dsh-plugin-xiaomi-mimo-tts

dsh-xiaomi-tts

为 DSH Web 添加 Xiaomi MiMo TTS 语音朗读、浏览器本地语音兜底和可选 UI 音效。

MiMo TTS 当前可能处于限时免费或调整计费阶段，请以 Xiaomi MiMo 官方平台的最新政策为准。

English README →

🎨 预览

• 在线打开 Preview Pages

设置界面	对话朗读入口

✨ 功能

• 一键朗读：在助手消息操作栏中提供“朗读”按钮。
• 低延迟播放：mimo-v2.5-tts 支持 PCM 流式播放，并在必要时回退到完整音频或浏览器语音。
• 内置与自定义音色：支持官方内置音色，以及 mimo-v2.5-tts-voicedesign 音色描述。
• 浏览器本地语音：可选择 MiMo 优先、本地优先或仅使用 MiMo。
• 朗读范围：支持智能、全文和首段模式。
• 播放控制：支持 0.5×–2.0× 语速、语音音量、暂停、继续和停止。
• 文本清洗：朗读前移除网址、路径、代码块、表情符号和控制字符等不适合播报的内容。
• 演播厅：试听时明确显示正在使用 MiMo 还是浏览器本地语音，并区分常见失败原因。
• 可选音效：提供任务状态和语义化点击音效，默认关闭。
• 插件联动：向其他 DSH Web 插件暴露可选的 PCM 播放服务。

📋 环境要求

• @deepseek-ai/dsh 0.1.5-rc.1（当前仅验证此版本）
• Node.js 22+
• 使用 MiMo 语音时需要 Xiaomi MiMo API Key
• 官方 TTS API 文档

🚀 安装

从 npm 安装（推荐）

dsh plugin --profile web add dsh-xiaomi-tts@latest

从插件市场安装

当前 DSH 插件市场已收录本插件，可在 设置 → 插件市场 中搜索 xiaomi-mimo-tts。

从 GitHub 安装

dsh plugin --profile web add github:ppy-web/dsh-plugin-xiaomi-mimo-tts

也可以下载 GitHub Release 中的 .tgz：

dsh plugin --profile web add "<下载路径>\dsh-xiaomi-tts-<版本>.tgz"

Release 压缩包已包含构建产物，无需执行 pnpm approve-builds。

安装完成后，重启正在运行的 DSH Web web profile，然后打开：

设置 → 插件 → 插件配置 → 语音朗读 (Xiaomi MiMo)

🐋 首次使用

新安装的默认行为：

• 朗读按钮可用；
• 自动播报默认关闭；
• UI 音效默认关闭；
• 未保存 API Key 时，“MiMo 优先”策略可能回退到浏览器本地语音。

推荐配置顺序：

1. 获取 Xiaomi MiMo API Key。
2. 在插件设置中输入 Key，并点击底部 保存。
3. 打开“调音台”，选择模型和音色。
4. 在“演播厅”试听；状态气泡会显示实际使用的是 MiMo 还是浏览器本地语音。
5. 按需开启自动播报和 UI 音效，再次保存。

新输入的 API Key 只有保存到 DSH Host 后才会用于 MiMo 试听。界面中的 sk- / tp- 检查只是格式识别，不代表服务端已经验证密钥有效。

更换或清除 API Key

• 输入新 Key 并保存，会替换当前个人设置层的密钥。
• 点击 清除个人密钥 并保存，会移除当前用户层覆盖。
• 如果 DSH 基础配置仍提供密钥，清除个人覆盖后会恢复继承该密钥；因此该操作不等同于撤销 Xiaomi 平台上的密钥。
• 如需彻底失效，请同时前往 Xiaomi MiMo 控制台撤销对应 Key。

⚙️ 配置说明

官方内置音色

mimo-v2.5-tts 当前提供：

• 中文女声：冰糖、茉莉
• 中文男声：苏打、白桦
• 英文女声：Mia、Chloe
• 英文男声：Milo、Dean

自定义音色

mimo-v2.5-tts-voicedesign 支持从音色描述生成声音。设置面板包含预设模板，也可以手动编辑：

青年女性，声线清亮、亲切自然，吐字清楚，语速适中，情绪温柔克制。

“AI 生成”功能使用 DSH 当前配置的默认 LLM 来改写音色描述；生成结果仍需保存。

浏览器本地语音

• MiMo 优先：MiMo 在首段音频开始前失败时，尝试浏览器语音。
• 本地优先：先使用浏览器语音，失败后尝试 MiMo。
• 关闭本地语音：只使用 MiMo，不进行本地兜底。

浏览器音色来自 Web Speech API。是否离线、可用语言和实际声音取决于浏览器、操作系统及其语音服务。

朗读范围

• 智能模式：自动播报优先朗读首个语义段；未读内容较多时可能补一句收尾提示。手动朗读播放全文。
• 全文模式：自动播报和手动朗读都播放全文。
• 首段模式：自动播报和手动朗读都只播放首个语义段。

设置面板支持键盘操作：使用 Tab 移动焦点，方向键调整滑块或选项，空格键确认按钮和开关。

🔌 三方插件联动

本插件向 Web 插件提供可选 PCM 流式播放能力：

ctx.get('xiaomiMimoTts')?.play('欢迎回来')

建议通过 ctx.get() 动态获取，不要声明为必需注入。插件未安装、未就绪或已关闭时，调用会安全跳过；新播放会中断当前朗读，stop() 可主动停止。

需要 TypeScript 类型时：

import type { XiaomiMimoTtsService } from 'dsh-xiaomi-tts/client-api'

const tts = ctx.get('xiaomiMimoTts') as XiaomiMimoTtsService | undefined
tts?.play('欢迎回来')

🔒 隐私与网络访问

• API Key 由 DSH Host 保存，浏览器只读取“是否已配置/格式是否识别”的状态，不读取密钥正文。
• 生成 MiMo 语音时，待朗读正文和相关音色指令会发送至 Xiaomi MiMo 服务。
• 使用“AI 生成音色描述”时，输入内容会发送给 DSH 当前默认 LLM 的服务提供方。
• 浏览器本地语音由 Web Speech API 提供；标记为在线的音色可能把文本交给浏览器、操作系统或其网络语音服务。
• 展开设置卡片时，DSH Host 会访问 npm Registry 检查是否存在新版本。
• 音频在浏览器内存中通过 Web Audio 或临时 Blob URL 播放，插件不会主动持久化音频文件。
• 音效核心移植自 uisfx 0.4.0，遵循 MIT License，详见 NOTICE。

🏗️ 架构

• 共享层：配置默认值、文本处理、分段、SSE 和播放契约。
• Host 插件：注册设置与静态资源，并代理 MiMo 完整音频和 PCM 流式请求。
• Web Client：提供设置、消息朗读、浏览器语音兜底、试听和第三方播放服务。

flowchart LR
    DSH["DSH Web"] --> CLIENT["Web Client<br/>设置与播放"]
    THIRD["第三方 Web 插件"] -. "ctx.get('xiaomiMimoTts')" .-> CLIENT
    CLIENT -->|"完整音频 / PCM 流"| HOST["Host 插件<br/>设置与 API 代理"]
    HOST --> MIMO["Xiaomi MiMo API"]
    CLIENT -->|"Web Speech API"| SPEECH["浏览器 / 系统语音服务"]
    CLIENT -->|"音色描述生成"| LLM["DSH 默认 LLM"]
    SHARED["共享层<br/>配置、文本处理、SSE"] -.-> CLIENT
    SHARED -.-> HOST

🛠️ 开发

pnpm install
pnpm dev

pnpm dev 会启动本地 UI Lab，直接渲染 src/client/settings/card.tsx。设置保存、远程语音、版本检查和卸载均使用本地 mock，不会调用真实 MiMo 服务或卸载插件。

常用检查：

pnpm typecheck
pnpm test
pnpm dev:build
pnpm pack:check

• pnpm build：正常构建。
• pnpm build:debug：启用 PCM 链路调试日志的构建。
• pnpm profile:check：验证本机 DSH Web profile 中的安装状态。

Windows 从本地开发链接切换到 npm 包前，请先停止 DSH Web，避免运行中的 Node 进程占用 Junction：

.\start\dsh-plugin-reinstall.bat 3.0.3

🤝 推荐插件

本插件的鲸鱼娘形象参考 dsh-deep-whale dsh-whale-musume由GPT生成。本插件的uisfx音效参考 dsh-plugin-uisfx实现

• dsh-deep-whale：鲸鱼娘主题皮肤系列。
• dsh-whale-musume：元气鲸鱼娘桌宠。
• dsh-plugin-uisfx：语义化 UI 音效。
• dsh-dream-skin：原生换肤、背景壁纸、强调色和主题包。