dsh-tts-live：DeepSeek Harness 句级实时 TTS 分支
dsh-tts-live 是 YevheniiMiachyn 基于上游 dsh-tts 0.4.16 的 fork，不发布 npm，通过 agent/assistant-stream 实现可选句级 live 播报、有序队列与 POST /dsh-tts/bargein 取消，并修复 custom WAV 与合成超时等问题。文章说明与上游差异、live 配置项、file: tgz 安装命令及 GPU/TTFT 等限制，便于在 DeepSeek Harness Web UI 中降低本地语音 agent 的首句等待。
Read Moredsh-tts：用 OpenAI 兼容后端把文本合成语音
dsh-tts 是 xuan25 维护的 DSH out-of-tree 插件，提供单一 tts 工具，经 OpenAI 兼容后端将文本合成为 wav/mp3 等音频，并支持 voices、providers、models、status、phonemize 等 verb。配置可通过 TTS_* 环境变量或 settings.yaml 的 dsh-tts 段分层覆盖。安装命令为 dsh plugin --profile <name> add dsh-tts。适合需要在智能体流水线中统一对接多种 TTS 后端的开发者；使用前请查阅源码与 MIT 许可证，并注意插件以 dsh 进程权限运行。
Read Moredsh-volume-knob：输入框旁的朗读与音量控制
dsh-volume-knob 在 DSH Web GUI 输入框工具行、模型选择框左侧提供扬声器按钮：默认从最新提问首字读到当前回复，长按可选正文起点；上滑打开页内媒体与系统输出竖式混音台。文本按 data-chat-flow 白名单抽取，优先走 dsh-tts，失败则回退 speechSynthesis。需 DSH >= 0.1.5-rc.3，npm 或 GitHub 安装后重启 dsh web。MIT 许可，维护者 underworld-oddball。
Read More声音克隆·连载配音：一次克隆，多期同一音色旁白
声音克隆·连载配音（@beatra-ai/voice-clone-series-studio）是 beatra 在 SkillHub 发布的 design-media 类 Skill，版本 0.1.9。先用清晰单人样本完成声音或音色克隆，再将每期文稿生成同一自定义音色的旁白，适合播客、课程连载、系列旁白与品牌通知。元数据标注 requires_api_key=false。安装可让 Agent 按 skillhub.cn/install/skillhub.md 安装该包，或使用 skillhub install 并指定 skills 目录。
Read More灵声工坊视频配音：用 Agent 跑通 TTS 配音与字幕合成流水线
灵声工坊视频配音是 SkillHub design-media 类 Skill，面向源视频与时间轴 Markdown 模板，由 Agent 引导环境检测、选择讯飞超拟人或 edge-tts、生成 job.yaml 并执行六步 pipeline，输出带字幕成片。支持保留原音 filler、静音段、语速对齐与字幕编辑器拍板制模。本文基于 SkillHub 1.0.7 包内 SKILL.md 与官方安装文档整理安装命令与典型用法，并说明 API 页与部分 Web 详情可能不可达时的安装方式。
Read Moreaudio generate：按提示词自动选用 dlazy CLI 音频/TTS 模型
audio generate 是 SkillHub 社区技能（@user_f95f21b8/dlazy-audio-generate，v1.0.9，design-media），根据自然语言提示词为 Agent 自动选择 dlazy CLI 下的音频/TTS 模型并执行生成。文章说明其定位、requires_api_key 要求，以及通过 skillhub CLI 安装到 Cursor、Claude Code、Codex 等 skills 目录的步骤与对话式用法要点，并给出官方页面链接。
Read Moregemini 2.5 tts：用 Agent Skill 调用 Gemini 2.5 文本转语音
gemini 2.5 tts 是 SkillHub 社区 Skill（@user_f95f21b8/dlazy-gemini-2-5-tts，v1.0.9），通过 dLazy CLI 调用 Gemini 2.5 TTS，支持中英文音色与异步选项。文章说明 SkillHub 与 @dlazy/cli@1.0.9 的安装路径、API Key 配置，以及 dlazy gemini-2.5-tts 的典型命令与注意事项。
Read MoreTencentCloud TTS：在 Agent 里把文本合成语音文件
TencentCloud TTS（@tencent-adm/tencentcloud-tts）是腾讯云语音团队发布的企业源 Skill，面向将文本转为 MP3/WAV 等音频文件的场景。技能通过 SKILL.md 约定触发词与参数，scripts/tencent_tts.py 使用 API 签名 v3 调用 tts.tencentcloudapi.com 的 TextToVoice，密钥经 TENCENTCLOUD_SECRET_ID、TENCENTCLOUD_SECRET_KEY 配置。本文说明前置开通条件、SkillHub 安装命令与各 Agent skills 目录、环境变量与 synthesize 参数表，并给出与官方 examples 一致的可复现用法与单次合成注意事项。
Read Moredsh-voice-mini: A Voice Feedback Plugin for DeepSeek Harness
`dsh-voice-mini` is a voice feedback plugin for DeepSeek Harness that uses TTS technology to convert an agent's reasoning process into speech, helping users handle multiple tasks. The plugin supports an autonomous "speak" mode driven by model decisions, status template announcements, random voice assignment per session, and a native macOS floating pet. It provides multiple TTS backends, including cloud-based Edge and local Kokoro, and includes a monitoring panel. Installation requires building the plugin and linking it to the DSH configuration. It supports three presets—instant, default, and minimal—as well as internationalization, making it suitable for developers who want to monitor progress through audio.
Read Moredsh-voice-by-edge: Add Voice Communication Practice Mode for DSH Web Pages
dsh-voice-by-edge is a speech practice plugin designed specifically for DSH Web pages, aiming to enhance the listening and speaking practice experience by integrating Text-to-Speech (TTS) reading and Speech-to-Text (STT) voice input. This plugin is based on the MIT license and maintained by astr0mfly; its core features include bilingual colloquial short sentence responses, automatic dialogue reading, microphone real-time voice input, and automatic sending. TTS prioritizes Microsoft Edge Neural Voice and falls back to browser local synthesis if unavailable, while STT relies on the browser's Web Speech API. Users can install it via the `dsh plugin add` command (requiring the `msedge-tts` build script to be allowed) and enable it after restarting. It covers use cases such as speed adjustment (0.75x-1.5x), sentence-by-sentence reading, and shadowing.
Read MoreUsing OpenAI Speech Skill to synthesize reusable voice from text
# Official OpenAI Curated Skill: speech This article introduces the OpenAI Agent Skills-powered speech skill that calls the OpenAI Audio API. It allows users to synthesize text into narration, product voiceovers, IVR audio and accessible reading audio via the built-in CLI. The article covers the installation method, configuration of the OPENAI_API_KEY, usage of the `speak` and `speak-batch` commands, default models and built-in voices, as well as limitations including single audio length, speech rate and custom voices.
Read More