前言¶
在 DeepSeek Harness（DSH）里跑智能体时，助手回答往往很长。只靠眼读不利于复核长文档式输出，也不方便在别的事上分身时「听一遍结论」。常见做法是另开 TTS 服务或手工复制到外部工具，和对话界面脱节。
dsh-mimo-tts 把小米 MiMo TTS（当前官方标为限时免费的 mimo-v2.5-tts 等模型）接到 DSH：既注册模型可调用的 mimo_tts 工具把文字落成本地音频，又在 Web 界面的已定稿回答旁提供播报与自动播报，并附带侧边栏「语音设置」。下面介绍插件定位、安装配置与两种入口的用法。
这是什么¶
维护者 Hao0311 在 GitHub 开源的 DSH 插件，目录分类为「模型推理」。一句话定位：在 DSH Web profile 下，用小米 MiMo OpenAI 兼容 TTS 接口，实现「工具写文件 + 界面点读 / 自动读」。
仓库地址：https://github.com/Hao0311/dsh-mimo-tts
社区目录页：https://www.skillhub.cn/plugins/Hao0311/dsh-mimo-tts
核心功能¶
经 README 核实，能力分两条线：
- 模型工具
mimo_tts：模型传入待读文本，插件在宿主侧调用 MiMo，把合成结果写到本地（默认wav，可选mp3），返回文件绝对路径、字节数，以及 wav 可算的时长等。 - Web GUI：每条已定稿助手回答的动作行（在官方「复制」之后）增加播报控件；可单条播放或停止，下拉可开「自动播报新回答」并选音色。侧边栏另有 「语音设置」 面板：选模型、内置音色、文字描述定制音色或本机样本克隆、自动播报、试听输入，无需先发送聊天消息。
此外支持三种合成模型（音色来源不同）：内置九音色、mimo-v2.5-tts-voicedesign（voiceDesign 描述）、mimo-v2.5-tts-voiceclone（voiceSamplePath 本机 mp3/wav，≤10MB）。计费口径与 MiMo 大模型共用 XIAOMI_API_KEY；TTS 目前官方标为限时免费。
安装与启用¶
插件面向 Web profile，依赖宿主的 connection.fetch 注册 API；headless 下缺少 connection 服务时不加载。安装前建议自行查阅仓库源码与 MIT 许可证，并确认本机 DSH 进程权限与将要使用的 API Key 归属。
在 Web profile 下从 GitHub 安装（README 原文命令）：
dsh plugin --profile web add github:Hao0311/dsh-mimo-tts
不要用 dsh plugin add dsh-mimo-tts 直装：npm 上无对应包（404），且与同包名的 lengmodkx/dsh-mimo-tts 不能并存。
本地开发时可链到目录（示例路径以 README 为准）：
dsh plugin --profile web add link:D:/Workspaces/DSH/plugins/dsh-mimo-tts
package.json 要求 DSH 引擎 >=0.1.7-0，当前插件版本为 0.3.0。
配置 API Key 与环境变量¶
需要小米 MiMo API Key。插件按以下顺序读取 XIAOMI_API_KEY：
- DSH 凭据服务（设置页或
~/.dsh/.credentials.yaml） - 进程环境变量
XIAOMI_API_KEY $DSH_HOME/.credentials.yaml
可选环境变量：
| 变量 | 默认 | 含义 |
|---|---|---|
MIMO_TTS_MODEL |
mimo-v2.5-tts |
模型 id；换成 voicedesign / voiceclone 可解锁自定义音色（流式未在工具形态开放） |
MIMO_TTS_BASE |
https://api.xiaomimimo.com/v1 |
OpenAI 兼容端点 |
DSH_MIMO_TTS_DIR |
$DSH_HOME/tts |
工具生成的音频落盘目录 |
界面播报走宿主 /api/mimo-tts/speak，API Key 不进入浏览器。
典型用法¶
智能体调用 mimo_tts¶
在对话中让模型使用工具时，参数如下（摘自 README）：
| 参数 | 必填 | 说明 |
|---|---|---|
text |
是 | 待朗读文字，上限 4000 字 |
voice |
否 | mimo_default / 冰糖 / 茉莉 / 苏打 / 白桦 / Mia / Chloe / Milo / Dean |
style |
否 | 自然语言风格提示，如「温柔、放慢语速」「新闻播报」 |
format |
否 | wav（默认，可算时长）/ mp3 |
需要在工作区保留音频文件、或要在后续流程里引用路径时，应走工具而非界面播放（界面只播放、不落盘）。
Web 界面播报与侧边栏¶
- 打开 DSH Web 客户端，在已定稿助手消息动作行点击播报；再点停止。
- 通过动作行旁 ▾ 打开自动播报，或到侧边栏「语音设置」统一配置模型、音色、描述/样本路径与试听。
- 自动播报仅对开启之后新结束的回答生效，不会在打开页面时朗读历史消息。
偏好存在浏览器 localStorage（dsh-mimo-tts:prefs），换设备不跟随。
宿主侧路由（供对接或排错参考）：
| 路由 | 方法 | 用途 |
|---|---|---|
/api/mimo-tts/speak |
POST | {text, voice?, style?, format?} → 音频字节 |
/api/mimo-tts/config |
GET | 可选音色、默认音色、字数上限、模型 id |
适用场景与注意¶
适合谁：主要在 DSH Web 里开发或日常使用智能体、希望长回答可听复核，或需要模型把解说稿合成到 $DSH_HOME/tts 等工作流目录的开发者。
兼容性：浏览器侧依赖官方 conversation.chat.assistant-actions Slot（@deepseek-ai/dsh-client-ui-chat）；宿主升级若改掉 Slot 名，按钮可能消失，工具仍可用。正文优先从 Chat 快照按 messageId 取，取不到时退化到 DOM 近似提取，极少数布局下可能多读或少读一段。
已知限制（README 原文）：
- 非流式合成，长文本需等整段完成才播放；超长请分段；音频长度还受模型与 120s 超时约束。
- 仅 Web profile 完整可用。
- MiMo TTS 免费期结束后按平台账单计费，需关注官方政策。
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。安装第三方插件等同于在本机 DSH 进程内执行其代码，请自行审阅源码后再用于生产环境。
结尾¶
dsh-mimo-tts 把 MiMo TTS 收成「模型写文件 + Web 点读 / 自动读 + 侧边栏语音设置」一套能力，减少把回答搬到外部 TTS 的步骤。进一步细节以仓库 README 为准：
