DeepSeek Harness 語音外掛實測：對 AI 說話、聽 AI 朗讀
兩支 B 站實測短片、八個截圖核對步驟：在 Web UI 勾選語音輸入（本地轉寫），按 Ctrl+Alt+V 說話變文字，再用 dsh-plugin-tts 外掛讓回覆用你挑的音色唸出來。
最近更新: 2026-09-23
兩個場景、兩支影片。第一支裡，創作者對著 DeepSeek Harness Web UI 說話，話音落地就變成輸入框裡的文字，全程不離開本機；第二支裡，另一位創作者幫回覆裝上嗓子——dsh-plugin-tts 把模型的回答唸出聲。兩支影片都沒有字幕，下文引用的每一條介面文案都是逐格讀出來的，每一步都附原始截圖。
畫面裡的一切都跑在本機 Web UI（錄影中為 127.0.0.1:3080）上。語音輸入靠的是本地轉寫外掛 Real-WangLe/dsh-voice-local，語音播報靠 1624318455 的 dsh-plugin-tts；兩條產品線還有更多同類外掛，都收在語音合輯裡。
先看結論
- ▸語音輸入就是一個勾選框：「语音输入（本地转写，音频不出本机）」，不需要任何 API Key。
- ▸Ctrl+Alt+V 預設開麥/停麥，影片裡口述支援自訂；說話時文字一句一句即時落進輸入框。
- ▸dsh-plugin-tts 用微軟 Edge TTS 免費音色朗讀回覆，語速/音調/音量滑桿可調，播放時顯示粉色「發音中」徽標。
語音進、語音出，逐步實拍
對 AI 說——本機語音輸入
- 1
打開輸入框語音浮層，勾選本地轉寫
在 DeepSeek Harness Web UI 的輸入框工具列上點麥克風位，浮層裡有語音輸入總開關——原文寫著「语音输入（本地转写，音频不出本机）」——還有「键盘输入自动关闭麦克风」，一開始打字就自動還麥。片中兩項都勾著，而且浮層開著不關也照常辨識。
浮層近景：本地轉寫已勾選、自動還麥已開啟、快捷鍵一目瞭然。到影片 0:34 處看 - 2
按 Ctrl+Alt+V 開麥，邊說邊看文字上屏
浮層的快捷鍵一行預設顯示 Ctrl+Alt+V，片中口述支援自訂；錄音時麥克風位變成紅色按鈕，辨識文字一句一句往輸入框裡落，再按一次停麥，整段話就留在輸入框裡等你送出或改寫。
即時聽寫：麥克風還是紅的，文字已經一句句到位。到影片 1:24 處看 - 3
隱私條款就寫在外掛 README 裡，用前讀一遍
影片後段展示的儲存庫 Real-WangLe/dsh-voice-local 寫得很直白：錄音與轉寫都在本機完成、不依賴雲端 API/API Key；SenseVoice 引擎 CPU 推理，中文自動標點，支援中/英/日/韓/粵多語言。安裝一行指令：dsh plugin --profile web add dsh-voice-local，首次點麥克風會自動下載約 230MB 的 SenseVoice 模型。
外掛 README：全程本機、無需 API Key、SenseVoice 引擎、一行安裝。到影片 2:02 處看 - 4
Windows 上轉寫一直是空的？先看這個 issue
儲存庫 issue #1（錄製時仍為 Open）記錄了 v0.3.0 的 Windows 特有缺陷：Silero VAD 把關誤判後 speechMs 恆為 0，/transcribe 一直回傳空文字，而模型明明 ready。回報者用除錯證據排除了音量與閾值設定——Windows 下遇到空白轉寫，先查這個 issue 再懷疑麥克風。
錄製時仍 Open：v0.3.0 在 Windows 上回傳空轉寫。到影片 1:50 處看
聽 AI 說——TTS 語音播報
- 5
在 dsh-plugin-tts 設定裡選免費的 Edge TTS 音色
Web UI 設定 → 插件 → 语音，TTS 供應商下拉選 Edge TTS：免金鑰線上音色、開箱即用。片中選了「晓晓（zh-CN-XiaoxiaoNeural）」，語速/音調/音量是 −50% 到 +50% 的滑桿，「运行诊断」一鍵檢查線上合成、本機 RVC 服務和模型載入。
TTS 供應商選 Edge TTS，免費的晓晓音色已就位。到影片 0:40 處看 - 6
想用自己的嗓音？走 RVC 自訂音色
把供應商切到「自定义音色（RVC）」，外掛指向本機轉換服務（預設 http://127.0.0.1:4892）；填入自己訓練的 .pth 模型和可選 .index 索引，或從共享儲存庫一鍵下載現成音色包——片中瀏覽的就是作者自己的 1624318455/rvc-for-tts 音色庫。
自訂音色路線：本機 RVC 服務，用自己的 .pth 模型或共享音色包。到影片 0:08 處看 - 7
試聽一句，看粉色「發音中」徽標亮起
在「試聽測試」裡輸入「你好，這是一個語音測試。」點播放——朗讀進行時浮層裡飄著粉色「發音中」徽標，頁尾註明由 node-edge-tts 驅動。
試聽測試：一句話、一次點擊，「發音中」徽標隨即亮起。到影片 0:56 處看 - 8
送出訊息，讓回覆自己開口
片中問了一句「你是誰」，回覆文字出來後自動開始朗讀：訊息工具列出現停止按鈕，粉色「發音中」徽標跟著播放走。聽完點一下停止，就能繼續打字。
播放實況：Edge TTS 朗讀期間，回覆自帶停止按鈕。到影片 1:08 處看
常見問題
畫面帶出來、但畫面本身不回答的問題。
語音轉寫會不會把我的聲音上傳雲端？
不會。設定項原文「本地转写，音频不出本机」，README 也寫明錄音與轉寫都在本機完成、不依賴雲端 API/API Key；SenseVoice 模型約 230MB，下載一次後 CPU 就能跑。
轉寫支援哪些語言？
影片展示的 dsh-voice-local 用 SenseVoice 引擎，中文自動標點，支援中/英/日/韓/粵多語言；你的 DeepSeek Harness 對話語言不受限制。
安裝會不會很麻煩？
一行指令 dsh plugin --profile web add dsh-voice-local 就裝好語音輸入，重啟 dsh web 後生效；朗讀則是 dsh-plugin-tts，同樣走外掛市場或指令安裝。
朗讀音色可以換嗎？
可以。Edge TTS 免費音色直接下拉換（片中用晓晓）；想用自己訓練的嗓音，切到 RVC 自訂音色路線，指向本機轉換服務與 .pth 模型即可。
延伸閱讀
語音這條線的其餘站點，以及背後的上手指南。
來源與署名
兩支素材都來自 B 站，分屬兩位創作者，各自署名；每張截圖都能深鏈到影片對應秒。想挑更多語音外掛？ 去語音外掛合輯逛逛