返回目录

dsh-voice

维护状态: 活跃

stardustlc666/dsh-voice

DeepSeek Harness 语音插件:零密钥 Edge TTS 朗读、音色试听、兼容 ASR 转写与工作区输出保护。欢迎提交 issues 和 PR。

前往 GitHub项目主页
$ dsh plugin add dsh-voice

安装

dsh 没有统一的安装命令——把该插件 README 中的配置行加入你的 profile/patch 配置,然后重启即可。

了解安装方式

6

星标

0

Fork

JavaScript

语言

MIT

许可证

2026-08-14

创建于

2026-11-20

最近推送

README

简体中文 · English

Voice

一句话许愿,把文字变成自然人声,把音视频变成干净文字。

DeepSeek Harness(>=0.2.2-rc.3)许愿式(Wish-Driven)聊天优先语音插件(同时附带 5 套主题可选的 Voice Studio 侧边栏工作台):无需记音色 ID、无需反复填参数,在对话框里用自然语言提出需求即可在 1–2 步内拿到完整成品——支持 6 大创作场景预设(scene:podcast/short-video/audiobook/briefing/story/dubbing)、自然语言风格与方言模糊选声("深夜"、"纪录片"、"粤语男声"、"东北话" 等)、目标时长自动校准(targetDurationSec)、内置词边界安全技术发音词典(autoPronunciations)、自包含 HTML5 交互跟读播放器(createPlayer / playerOutput → .player.html)、按场景一键精选试听(voice_preview({ scene })) 与 对话动口持久化记住偏好(voice_prefs)。底层提供零密钥 Edge 神经网络语音(Keep-Alive 连接池、51 个实测可用内置 + 300+ 在线音色、10 套人设)及 OpenAI / SiliconFlow / 自定义引擎(情绪演技、Kokoro 混音、SHA-256 缓存零样本克隆),全面覆盖 短视频卡拉 OK .ass 字幕(\kf 逐词高亮)、内联停顿([pause:500ms])、原生 MP3 章节书签(ID3v2 CHAP/CTOC)、零漂移 .srt/.vtt 反向配音(atempo)、播客 BGM 自动闪避与 -16 LUFS 均衡 以及 视频直传抽音(.mp4/.mkv/.mov/.avi)+ 说话人区分(diarize) 的多引擎 STT,全部读写严格限制在当前会话工作区内。

npm downloads total downloads

安装使用 · 最快 3 步用起来 · 完整说明

把文字变成声音,把录音变成文字。 · 流程示意

核心亮点

  • 许愿式(Wish-Driven)一句话出成品(voice_tts + voice_preview + voice_prefs):
    • 6 大场景配方(scene):直接传 podcast(播客)、short-video(短视频/口播)、audiobook(有声书)、briefing(简报)、story(故事)或 dubbing(配音),自动配齐人设、字幕粒度、响度均衡、Markdown 清理与智能文件名;本机缺 ffmpeg 时响度均衡自动优雅降级并返回 warnings,不打断创作。
    • 自然语言模糊选声与目标时长校准:voice/persona 直接识别 "深夜"、"纪录片"、"播客女"、"粤语男声"、"东北话" 等口语风格词;传入 targetDurationSec(3–3600 秒)自动按比例调速重合成并配合 FFmpeg atempo 精准压入目标时长。
    • 内置技术发音词典 + 自包含 HTML5 交互播放器:默认开启 autoPronunciations(Nginx、SQL、K8s、PostgreSQL、kubectl、GraphQL、WebSocket 等词边界安全替读,绝不误伤 POST/BUILD);开启 createPlayer: true 或指定 playerOutput 即刻生成零依赖 <文件名>.player.html(明暗主题、倍速、下载、章节跳转与点击字幕跟读)。
    • 对话动口记住偏好(voice_prefs)与按场景精选试听(voice_preview({ scene })):说一句「以后默认用纪录片声音、把 Cordis 读成科迪斯」即热更新持久化保存创作偏好(严格隔离密钥/代理/引擎);说「帮我挑几个播客/方言声音」一步生成 3–4 路精选对比试听页。
  • 短视频卡拉 OK .ass 字幕、原生 MP3 章节、零漂移配音与播客 BGM 闪避:subtitleGranularity("sentence" | "clause" | "word")+ maxCharsPerCue 切出紧凑竖屏短句,subtitleOutput: "clip.ass" 直出 1080x1920 带 \kf 逐词高亮字幕供 dsh-ffmpeg 烧录;文稿内联 [pause:500ms] / [停顿0.6s] 停顿跨引擎通用且自动从字幕剥离;多标题 Markdown 或带 title 的 segments[] 自动写入 MP3 ID3v2 CHAP/CTOC 章节书签并支持 chaptersOutput;subtitleInput 叠加 FFmpeg atempo 实现零累积漂移配音,VBR 多段拼接自动剥离 Xing/Info/VBRI 保证进度条与 durationSec 精准。
  • 视频文件直传转写(voice_stt)与范围化离线自检(voice_health):voice_stt 支持直接传入 .mp4/.mkv/.mov/.avi 视频容器自动 -vn 抽音(16kHz 单声道)送审 ASR,支持 diarize: true 说话人区分、autoCompress(>25MB 自动切片)与本地回环免密 Whisper;voice_list 支持 51 个实测内置 + 300+ 在线 Edge 音色(聊天输出超 60 条自动折叠防刷屏)及 10 大 persona;voice_health 纯离线分 tts/stt 范围快速定位配置问题。
  • 按需使用的 5 主题 Voice Studio 侧边栏工作台:当你需要浏览器麦克风 8 秒录音一键建克隆角色(落盘 voice_clones/ + 自动 ASR 提取台词 + 注册 customVoices)、可视化编排多角色对话或在「工作区成品库」里边听边跟读字幕时,打开侧边栏即可实时切换 原生清透 / 米白纸感 / Claude 暖书卷 / 8-Bit 像素 / 晴空薄荷 5 套主题。

内置 6 个工具速览

工具 一句话定位
voice_tts 许愿式一体化合成 MP3、同步字幕(.srt/.vtt/.ass)、MP3 章节、交互播放器(.player.html)与 BGM 自动闪避播客
voice_stt 音视频转文字与字幕(支持 .mp4/.mkv/.mov/.avi 自动抽音、diarize 说话人区分与 autoCompress)
voice_list 发现 51 个实测内置与 300+ 在线 Edge 音色、10 套 persona 人设及自定义角色别名
voice_preview 按 scene 场景/风格一键精选 3–4 个音色批量试听并生成 voice_previews/index.html 对比页
voice_health 纯本地离线配置自检(支持 `scope: "tts"
voice_prefs 对话动口持久化记住默认音色/人设、语速音调、发音词典与自定义角色别名(严格非凭据白名单)

安装

在 DSH 桌面版「插件」面板搜索安装 dsh-voice,或使用命令行:

dsh plugin --profile desktop add dsh-voice

网页版把 desktop 改为 web;安装后重启一次 DSH。宿主要求 >=0.2.2-rc.3。插件附带许愿式 voice-workflow 技能包,会在语音合成、按场景选声、目标时长控制、交互播放器生成、偏好记忆、短视频卡拉 OK 字幕、播客混音与音视频转写任务中自动指引助手 1–2 步直达成品。

最快 3 步用起来

  1. 直接在聊天框许愿,零密钥即刻合成:装好插件后无需任何密钥,直接对助手说「把 report.md 做成带章节和交互播放器的有声书」或「帮我挑几个适合播客的声音听听」,助手自动调用 voice_tts / voice_preview / voice_list 一次交齐 MP3、字幕与 .player.html。
  2. 动口记住习惯,按需配置克隆或转写密钥:随时对助手说「以后默认用纪录片声音、把 Nginx 读成 Engine X」(voice_prefs 立即持久化);如需情绪演技、零样本克隆或音视频转写(voice_stt),打开 DSH「设置 → 插件 → 语音(dsh-voice)」 切换 ttsEngine(siliconflow / openai / custom)或填写 asrApiKey(本地回环 127.0.0.1/localhost 免密,保存即生效),遇到问题随时用 voice_health 离线自检。
  3. 打开 .player.html 或按需使用侧边栏 Voice Studio:所有文稿、字幕、BGM、参考音频与成品均安全落在当前会话工作区(默认同名自动编号不误盖),可直接打开 .player.html 点击字幕/章节回放,或按需在侧边栏 Voice Studio 进行 8 秒麦克风录音一键克隆与成品库浏览。

平时怎么对助手说(可直接复制的许愿示例)

在 GitHub 阅读完整 README →

DSH Plugins 是独立的 DeepSeek Harness 插件目录,与 DeepSeek 官方无关,也不代表官方背书。第三方插件未经安全审计,安装前请审查源码。

每周获取最新的 DeepSeek Harness 插件,绝不滥发。