@motong/dsh-voice

Readme

# @motong/dsh-voice

[![npm](https://img.shields.io/npm/v/@motong/dsh-voice?style=flat-square&label=npm)](https://www.npmjs.com/package/@motong/dsh-voice)
[![DeepSeek Harness 插件](https://img.shields.io/badge/DeepSeek%20Harness-DSH%20%E6%8F%92%E4%BB%B6-4a90d9?style=flat-square)](https://github.com/topics/dsh-plugin)
[![GitHub](https://img.shields.io/github/stars/motongv/dsh-voice?style=flat-square&label=stars)](https://github.com/motongv/dsh-voice)
[![license](https://img.shields.io/npm/l/@motong/dsh-voice?style=flat-square)](LICENSE)

> 这是 **DeepSeek Harness（DSH）专属插件**，安装：`dsh plugin --profile web add @motong/dsh-voice`
> English readers: [README.en.md](./README.en.md)

给 **DeepSeek Harness（DSH / DeepSeek Hermes）** 加语音能力的社区插件，装完即用、**无需任何 API Key**：

1. **语音输入**：输入框工具行多一个 🎤 麦克风按钮，点一下说话，识别出的文字自动填入输入框（语音转文字）。
2. **语音输入快捷键**：默认 `Ctrl+Shift+空格`，可在 **设置 → 语音** 里改（支持组合键录制）。
3. **语音输入方式**：可选「点击切换」或「按住说话（松开停止）」，像微信语音那样按住就说。
4. **回答朗读（自然音色）**：每条 AI 回答下方多一个 ▶ 朗读按钮，用**微软 Edge 神经网络语音**朗读，比系统机械音自然得多，可在 **设置 → 语音** 里换音色、试听。

## 效果

| 位置 | 按钮 / 键 | 功能 |
|---|---|---|
| 输入框工具行（左侧） | 🎤 麦克风 | 点击开始聆听，说话 → 自动填入输入框 |
| 任意会话（全局） | `Ctrl+Shift+空格`（可改） | 唤起/停止语音输入 |
| 设置 → 语音 | 录制按钮 / 音色下拉 / 试听 | 改快捷键、换音色、试听 |
| AI 回答动作条（复制按钮旁） | ▶ 朗读 | 点击朗读这条回答，再点 ■ 停止 |

## 安装

> DSH 专属插件，不是通用浏览器扩展。

**方式 A（已发布到 npm）**

```bash
dsh plugin --profile web add @motong/dsh-voice
```

然后**重启 DSH** 生效（依赖 `ws` 由 npm 自动安装）。

**方式 B（本地安装）**

1. 把本包拷贝到 profile 的依赖目录：

   ```text
   ~/.dsh/profiles/web/node_modules/@motong/dsh-voice/
   ```

2. 确保 `ws` 也在 profile 的 node_modules 里（朗读合成需要它）：

   ```text
   ~/.dsh/profiles/web/node_modules/ws/
   ```

   若没有，可复制一份 `ws@8.x` 进去，或在该目录执行 `npm install ws@8`。

3. 在 `~/.dsh/profiles/web/package.json` 里加依赖并把 `"@motong/dsh-voice"` 加进 `dsh.profile.bundles`：

   ```json
   {
     "dependencies": {
       "@motong/dsh-voice": "^0.4.1"
     },
     "dsh": {
       "profile": {
         "bundles": ["@deepseek-ai/dsh-base", "@deepseek-ai/dsh-web-app", "@motong/dsh-voice"]
       }
     }
   }
   ```

4. 重启 DSH，刷新页面即可。

## 使用

- **语音输入（按钮）**：进入会话后点输入框左侧的 🎤，对着麦克风说话（默认中文），说完自动停止并填入输入框。
- **语音输入（快捷键）**：按 `Ctrl+Shift+空格`（或你改过的键）唤起/停止。
- **改快捷键**：**设置 → 语音** 点按钮后，先按住修饰键（Ctrl/Shift/Alt）再按主键即可录制组合键，Esc 取消。
- **语音输入方式**：**设置 → 语音** 可选「点击切换」或「按住说话」；选「按住说话」后，长按 🎤 或长按快捷键即说话，松开停止。
- **换音色 / 试听**：**设置 → 语音** 里选音色（默认「晓晓」），点「试听」立即听效果；音色即时生效。
- **恢复默认**：**设置 → 语音** 底部点「恢复默认设置」，一键还原快捷键、音色、输入方式。
- **朗读**：在任意已完成的 AI 回答下方点 ▶，浏览器播放合成语音；点 ■ 停止。

## 可选音色

| 音色 | 说明 |
|---|---|
| 晓晓 zh-CN-XiaoxiaoNeural | 女声，温柔自然（默认） |
| 晓伊 zh-CN-XiaoyiNeural | 女声，活泼 |
| 云希 zh-CN-YunxiNeural | 男声，年轻 |
| 云健 zh-CN-YunjianNeural | 男声，激情 |
| 云扬 zh-CN-YunyangNeural | 男声，新闻播报 |
| Jenny / Guy | 英文女/男声 |

## 原理

- **语音识别**：浏览器原生 `SpeechRecognition`（Chrome/Edge 完整支持）。
- **朗读**：插件在 DSH 内部挂路由 `/_dsh/voice/tts`，按 [edge-tts](https://github.com/rany2/edge-tts) 的协议（wss + Sec-MS-GEC + SSML）向微软 Edge 语音服务合成 MP3 回传，浏览器用 `<audio>` 播放。
- 快捷键 / 音色走 DSH 的 `settings` 命名空间 `voice`（存 `settings.yaml`），浏览器侧用 `settingsScope` + `localStorage` 读写。

```text
麦克风 → SpeechRecognition → 填入输入框
回答文本 → /_dsh/voice/tts → 微软 Edge 神经网络 TTS → MP3 → 播放
```

## 常见问题

**Q：点了 🎤 没反应 / 提示“不支持语音识别”？**
换用 Chrome 或 Edge，并在浏览器里授权麦克风。

**Q：朗读失败 / 没声音？**
朗读需要联网（调用微软 Edge 语音服务）。若网络/代理拦截 `speech.platform.bing.com` 会失败，换成可直连网络即可；音色可在 **设置 → 语音** 切换。

**Q：会不会上传回答内容？**
朗读时回答文本会发送给微软 Edge 语音服务以合成音频；语音识别由浏览器厂商处理。本插件不接触、不存储任何密钥。

## 开源 & 发布

本插件以 [MIT](LICENSE) 开源。发布到 npm 供大家安装：

```bash
npm login
npm publish --access public
```

发布后，其他用户即可 `dsh plugin --profile web add @motong/dsh-voice`。

> 源码仓库：<https://github.com/motongv/dsh-voice>

## 致谢

朗读合成协议参考了 [rany2/edge-tts](https://github.com/rany2/edge-tts)（MIT License）。

## License

[MIT](LICENSE)