dsh-voice

English

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
• voice_preview：音色试听，用一段样例文本批量生成短 MP3，挑音色不用盲选
• voice_health：配置自检，体检 TTS 音色 / ASR 密钥 / 接口地址 / 代理（不联网）

兼容性

验证宿主：官方源码构建的 Harness 0.2.0-rc.1（commit 407e65c8）+ Node 24.16.0（2026-09-28）。55 项插件测试在隔离环境全部通过；同一个宿主里 18 个插件共同加载，注册 5 个工具，工具 schema 与健康检查契约通过。本轮未启用真实端口与外部服务。

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

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 {}
voice_preview { voices: [zh-CN-XiaoxiaoNeural, en-US-AriaNeural] } # 生成两个试听样例
voice_health {}                                          # 自检 TTS / ASR / 代理配置

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

版本记录

• 0.3.4（2026-09-18）：修复代理路径 STT 上传 [object FormData]、25MB 校验在读入之后、输出目录不存在白烧一次合成、默认输出落宿主 cwd；exec.signal 全程透传、preview 改 3 路并发。测试 55 项。