DeepSeek Harness 音声プラグイン：話して、読ませる、8ステップ
Bilibili の実録動画2本と、スクリーンショット検証済みの8ステップ。Web UI でローカル文字起こしにチェックを入れ、Ctrl+Alt+V で音声入力、そして dsh-plugin-tts で返信を選んだ声で読み上げさせましょう。
最終更新: 2026-09-23
2つのシーン、2本の動画。1本目では、あるクリエイターが DeepSeek Harness Web UI に話しかけ、音声が端末内で文字になり、入力欄へ流れ込みます。2本目では、別のクリエイターが返信に声を与えました——dsh-plugin-tts がモデルの回答を読み上げます。どちらの動画も字幕がないため、本文で引用する UI 文言はすべてフレームから読み取り、各ステップに元のスクリーンショットを添えています。
画面の内容はすべてローカル Web UI（録画では 127.0.0.1:3080）で動いています。音声入力はローカル文字起こしプラグイン Real-WangLe/dsh-voice-local、読み上げは 1624318455 の dsh-plugin-tts が担います。両ラインを含む音声プラグインの一覧はコレクションページにまとめてあります。
要点だけ
- ▸音声入力はチェック1つ：「语音输入（本地转写，音频不出本机）」＝ローカル文字起こしで音声は端末外に出ません。API キーも不要です。
- ▸Ctrl+Alt+V が既定の開始/停止ショートカット（カスタム可と動画中で説明）。話しながらテキストが入力欄に即時落ちていきます。
- ▸dsh-plugin-tts は Microsoft Edge TTS の無料音声で返信を読み上げ。速度・ピッチ・音量はスライダー調整で、再生中はピンクの「发音中」（読み上げ中）バッジが表示されます。
音声で入り、音声で出る、全8ステップ
AI に話す——ローカル音声入力
- 1
入力欄の音声ポップアップを開き、ローカル文字起こしにチェック
DeepSeek Harness Web UI のコンポーザーツールバーでマイク枠をクリックすると、音声入力のスイッチが開きます——「语音输入（本地转写，音频不出本机）」＝ローカル文字起こしで音声は端末外に出ない——さらに「键盘输入自动关闭麦克风」は、タイピングを始めると自動でマイクを解放する設定。録画では両方ともオンで、ポップアップを開いたままでも音声入力は続きました。
ポップアップ拡大：ローカル文字起こしオン、自動マイク解放オン、ショートカットも明記。0:34 から見る - 2
Ctrl+Alt+V を押して話すと、文字が即座に流れ込む
同じポップアップのショートカット行には既定値 Ctrl+Alt+V が表示され、カスタム割り当てにも対応していると説明があります。録音中はマイク枠が赤いボタンに変わり、認識テキストが文単位で入力欄へ流れ込みます。もう一度押せばマイクが止まり、できた段落はそのまま送信も編集もできます。
ライブ文字起こし：マイクは赤のまま、テキストは一文ずつ着実に。1:24 から見る - 3
プライバシーの細かい点は、まずプラグイン README で確認
動画後半で登場するリポジトリ Real-WangLe/dsh-voice-local の説明は率直です。録音も文字起こしも端末内で完結し、クラウド API も API キーも不要。SenseVoice エンジン（CPU 推論）は中国語の自動句読点に加え、中・英・日・韓・粤語に対応。インストールは dsh plugin --profile web add dsh-voice-local の1行で、SenseVoice モデル（約230MB）は初回マイククリック時に自動ダウンロードされます。
プラグイン README：完全ローカル、API キー不要、SenseVoice エンジン、1行インストール。2:02 から見る - 4
Windows で文字が空になる既知バグを先に知っておく
リポジトリの issue #1（録画時点でオープン）は、v0.3.0 の Windows 固有欠陥を記録しています。Silero VAD のゲートが誤動作すると speechMs が 0 のままになり、モデルは ready なのに /transcribe が空テキストを返し続けます。報告者はデバッグ証拠で音量・しきい値設定を除外済み——Windows で空文字になる場合は、マイクを疑う前にまずこの issue を確認しましょう。
録画時点でオープン：v0.3.0 は Windows で空の文字起こしを返す。1:50 から見る
AI に話させる——TTS 読み上げ
- 5
dsh-plugin-tts 設定で無料の Edge TTS ボイスを選ぶ
Web UI の設定 → 插件 → 语音を開くと、TTS プロバイダーのドロップダウンに Edge TTS が並びます。キー不要・無料のオンラインボイスで、録画では「晓晓（zh-CN-XiaoxiaoNeural）」を選択。速度・ピッチ・音量は −50%〜+50% のスライダーで、「运行诊断」ボタンがオンライン合成・ローカル RVC サービス・モデル読み込みを一括確認します。
TTS プロバイダーは Edge TTS、無料の晓晓ボイスを選択済み。0:40 から見る - 6
自分の声を使いたいなら RVC 経路へ
プロバイダーを「自定义音色（RVC）」に切り替えると、ローカル変換サービス（既定 http://127.0.0.1:4892）へ接続します。自分で学習した .pth モデルと任意の .index を指定するか、共有リポジトリから既成ボイスパックを取得できます——録画で閲覧していたのは、作者自身の 1624318455/rvc-for-tts パック一覧です。
カスタムボイス経路：ローカル RVC サービスと自分の .pth モデル、または共有ボイスパック。0:08 から見る - 7
1行テスト再生で、ピンクの読み上げバッジを確認
「试听测试」欄にテスト文（録画では「你好，这是一个语音测试。」）を入れて再生ボタンを押すと、読み上げ中はピンクの「发音中」バッジがコントロール横に浮かびます。ダイアログのフッターにはエンジン node-edge-tts の表記があります。
テスト再生：1文、1クリックで、読み上げ中バッジが点灯。0:56 から見る - 8
メッセージを送れば、返信が声で読み上がる
録画の質問は「你是谁」。返信テキストが確定すると自動で読み上げが始まり、メッセージツールバーには停止ボタンが現れ、ピンクのバッジが再生に同期します。聴き終わったら停止を押すだけで、すぐタイピングに戻れます。
ライブ再生：Edge TTS の読み上げ中、返信には停止ボタンが付く。1:08 から見る
よくある質問
画面から湧き上がる、画面だけでは答えられない問い。
音声はクラウドに送られますか？
送られません。設定項目自体が「本地转写，音频不出本机」＝ローカル文字起こしで音声は端末外に出ないと明記し、README も録音・文字起こしとも端末内で完結し、クラウド API も API キーも不要と説明しています。SenseVoice モデル（約230MB）は一度ダウンロードすれば CPU で動きます。
TTS の読み上げは無料ですか？
録画で使っている Edge TTS は無料です。晓晓 など Microsoft のオンラインボイスをキーなしでそのまま使え、エンジンは node-edge-tts。自分の声に差し替えたい場合は RVC のローカル変換サービス経路を選び、「运行诊断」ボタンで両経路を確認できます。
Ctrl+Alt+V 以外のショートカットに変更できますか？
できます。ポップアップのショートカット行には Ctrl+Alt+V が既定値として表示され、動画の中でもカスタム割り当てに対応していると説明されています。1回押して録音開始、もう1回で停止です。
文字起こしはどの言語に対応しますか？
動画で紹介する dsh-voice-local は SenseVoice エンジンを使用し、中国語の自動句読点に加えて中・英・日・韓・粤語に対応しています。チャットの言語は DeepSeek Harness 側の設定に従います。
関連ガイド
音声ラインの残りのページと、その土台になるセットアップガイド。
DeepSeek Harness 音声プラグインコレクション
入力・読み上げ・全二重の3ラインを一望。スター数を実査した編集セレクション。
ガイドを読むdsh-plugin-tts のプラグイン詳細
本ガイドで紹介した読み上げプラグインのリポジトリ情報・スター・インストール手順。
ガイドを読むDeepSeek Harness へのプラグイン導入ガイド
dsh plugin add の流れ、プロファイルの使い方、実行前の検証方法。
ガイドを読むローカルモデルで DSH を動かす
処理の全体を端末内に留める手法。ローカル文字起こしと自然に組み合わせられます。
ガイドを読むDSH Web UI へのリモートアクセス
マイクのあるマシンが手元にないときも、安全に音声ワークベンチへ接続。
ガイドを読む出典とクレジット
素材はいずれも Bilibili の動画で、別々の 2 名のクリエイターによるものです（それぞれクレジット表記）。各スクリーンショットは動画の該当秒へ直接リンクしています。さらに音声プラグインを探しますか？ 音声コレクションを見る