dsh-voice-chat
中文 | English
豆包式语音对话插件（DeepSeek Harness Web GUI）：点一下 🎤 说话，AI 回复自动用语音"汇报"给你。
📖 完整使用手册见 MANUAL.md（安装/操作/配置/FAQ/原理）。
功能
- 语音输入：点 🎤 开始聆听（"叮"提示音）→ 说话 → 停顿 2.5s 自动结束（"咚"）→ 转写并发送；
- 语音输出：AI 回复经 TTS 合成朗读，语速 +10%；设置里可开「转述朗读」（默认关闭）——开启后较长回复会先由 LLM 以"助手本人"口吻收敛转述（≤原文长度、不发散、去代码表格）再播报，转述用模型自动跟随当前对话在用的 LLM；
- ASR 引擎：支持 SiliconFlow（SenseVoice，国内免费）、Groq（Whisper）、小米 MiMo（chat/completions 协议）、自定义 OpenAI 兼容端点，在设置页面切换；
- TTS 引擎：支持 Edge TTS（微软免费）、小米 MiMo TTS（chat/completions 协议，内置多款中文音色）、自定义 TTS（OpenAI 兼容接口）；
- 单信道播报：新回复抢占旧播报、按快捷键/点按钮立即打断，同一时刻只有一种声音；
- 防重播：按会话记住已播报的回复，重进会话不重复朗读；
- 静音开关 🔊：正在播报时点它立刻静音，再点恢复自动朗读；
- 设置入口：DSH 自带设置弹窗（左下角齿轮 → 左侧「voice chat」类目），保存即生效无需重启；
- 快捷键：
Ctrl+Shift+Space切换麦克风（备用Ctrl+M/Ctrl+Shift+M）。
环境要求
- DeepSeek Harness（dsh）：已安装并运行 Web GUI（
dsh web）； - Node.js ≥ 22（宿主与浏览器端均需要；edge-tts 客户端基于
ws，无需额外运行时）； - 浏览器：Chrome / Edge（录音需要
MediaRecorder支持）； - ASR 密钥：语音转文字需要（SiliconFlow 注册即有免费额度；MiMo 按用量计费）。
安装
# 方式一（推荐，已发布到 npm）：
dsh plugin --profile web add dsh-voice-chat
# 装完重启 dsh web注：插件自带内联 edge-tts 客户端（微软 Edge 免费朗读服务，无需任何 API key）；Edge TTS 无需额外密钥，MiMo TTS / 自定义 TTS 则需配置对应密钥。
配置
⚙️ 设置面板（推荐，优先级最高）
打开 DSH 设置弹窗（左下角齿轮），左侧点「voice chat」，右侧即可改：
🎤 语音识别设置
- ASR 引擎选择（SiliconFlow / Groq / MiMo / 自定义）
- Base URL / 模型名 / API Key
- 识别后是否自动发送
- 静音自动结束时长（秒）
🔊 朗读设置
- TTS 引擎选择（Edge TTS / MiMo TTS / 自定义 TTS）
- 各引擎对应的 Base URL / 模型名 / API Key / 音色
- 长回复转述朗读开关（默认关闭）
保存后立即生效，无需重启。
📄 配置文件（低优先级）
在 profile 的 ~/.dsh/profiles/web/cordis.patch.yml 里按 id 覆盖 config（全部可选项，不改则用默认值）：
- id: dsh-voice-chat
name: 'dsh-voice-chat'
config:
asrEngine: siliconflow # siliconflow | groq | mimo | custom
asrApiKey: sk-xxxx # ASR 密钥（或环境变量 DSH_VOICE_ASR_KEY）
asrBaseUrl: https://api.siliconflow.cn/v1
asrModel: FunAudioLLM/SenseVoiceSmall
llmModel: deepseek-v4-flash # 转述模型（fallback，正常跟随当前对话）
silenceMs: 2500
rewrite: false # 转述朗读开关（默认关闭，设置页可切换）
ttsEngine: edge # edge | mimo | custom
voice: zh-CN-XiaoxiaoNeural
ttsBaseUrl: https://api.openai.com/v1
ttsModel: tts-1
ttsApiKey: sk-xxxx
rate: '+10%'
shortTextChars: 50改完重启 dsh web 生效。优先级：设置面板 > cordis.patch.yml > 环境变量 > 默认值。
结构
lib/index.js— 宿主半身：/stt（ASR，支持 OpenAI multipart 与 MiMo chat/completions 双协议）、/tts（Edge/MiMo/自定义 TTS）、/speak（转述+合成）、/settings（设置面板存取）等路由；lib/client.js— 浏览器半身：麦克风/静音按钮、静音检测、单信道播报、快捷键（Ctrl+Shift+Space）、录音自动转 WAV（供 MiMo 等 chat 协议 ASR）；并向 DSH 设置弹窗注入「voice chat」类目表单；lib/edge-tts.js— 内联的 edge-tts 协议客户端（微软 Edge 免费朗读服务），唯一运行时依赖ws；cordis.patch.yml— 插入dsh-voice-chat行 + 配置示例；settings.local.json— 设置面板保存的覆盖配置（运行时生成，不进 git）。
