時，眼睛總要盯着屏幕。系統通知可以提示有新消息，但要把整段回覆聽完，往往還得自己複製到別的 TTS 工具裏。下面介紹社區插件 dsh-mimo-speak：在每條已結束的助手回覆下加揚聲器按鈕，用小米 MiMo TTS 在宿主內合成語音並在頁面內播放；API 密鑰只留在宿主側，瀏覽器只送文本，宿主返回 WAV。

這是什麼¶

dsh-mimo-speak 由維護者 F-YXL 發佈，倉庫 github.com/F-YXL/dsh-mimo-speak，許可 MIT，當前包版本 0.1.0。在 SkillHub 插件目錄 中歸類爲模型推理。它需要 DSH 0.2.2-rc.1、Node.js >= 22.19，以及運行時從小米側申請的 MiMo API key（https://api.xiaomimimo.com）。

核心功能¶

插件在 Plugins 頁提供設置卡片，在每條已結束的助手回覆下增加揚聲器按鈕；點擊後經過內聯播放器播放。朗讀前會去掉代碼塊、URL 和格式標記，再合成剩餘正文。默認不顯示進度條；開啓後可拖動，並可用 ←/→、Home/End 尋址；停止會中止進行中的請求並丟棄排隊音頻，Esc 同樣生效。

音色與風格：九種預設音色（mimo_default，冰糖、茉莉、蘇打、白樺、Mia、Chloe、Milo、Dean），或設置本地 WAV 樣本做聲音克隆（24 kHz / 16-bit / mono，約 5–15 秒）；可填 style（如「開心」「語速慢」「東北話」），留空則由模型決定。設置卡片裏可 Audition 試聽當前未保存的編輯。

朗讀範圍（readScope）：brief（先讓對話模型把回覆壓縮成一兩句）、text（僅 prose）、smart（prose 加短代碼，默認）、all。

智能體工具 mimo-tts-say：把文本合成到 <session workspace>/tts/speech-<timestamp>-<random>.wav 並返回路徑；是否作爲語音消息發出由對話通道自行處理。

降級：MiMo 失敗且本機已安裝 edge-tts CLI 時，可配置用 Microsoft Edge 神經語音重試。

安全相關：密鑰經宿主憑據存儲（credentials/set）寫入，不進入倉庫、日誌或瀏覽器；/api/mimo-speak/* 路由先過 ctx.connection.requestRejection；請求體上限 1 MiB，過長文本在句界截斷。

安裝與啓用¶

倉庫自帶預構建 lib/，無需授予構建權限，也無 install scripts；帶 dsh-plugin topic，可在應用內 Plugins → Discover 發現。

桌面端：打開 Plugins → Add plugin（添加插件），輸入 github:F-YXL/dsh-mimo-speak 後重啓；或在終端執行：

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

Web 端：安裝到 web profile 後刷新頁面：

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

固定某一 release 而非跟蹤 main：

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

安裝後打開 Plugins → dsh-mimo-speak，粘貼 MiMo API key 並點 Audition；聽到示例即表示通路正常，之後每條已結束回覆會出現揚聲器按鈕。

若要把密鑰寫在環境變量、避免進 profile 明文，可在 profile 的 cordis.patch.yml 中覆蓋（資料示例）：

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

默認通過 apiKeyEnv 引用環境變量名 MIMO_API_KEY。

典型用法與配置要點¶

1. 在設置卡片填寫 API key、必要時改 baseUrl（默認 https://api.xiaomimimo.com/v1）、model（默認 mimo-v2.5-tts；設克隆樣本後會自動切到 mimo-v2.5-tts-voiceclone）、voice 或 voiceSamplePath、style。
2. 按需開啓 autoRead（每條新結束的回覆自動朗讀）和 readScope。
3. 長文受 maxChars（默認 2000）與 chunkChars（默認 120）約束；timeoutMs 默認 60000。
4. MiMo 不穩定時可將 fallbackEngine 設爲 edge，並配置 edgeVoice（默認 zh-CN-XiaoxiaoNeural）。

主要配置項（摘自 README 配置表）：

適用場景與注意¶

適合需要在 DSH 裏邊看對話邊聽助手回覆的開發者，或希望智能體通過 mimo-tts-say 落盤 WAV 再繼續編排的場景。無障礙、長時間盯屏減輕眼疲勞，也是合理用途。

安裝前建議自行查看倉庫源碼與 MIT 許可證；插件以當前 DSH 進程權限運行，MiMo 調用會訪問你配置的 endpoint。SkillHub 目錄與 DeepSeek / 幻方無官方從屬關係，僅爲社區收錄站點。

MiMo 需有效 API key；Edge 降級依賴本機 edge-tts CLI，屬於可選能力。

結尾¶

dsh-mimo-speak 把 MiMo 預設音色、可選克隆與 Edge 降級收進 DSH 插件形態：一條回覆一個按鈕，密鑰留在宿主。進一步瞭解可看 SkillHub 目錄頁 與 GitHub 倉庫 的 README（安裝、配置與安全說明）。