dsh-voice
你的 agent 会说话了：edge-tts 微软神经语音免费无限量 + Whisper 转写。
DSH（DeepSeek Harness）语音双件套插件：让 agent 会说话、能听懂。
- voice_tts：文字转语音，走 edge-tts 协议（微软 Edge 朗读服务，免费无限量，22+ 常用音色）
- voice_stt：语音转文字，走 OpenAI 兼容 ASR 接口（Groq / OpenAI / 自定义端点）
- voice_list：音色清单
兼容性
在 @deepseek-ai/[email protected] 上验证（2026-08-31）。遵循 cordis 组合包补丁模型（cordis.patch.yml + dsh.bundle.patch），运行时不 import 任何 @deepseek-ai/* 内部模块。
安装
dsh plugin --profile web add dsh-voice卸载
dsh plugin --profile web remove dsh-voice卸载后重启 Web 服务。如需彻底清理，可再手动删除自己 profile cordis.patch.yml 中覆盖的插件行。
配置
voice_tts 零配置可用；voice_stt 需要 ASR 密钥：
- id: voice
name: 'dsh-voice'
config:
asrEngine: groq # groq | openai | custom
asrModel: whisper-large-v3-turbo # groq 的 whisper 模型
# asrApiKey: gsk_... # 推荐改用环境变量 DSH_VOICE_ASR_KEY
ttsVoice: zh-CN-XiaoxiaoNeural # 默认音色
# proxyUrl: http://127.0.0.1:7890 # ASR 接口需要特殊代理时启用工具一览
| 工具 | 作用 | 关键参数 |
|---|---|---|
voice_tts | 文字合成 MP3（免费） | text 必填；voice/rate/pitch/output 可选 |
voice_stt | 音频转文字 | audio 必填；engine/model/language/prompt/output 可选 |
voice_list | 常用音色清单 | 无 |
示例
voice_tts { text: 今天的 AI 早报来了 } # 晓晓女声，输出 voice_output.mp3
voice_tts { text: hello, voice: en-US-AriaNeural } # 英文女声
voice_stt { audio: E:\audio\meeting.mp3, language: zh } # 转写会议录音
voice_list {}硬核细节
- edge-tts 协议直连：Sec-MS-GEC 令牌按官方 DRM 算法本地生成（SHA256(Windows 文件时间 + TrustedClientToken)，5 分钟窗口），WS 传输用
ws库 + permessage-deflate 压缩 + 可选 HTTP CONNECT 代理隧道 - 零 API 成本：TTS 完全免费；STT 只花你选的 ASR 接口的钱
- 文本 ≤5000 字符、音频 ≤25MB 前置校验；输出同名自动加序号
- 协议对齐开源 edge-tts 当前版本（7.x），不依赖过时的令牌端点
开发
pnpm install
pnpm test # 构建 + 离线单元测试（使用模拟的 TTS/ASR）
pnpm test:integration # 显式联网，调用真实 edge-tts；网络或断言失败均报错License
MIT
