前言¶
在 DeepSeek Harness（DSH）裏跑智能體時，助手回答往往很長。只靠眼讀不利於複覈長文檔式輸出，也不方便在別的事上分身時「聽一遍結論」。常見做法是另開 TTS 服務或手工複製到外部工具，和對話界面脫節。
dsh-mimo-tts 把小米 MiMo TTS（當前官方標爲限時免費的 mimo-v2.5-tts 等模型）接到 DSH：既註冊模型可調用的 mimo_tts 工具把文字落成本地音頻，又在 Web 界面的已定稿回答旁提供播報與自動播報，並附帶側邊欄「語音設置」。下面介紹插件定位、安裝配置與兩種入口的用法。
這是什麼¶
維護者 Hao0311 在 GitHub 開源的 DSH 插件，目錄分類爲「模型推理」。一句話定位：在 DSH Web profile 下，用小米 MiMo OpenAI 兼容 TTS 接口，實現「工具寫文件 + 界面點讀 / 自動讀」。
倉庫地址：https://github.com/Hao0311/dsh-mimo-tts
社區目錄頁：https://www.skillhub.cn/plugins/Hao0311/dsh-mimo-tts
核心功能¶
經 README 覈實，能力分兩條線：
- 模型工具
mimo_tts：模型傳入待讀文本，插件在宿主側調用 MiMo，把合成結果寫到本地（默認wav，可選mp3），返回文件絕對路徑、字節數，以及 wav 可算的時長等。 - Web GUI：每條已定稿助手回答的動作行（在官方「複製」之後）增加播報控件；可單條播放或停止，下拉可開「自動播報新回答」並選音色。側邊欄另有 「語音設置」 面板：選模型、內置音色、文字描述定製音色或本機樣本克隆、自動播報、試聽輸入，無需先發送聊天消息。
此外支持三種合成模型（音色來源不同）：內置九音色、mimo-v2.5-tts-voicedesign（voiceDesign 描述）、mimo-v2.5-tts-voiceclone（voiceSamplePath 本機 mp3/wav，≤10MB）。計費口徑與 MiMo 大模型共用 XIAOMI_API_KEY；TTS 目前官方標爲限時免費。
安裝與啓用¶
插件面向 Web profile，依賴宿主的 connection.fetch 註冊 API；headless 下缺少 connection 服務時不加載。安裝前建議自行查閱倉庫源碼與 MIT 許可證，並確認本機 DSH 進程權限與將要使用的 API Key 歸屬。
在 Web profile 下從 GitHub 安裝（README 原文命令）：
dsh plugin --profile web add github:Hao0311/dsh-mimo-tts
不要用 dsh plugin add dsh-mimo-tts 直裝：npm 上無對應包（404），且與同包名的 lengmodkx/dsh-mimo-tts 不能並存。
本地開發時可鏈到目錄（示例路徑以 README 爲準）：
dsh plugin --profile web add link:D:/Workspaces/DSH/plugins/dsh-mimo-tts
package.json 要求 DSH 引擎 >=0.1.7-0，當前插件版本爲 0.3.0。
配置 API Key 與環境變量¶
需要小米 MiMo API Key。插件按以下順序讀取 XIAOMI_API_KEY：
- DSH 憑據服務（設置頁或
~/.dsh/.credentials.yaml） - 進程環境變量
XIAOMI_API_KEY $DSH_HOME/.credentials.yaml
可選環境變量：
| 變量 | 默認 | 含義 |
|---|---|---|
MIMO_TTS_MODEL |
mimo-v2.5-tts |
模型 id；換成 voicedesign / voiceclone 可解鎖自定義音色（流式未在工具形態開放） |
MIMO_TTS_BASE |
https://api.xiaomimimo.com/v1 |
OpenAI 兼容端點 |
DSH_MIMO_TTS_DIR |
$DSH_HOME/tts |
工具生成的音頻落盤目錄 |
界面播報走宿主 /api/mimo-tts/speak，API Key 不進入瀏覽器。
典型用法¶
智能體調用 mimo_tts¶
在對話中讓模型使用工具時，參數如下（摘自 README）：
| 參數 | 必填 | 說明 |
|---|---|---|
text |
是 | 待朗讀文字，上限 4000 字 |
voice |
否 | mimo_default / 冰糖 / 茉莉 / 蘇打 / 白樺 / Mia / Chloe / Milo / Dean |
style |
否 | 自然語言風格提示，如「溫柔、放慢語速」「新聞播報」 |
format |
否 | wav（默認，可算時長）/ mp3 |
需要在工作區保留音頻文件、或要在後續流程裏引用路徑時，應走工具而非界面播放（界面只播放、不落盤）。
Web 界面播報與側邊欄¶
- 打開 DSH Web 客戶端，在已定稿助手消息動作行點擊播報；再點停止。
- 通過動作行旁 ▾ 打開自動播報，或到側邊欄「語音設置」統一配置模型、音色、描述/樣本路徑與試聽。
- 自動播報僅對開啓之後新結束的回答生效，不會在打開頁面時朗讀歷史消息。
偏好存在瀏覽器 localStorage（dsh-mimo-tts:prefs），換設備不跟隨。
宿主側路由（供對接或排錯參考）：
| 路由 | 方法 | 用途 |
|---|---|---|
/api/mimo-tts/speak |
POST | {text, voice?, style?, format?} → 音頻字節 |
/api/mimo-tts/config |
GET | 可選音色、默認音色、字數上限、模型 id |
適用場景與注意¶
適合誰：主要在 DSH Web 裏開發或日常使用智能體、希望長回答可聽複覈，或需要模型把解說稿合成到 $DSH_HOME/tts 等工作流目錄的開發者。
兼容性：瀏覽器側依賴官方 conversation.chat.assistant-actions Slot（@deepseek-ai/dsh-client-ui-chat）；宿主升級若改掉 Slot 名，按鈕可能消失，工具仍可用。正文優先從 Chat 快照按 messageId 取，取不到時退化到 DOM 近似提取，極少數佈局下可能多讀或少讀一段。
已知限制（README 原文）：
- 非流式合成，長文本需等整段完成才播放；超長請分段；音頻長度還受模型與 120s 超時約束。
- 僅 Web profile 完整可用。
- MiMo TTS 免費期結束後按平臺賬單計費，需關注官方政策。
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。安裝第三方插件等同於在本機 DSH 進程內執行其代碼，請自行審閱源碼後再用於生產環境。
結尾¶
dsh-mimo-tts 把 MiMo TTS 收成「模型寫文件 + Web 點讀 / 自動讀 + 側邊欄語音設置」一套能力，減少把回答搬到外部 TTS 的步驟。進一步細節以倉庫 README 爲準：
