dsh-plugin-wwrs-voice

English

语音生成 DSH 插件（开源）：MiniMax TTS、VoxCPM2 与音色设计收敛到同一立面之后。唯一运行时依赖是 @deepseek-ai/dsh-tools（defineTool DSL）。W1 已落地：同一立面后四个工具（voice_synthesize 全实现 MiniMax T2A；voice_clone / voice_design 标 experimental）。

工具

四个工具的读写都在已配置的工作区之下，并受写保护守卫覆盖。

| 工具 | 参数 | 语义 | | -------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------- | | voice_synthesize | text（超长拒收，请分段调）、voiceId、model、outputPath（工作区内 .mp3）、speed?（0.5–2）、emotion?、overwrite?（缺省 false） | MiniMax T2A 全实现 → mp3 并附词时间戳；voiceId/model 显式传入、不代选 | | voice_clone | text、refAudio（工作区内已存在音频）、outputPath、seed?、overwrite?（缺省 false） | experimental——v1 只做参数校验不合成，校验后指引调用方调对应 comfyui 模板 | | voice_design | text、instruct、outputPath、seed?、overwrite?（缺省 false） | experimental——v1 只做参数校验不合成，校验后指引调用方调对应 comfyui 模板 | | pronunciation_dict | — | 内置纠音与 <工作区>/.wwrs/pronunciation-dict.json（若有）的合并 |

合同

远端 MiniMax T2A 收敛到 voice_synthesize 门面之后（直调、落盘、词时间戳）。voice_clone / voice_design 不直调 Comfy——只做参数校验并指引调用方调 dsh-plugin-wwrs-comfyui 对应模板。凭据只走环境变量（MINIMAX_API_KEY；缺失即大声失败，无回落）。

配置

| 键 | 含义 | 缺省 | | ----------- | ------------------ | --------------------------------------- | | workspace | 项目根（绝对路径） | WWRS_WORKSPACE 环境变量，再中性锚探测 |

工作区解析：config.workspace > 环境变量 WWRS_WORKSPACE > 向上探测 .wwrs/workspace.json > 大声失败。请把 workspace 指向绝对路径的项目根，以便语音产物落到已知位置。初始 RPM 配额沿用老分档且可配置：合成 10/分、复刻 60/分、设计 20/分。重试缺省 2 次，只对 429/5xx 生效（4xx 与提供商业务码永不重试）。缺失即大声失败并给出路；绝不静默降级。

安装

{
  "dependencies": {
    "dsh-plugin-wwrs-voice": "link:/path/to/plugin-wwrs-voice"
  },
  "dsh": { "profile": { "bundles": ["dsh-plugin-wwrs-voice"] } }
}

将本包 link 安装进宿主 profile 并启用 dsh-plugin-wwrs-voice 包。重启宿主使 wwrs-voice 层挂载；空壳会在启动日志中打印工作区来源。

验证

跑 pnpm check（prettier 检查 + tsc --noEmit + node --test tests/*.test.ts）。

无浏览器半

纯服务端工具——pnpm check 即全部门，无 check:browser 链。

已知边界

• voice_clone / voice_design 标 experimental：v1 只做参数校验并指引调用方调对应 comfyui 模板——本包不打出任何 Comfy 调用。
• voice_synthesize 永不代选 voiceId/model；超长文本拒收（请分段调）。
• 重试只对 429/5xx 生效（4xx 与提供商业务码永不重试）。
• pronunciation_dict 只在工作区自定义文件存在时才合并。

许可

MIT.