🎙️ dsh-edge-tts-chinese

Fork of dsh-talk (Apache-2.0) 的中文优先版。 默认回复朗读用微软 edge-tts zh-CN-XiaoxiaoNeural；本机语音转写与离线朗读可跑本仓库随附的本地服务 server/（record-sink，:8766）。上游：PerryLink/dsh-talk。

• 1024 商店渠道：先 npm i -g dsh1024，再 dsh1024 plugin --profile web add dsh-talk（计入 deepseek1024.com 安装排行）。

DeepSeek Harness 的 voice-first 会话闭环：对它说话，听它回答。

按下麦克风说话，回复会被朗读出来——说话即打断。

English · 简体中文 · Español · Português · हिन्दी

兼容性

| 方面 | 状态 | |---|---| | Harness | DeepSeek Harness 0.1.2-rc.1（2026-09-04 已适配）：会话信封保留 ignorable 字段但仅用于存量日志读取兼容——Session.append 仍无法盖章，门控行为不变。 | | Node | ^22.19.0 \|\| >=24.0.0 | | 浏览器 | Web Speech + MediaRecorder（Chrome/Edge 最佳）；其余场景用宿主侧转写/TTS 引擎 |

你能得到什么

dsh-talk 双向闭合语音环路：

• speak 工具 —— agent 朗读自己的回复。TTS 引擎：浏览器语音、edge-tts（网络神经语音）或 piper（本地）。音频在浏览器播放；在能够承载该事件的宿主上，会话日志记录脱敏后的朗读内容（见安全边界）。
• 输入框麦克风按钮 —— 按下说话，转写文本自动回填输入框（或直接提交）。STT 引擎：浏览器 Web Speech（含中间结果）、FunASR HTTP 服务或本地 whisper.cpp。
• 说话即打断 —— 开始说话即停止当前播报（经 client→host 的 talk Remote 通道）。
• 事件播报 —— 回合完成、待审批（waterfall 安全：绝不阻塞门禁）与出错，带静音开关与可配话术。
• 设置页签 —— 引擎/语言选择与播报开关，以追加式 profile patch 操作保存（带备份）。

浏览器                                 宿主
  🎙 按下 ──▶ 打断 ────────────────────▶ talk/interrupt
  录音（MediaRecorder / Web Speech）
  转写（浏览器）或 talk/transcribe ────▶ FunASR / whisper.cpp
  回填草稿或提交  ◀── talk:speech 投影 ── speak 工具 / 事件播报
  ▶ 播放音频（talk/audio 或 speechSynthesis）

快速开始

# 1. 把 bundle 装进你的 profile
dsh plugin --profile web add "github:PerryLink/dsh-talk#main"

# 或从 npm 安装（正式发布版）
dsh plugin --profile web add dsh-talk

# 2. 重启并核实行
dsh --profile web --dump-config | grep -A2 'id: talk'

然后按下输入框旁的麦克风说话；也可以让 agent 用 speak 工具朗读回复：

> 用 speak 工具说"你好"。

安装与卸载

• git 通道（最新 main）：dsh plugin --profile web add "github:PerryLink/dsh-talk#main" —— prepare 脚本仅用生产依赖构建。
• npm 通道（正式发布版）：dsh plugin --profile web add dsh-talk。
• tarball 通道：在本仓库执行 pnpm pack，然后 dsh plugin --profile web add ./dsh-talk-<version>.tgz。
• 卸载：dsh plugin --profile web remove dsh-talk（或从 profile patch 中删除该行）。

如果 pnpm 对本包报 ERR_PNPM_IGNORED_BUILDS（esbuild 的平台二进制无害校验），在你的 pnpm-workspace.yaml 中加入 allowBuilds: { esbuild: true } —— dsh CLI 会打印确切片段。

配置

所有可调项都是 Schemastery Config 字段（可在 cordis.yml 中修改）。cordis.patch.yml 内联说明了每个键。

| 键 | 默认值 | 含义 | |---|---|---| | record.enabled | true | 显示输入框麦克风按钮 | | record.hotkey | (无) | 可选切换快捷键，如 "alt+r" | | record.maxSeconds | 60 | 录音上限（秒，1..600） | | record.autoSubmit | false | 转写结果直接作为用户消息提交（false = 回填草稿） | | record.vad.enabled / silenceMs / energyThreshold | true / 1500 / 0.01 | 语音活动检测：静音自动结束录音（缺 AudioContext 时降级为手动停止） | | stt.engine | auto | auto / web / funasr / whisper；auto 优先已配置的本地引擎，其次 Web Speech | | stt.language | auto | BCP-47 语言或 auto | | stt.interim | true | 显示中间转写（Web Speech） | | stt.silenceFinaliseMs | 4000 | 连续 Web Speech 在没有语音活动达到此毫秒数后停止（500..15000） | | stt.funasr.url | (无) | FunASR 推理端点；引擎为 funasr 时必填 | | stt.whisper.modelPath | (无) | whisper.cpp 模型；引擎为 whisper 时必填 | | tts.engine | auto | auto / browser / edge-tts / piper；auto 优先 piper，其次 edge-tts，最后浏览器语音 | | tts.rate | 0 | edge-tts/piper 语速偏移（百分比，-50..50） | | tts.fallbackToBrowser | true | 本地引擎失败时回退浏览器语音 | | tts.browser.voiceName | (无) | 首选浏览器语音名称；未找到时使用平台默认语音 | | tts.browser.rate | 1 | 浏览器 SpeechSynthesis 语速（0.1..10） | | tts.browser.pitch | 1 | 浏览器 SpeechSynthesis 音高（0..2） | | tts.piper.modelPath | (无) | piper 语音模型；引擎为 piper 时必填 | | announce.enabled | true | 事件播报总开关 | | announce.onTurnEnd / onApproval / onError | true | 播报哪些事件 | | announce.messages.* | "Turn complete." 等 | 播报话术 | | interrupt | true | 开始说话即停止当前播放 | | maxSpeakChars | 20000 | speak 工具文本上限（1..100000） | | maxAudioCacheBytes | 8388608 | 内存合成音频缓存上限（1 MiB..64 MiB） |

stt.silenceFinaliseMs 与 record.vad.silenceMs 是两套独立机制：前者在连续 Web Speech 识别听不到语音时定稿转写文本；后者是 MediaRecorder 的能量检测器，用于结束录音（record.autoSubmit 开启时随即提交）。两者处于不同流水线，不共享任何状态。

工具与界面

| 界面 | 类型 | 说明 | |---|---|---| | speak | 工具 | 朗读文本（browser/edge-tts/piper）；支持单次引擎/音色覆盖；规范 JSON 结果 | | 麦克风按钮 | conversation.input.left 槽位 | 录音 → 转写 → 回填草稿（或提交）；按下即打断 | | 设置页签 | settings.plugins.tab（id talk） | 引擎/语言/播报开关；追加式保存 | | talk:* | Typert Remote | status、audio、transcribe、applySettings、interrupt（宿主命名空间） |

权限与数据

• 权限：插件只保存内存中、字节受限的音频缓存；麦克风权限由浏览器管理。设置页签只向 profile 追加 patch 片段（带时间戳备份）——绝不重写文件。
• 数据：音频绝不进入模型上下文或会话日志。在宿主的会话词汇表接受该事件的宿主上，dsh-talk/speech 事件携带朗读 id、引擎、原因、大小、脱敏文本，并在适用时携带浏览器语音、语速和音高；在无信封宿主上该事件完全不写入。所有展示/日志面都会脱敏凭据、JWT、bearer 头与临时路径。
• 网络：只联系你配置的引擎。edge-tts 执行网络合成，FunASR 使用其配置的端点，而 Chrome 的 webkitSpeechRecognition 会将麦克风音频发送到 Google 服务器进行转写；浏览器的 speechSynthesis 播放仍在本机完成。

安全边界

• 模型可见 ⟺ 已记录 —— 模型只看到 speak 工具的规范值与渲染文本。dsh-talk/speech 事件只在宿主能够承载它时写入（见宿主兼容性）；tool/call + tool/result 事件始终是可重建的痕迹。
• 审批播报绝不阻塞 —— approval/request 监听器总是调用 next()。
• 输出脱敏 —— 凭据与临时音频路径绝不上日志或展示面。
• 宿主兼容性 —— dsh-talk/speech 事件经自适应门写入：已知词汇表覆盖该事件的宿主直接追加；带 ignorable 追加选项的宿主带标记追加；无信封宿主——截至 0.1.1-rc.2 的全部已发布线、仅保留信封字段用于存量日志读取兼容、Session.append 仍无法盖章的 0.1.2-alpha 线，以及 0.1.2-rc.1 线——完全不追加，因此语音在这些宿主线上永远不会污染会话日志。此时实时播放历史保持为空，speak 工具结果是可重建的审计痕迹。
• 失败响亮 —— 非法引擎、越界数值、缺模型/端点的引擎配置在挂载时即报错。

已知限制

• 浏览器支持：Web Speech 与 MediaRecorder 均特性检测；不可用时麦克风按钮自动禁用，配置了宿主引擎（FunASR/whisper.cpp）仍可转写。
• 本地引擎需自行安装：edge-tts、piper、whisper.cpp 可执行文件与模型需单独安装。
• 录音格式：浏览器按其原生 MediaRecorder 编解码器录音；whisper.cpp 可能要求 WAV 录音配置或服务端转换。
• 设置重载生效：设置页签追加到 profile patch；重载 profile（或重启 Web 应用）后生效。
• 无信封宿主上实时播放历史为空：在 0.1.1-rc.2、0.1.2-alpha 线以及 0.1.2-rc.1 上，宿主词汇表不认识 dsh-talk/speech，因此门不写入任何内容，客户端的会话级播放列表保持为空。朗读本身、麦克风、设置页签与工具均不受影响。
• dsh-talk ≤ 0.2.1 写下的存量日志可能需要在冷加载前修复：版本 0.2.1 及更早会追加未标记的 dsh-talk/speech 事件。在 0.1.0-rc.7 及更新的宿主上，日志已含这些事件的会话，其下一次冷加载会以 SessionFormatUnsupportedError 失败。修复：停止宿主，备份该会话的 .jsonl 日志，为每一行 "type" 为 "dsh-talk/speech" 的 JSON 记录加上顶层成员 "ignorable":true（例如在起始的 { 之后插入 "ignorable":true,），然后重新打开会话。其余内容不变，不会丢失任何数据；本版本的新追加永远不会产生未标记事件。

开发

pnpm install        # node ^22.19 || >=24
pnpm run typecheck  # tsc：src + tests，对照本地 harness checkout
pnpm run typecheck:ci  # tsc：对照已发布的 0.1.2-rc.1 类型（无 paths）
pnpm test           # vitest：77 个测试、13 个套件
pnpm run build      # tsc 声明 + tsdown bundle（lib/）
pnpm run verify:self-contained  # 依赖声明全部来自 registry
pnpm run verify:artifacts       # 构建产物 ESM 面 + client ModuleLoader 握手
pnpm pack           # 发布用 tarball

Topics

dsh, dsh-plugin, deepseek-harness, deepseek, cordis, voice, speech, tts, stt, speech-to-text, text-to-speech, microphone

Contributors

• @PerryLink —— 创建者与维护者：朗读管线、语音引擎、麦克风录音、事件播报、投影单元与五语文档。

PerryLink DSH Plugin Family

这是 PerryLink 维护的 33 个 DeepSeek Harness 插件 之一。如果它能帮到你，其他的也会：

| Plugin | One-liner | |---|---| | dsh-dsh-auto-review | 审批链上的第二模型自动审查，默认失败关闭 | | | dsh-dsh-background-agents | 带 Web UI 侧栏、消息与中断的持久后台子代理 | | | dsh-dsh-budget | DeepSeek Harness 的成本治理：预算、碳排与延迟一屏呈现。 | | | dsh-dsh-checkpoint-rewind | Claude Code /rewind 等价：快照、会话 fork、一次性恢复 | | | dsh-dsh-claude-move | 把 Claude Code 会话、记忆、技能与 CLAUDE.md 迁入 DSH | | | dsh-dsh-click | 跨平台原生桌面控制（DeepSeek Harness），Windows 优先。 | | | dsh-dsh-composer-history | Web 输入框的终端式历史：方向键、Ctrl+R 搜索 | | | dsh-dsh-data-quality | 数据集质量检查与引文核查（本插件可选消费的数字核查桥） | | | dsh-dsh-defend | DeepSeek Harness 的提示注入、越狱与密钥泄露防护。 | | | dsh-dsh-doublecheck | 工程纪律守卫：需求质询、测试门禁、对手评审 | | | dsh-dsh-draw | DeepSeek Harness 的统一静态图像生成路由。 | | | dsh-dsh-fast | DeepSeek Harness 只读性能诊断。 | | | dsh-dsh-fund-research | 面向中国公募基金的确定性研究报告 | | | dsh-dsh-github | 面向 DSH 的 GitHub PR/issues 集成，每次写入经审批门控 | | | dsh-dsh-industry-research | 行业研究编排，经本插件的 ctx.researchReport.assemble 封存交付物 | | | dsh-dsh-library | DeepSeek Harness 的本地文档知识库。 | | | dsh-dsh-local-ai | DeepSeek Harness 的本地模型（Ollama）接入。 | | | dsh-dsh-lsp-actions | 通过语言服务器的 LSP 诊断、格式化、补全、代码操作与重命名 | | | dsh-dsh-mask | PII 脱敏中间件：模型边界匿名化、展示层还原 | | | dsh-dsh-mcp-panel | 只读 MCP 运行时面板：/mcp 命令 + 带状态、工具与错误的 Settings 标签页 | | | dsh-dsh-memento | 审批门控的跨会话记忆：ctx.memory 接缝 + SQLite + 记忆工具 | | | dsh-dsh-observe | DeepSeek Harness 的 OpenTelemetry 与 Langfuse 可观测导出器。 | | | dsh-dsh-output-styles | Claude Code outputStyles 等价的运行时风格切换 | | | dsh-dsh-permission-rules | Claude Code 风格声明式 allow/deny/ask 权限规则，带审计 | | | dsh-dsh-plugin-guide | 作为按需代理技能的插件开发知识库 | | | dsh-dsh-research-report | 可验证研究报告引擎：内容寻址证据账本与封存版本 | | | dsh-dsh-score | DeepSeek Harness 插件的多维质量评分。 | | | dsh-dsh-session-pin | 在 Web 侧栏置顶会话，带持久排序 | | | dsh-dsh-session-sync | DeepSeek Harness 的跨设备会话同步——会话存储的专用 git 镜像。 | | | dsh-dsh-skill-pack-security | 安全审计技能包：密钥扫描、依赖与供应链审查 | | | dsh-dsh-test-drive | DeepSeek Harness 插件的隔离试装冒烟。 | | | dsh-dsh-translate | DeepSeek Harness 的厂商参数翻译与确定性 JSON 修复。 | |

License

Apache License 2.0 © 2026 dsh-talk contributors

从 DSH Desktop 市场安装

所有 PerryLink 插件均可在 DSH Desktop 内置市场中浏览：市场 → 来源 → 添加来源 → 粘贴 https://perrylink-dsh-catalog.perrylink.workers.dev/catalog-source.json → 选中。安装仍需通过市场的 npm 身份校验与你的确认。