@goodandready/dsh-tts

中文文档
0.4.44发布于 2026/11/14MITES Module零依赖近 30 天下载 9670

DeepSeek Harness的文本对语音:在网络用户界面中使用一个供应商倒置链(OpenAI, 11Labs, Google, Azure, Groq, Deepgram, OpenRouter, Edge, Piper, eSpeak)进行代理回复.

中文使用文档
文档目录17 节
  1. DeepSeek Harness 多引擎语音合成:云端与本地引擎、流式音频、IT 术语词典与即时通讯集成
  2. ⚡ 插件概览
  3. 🚀 核心功能
  4. 1. 📴 本地系统与在线引擎状态
  5. 2. ⚡ 实时流式音频播放
  6. 3. 🎙️ 语音双工对话与 VAD 打断(配合 @goodandready/dsh-voice )
  7. 4. 📚 内置 IT 术语发音词典
  8. 5. 👥 多智能体角色个性化语音与自动识别
  9. 6. 💾 音频片段导出与历史回放
  10. 7. 💬 即时通讯语音消息集成(配合 @goodandready/dsh-messenger-gateway )
  11. 8. 🌐 深度中文本土化支持与智能断句分词器
  12. 🛠️ 支持的 18 大服务商矩阵
  13. 📦 安装指南
  14. 设置界面覆盖
  15. ⚙️ 配置说明(DSH 设置面板)
  16. 🤖 HTTP API 路由
  17. 📄 开源协议

📦 @goodandready/dsh-tts

DeepSeek Harness 多引擎语音合成:云端与本地引擎、流式音频、IT 术语词典与即时通讯集成

npm version license DSH Plugin Node version

作者全部项目

🇬🇧 English • 🇷🇺 Русский • 🇨🇳 中文说明

⭐ 如果您喜欢这个插件,请在 GitHub 上为它点亮 Star — 这能让我知道插件对您有用,并鼓励我继续开发和维护它。

🐛 如果您发现 Bug 或希望增加功能,请使用任意语言在 GitHub 上提交 Issue — 我会评估您的建议,并在后续版本中实现有价值的改进。

⚡ 插件概览

dsh-tts 为 DeepSeek Harness Web 界面提供高保真智能体回复语音朗读服务。开启 朗读智能体回复 后,每条生成的助手回复或实时流式片段均由服务端合成并即时推流至浏览器播放。

API 密钥绝不暴露给前端:音频合成全程在服务端通过多服务商独立备用链执行,包括本地系统与在线引擎(Edge TTS 在线免 Key,Piper 与 eSpeak 本地离线)。Kokoro/F5 仅可下载权重,推理未捆绑。

graph LR
    subgraph Input [助手回复文本]
        Reply[💬 智能体生成文本] --> Scrub[智能过滤 & IT术语词典]
    end

    subgraph Stream [实时流式音频播放]
        Scrub --> SSE[SSE /dsh-tts/stream]
        SSE --> Player[Web Audio & HTML Audio 播放器]
    end

    subgraph Cache [性能缓存层]
        Scrub --> LRU{磁盘 LRU 缓存}
        LRU -->|命中缓存| Play[即刻推流播放]
    end

    subgraph Fallback [TTS 引擎备用链]
        LRU -->|未命中| Chain{生效备用链}
        Chain -->|在线 / 本地| P1[Edge TTS / Piper / eSpeak]
        Chain -.->|云端| P2[OpenAI / ElevenLabs / Google / Azure / Groq]
        Chain -.->|免费云端| P3[EdgeTTS / SiliconFlow]
        Chain -.->|系统兜底| P4[本地 Piper / eSpeak NG]
    end

    subgraph Output [输出与集成]
        P1 --> Store[写入磁盘缓存]
        P2 --> Store
        P3 --> Store
        P4 --> Store
        Store --> Play
        Store --> Msg[Telegram / Discord via dsh-messenger-gateway]
    end

    style Input fill:#1e1e2e,stroke:#89b4fa,stroke-width:2px,color:#cdd6f4
    style Stream fill:#181825,stroke:#89dceb,stroke-width:2px,color:#cdd6f4
    style Cache fill:#181825,stroke:#cba6f7,stroke-width:2px,color:#cdd6f4
    style Fallback fill:#11111b,stroke:#a6e3a1,stroke-width:2px,color:#cdd6f4
    style Output fill:#181825,stroke:#f38ba8,stroke-width:2px,color:#cdd6f4

🚀 核心功能

1. 📴 本地系统与在线引擎状态

  • Piper / eSpeak:完全离线的本地系统合成,无需云 API 密钥。
  • Edge TTS:免费的微软在线语音合成,无需 API 密钥(需要网络连接与 edge-tts 工具)。
  • Kokoro-82M / F5-TTS:仅权重下载与状态展示。推理未捆绑在本包中,provider 会明确失败并继续 fallback。
  • ModelManager 管理界面:在设置中手动安装模型,实时显示下载进度条、SHA-256 校验和一键删除。无任何静默或自动下载。

2. ⚡ 实时流式音频播放

  • HTML Audio & Web Audio 播放器:无缝队列音频播放,支持预缓冲、麦克风打断响应 (barge-in)、播放倍速控制以及浏览器原生语音故障回退。
  • Server-Sent Events (SSE):专用 /dsh-tts/stream 路由将合成音频片段即时推送至浏览器。

3. 🎙️ 语音双工对话与 VAD 打断(配合 @goodandready/dsh-voice)

  • 全双工对话:语音听写完成后自动启动回复语音合成。
  • VAD 打断:检测到用户开始说话时立即静音助手语音播放。
  • 安装保护:若未安装 @goodandready/dsh-voice,相关控件将禁用并显示安装指引。

4. 📚 内置 IT 术语发音词典

  • 预配置词汇表:为常见技术缩写和开发者术语提供正确语音替换(SQL、Nginx、Kubernetes/K8s、Docker、API、JSON、YAML、GUI、CLI、CI/CD 等 25 个术语)。
  • 交互式编辑器:编辑规则,逐条点击 ▶ 试听 按钮预听效果,一键加载全部 IT 术语。

5. 👥 多智能体角色个性化语音与自动识别

  • 为不同子智能体(coder、reviewer、planner、tester 等)分配独立的语音、服务商、模型、提示音与 SSML 风格。
  • 智能体自动识别:开启 autoDetectSubagent 后,自动根据消息元数据(subagent、agent、author、name)匹配对应的专属音色与语速。

6. 💾 音频片段导出与历史回放

  • 任意朗读过的回复均可通过 exportAudioClip(text) 导出为标准音频文件(.wav / .mp3)。
  • 输入框控制栏及最近朗读列表中内置即时下载按钮(⤓)。

7. 💬 即时通讯语音消息集成(配合 @goodandready/dsh-messenger-gateway)

  • 通过 POST /dsh-tts/speak 为 Telegram 和 Discord 机器人回复生成语音消息。
  • 缺少网关插件时自动显示安装提示,防护性依赖检查。

8. 🌐 深度中文本土化支持与智能断句分词器

  • 完整内置英文 (en) 与中文 (zh) 双语界面及全量语音模版。
  • 针对 CJK 中文全角标点(。!?)与自适应分词长度特别优化,避免长句卡顿。
  • 保护缩写、文件名(package.json)、网址域名(goodandready.app)及 IP / 版本号不被误切。

🛠️ 支持的 18 大服务商矩阵

服务商 Key对应引擎默认模型默认发音人凭证变量名说明与亮点
kokoroKokoro 权重(ONNX)hexgrad/Kokoro-82Maf_bella无需密钥可下载权重;推理未捆绑 — 明确失败
f5F5 守护进程(ping)F5-TTS默认无需密钥仅 ping;GPU 推理未捆绑 — 明确失败
elevenlabsElevenLabs APIeleven_multilingual_v2RachelELEVENLABS_API_KEY极致拟人情感音色
openaiOpenAI Audiogpt-4o-mini-tts / tts-1alloyOPENAI_API_KEY经典高清发音
edge微软 Edge 在线zh-CN-XiaoxiaoNeuralzh-CN-XiaoxiaoNeural无需密钥免费免 Key 高保真神经网络语音
siliconflow硅基流动 CosyVoiceFunAudioLLM/CosyVoice2-0.5B默认SILICONFLOW_API_KEYSOTA CosyVoice2 语音大模型
deepinfraDeepInfra Kokorohexgrad/Kokoro-82M默认DEEPINFRA_API_KEY极速轻量 Kokoro 开源引擎
fireworksFireworks AIkokoro默认FIREWORKS_API_KEY毫秒级 Kokoro 推理
minimaxMiniMax Speechspeech-01-turbo默认MINIMAX_API_KEY高表现力中文旗舰发音
mimo小米 MiMo Audiomimo-v2.5-tts默认MIMO_API_KEY低延迟流式语音
doubao字节跳动火山引擎豆包seed-tts-1.0BV001_streamingDOUBAO_API_KEY高表现力 Doubao Seed-TTS 1.0 语音引擎
deepseek-webDeepSeek Web 语音网桥deepseek-chat默认DEEPSEEK_WEB_TOKEN直连官方 Web 会话的 DeepSeek 原声合成
googleGoogle Cloud TTSgemini-2.5-flash-preview-tts语种默认GEMINI_API_KEY谷歌 Gemini 多语种神经网络合成
azureAzure 认知语音en-US-JennyNeural区域默认AZURE_SPEECH_KEY企业级神经网络发音人
deepgramDeepgram Auraaura-asteria-enasteriaDEEPGRAM_API_KEY极低延迟英文输出
groqGroq TTSplayai-ttsdefaultGROQ_API_KEY极速推理
openrouterOpenRouter Audioopenai/gpt-4o-mini-ttsalloyOPENROUTER_API_KEY统一路由器通道
custom自定义 OpenAI 规范可配置可配置CUSTOM_TTS_API_KEY任意兼容 /v1/audio/speech 接口
piper本地 Piper ONNX本地权重模型默认无需密钥100% 离线神经网络引擎
espeak本地 eSpeak NG系统合成器zh / en无需密钥100% 离线轻量兜底

📦 安装指南

dsh plugin --profile web add @goodandready/dsh-tts

[!IMPORTANT] 安装后请重启 Web UI(systemctl --user restart dsh-web)并刷新浏览器标签页。


设置界面覆盖

插件设置卡片(设置 → 插件 → 插件设置)展示全部用户向 schema 字段,并含 Advanced 区:maxChars、sentenceChars、timeoutMs、maxQueue、openaiBaseUrl、mimoBaseUrl、mimoFormat、minimaxBin、doubaoAppId、doubaoCluster、doubaoBaseUrl、deepseekWebBaseUrl、cosyvoiceUrl。

API 密钥不写入插件设置,只在链编辑器粘贴,经 PUT /dsh-tts/credential 写入 DSH credential store。

⚙️ 配置说明(DSH 设置面板)

dsh-tts:
  speakReplies: true
  enableLocalEngines: true
  kokoroEnabled: true
  streamingEnabled: true
  enableItDictionary: true
  voiceDuplexEnabled: true
  vadBargeIn: true
  messengerTtsEnabled: true
  cache: true
  cacheMaxMb: 150
  autoDetect: true
  chain:
    - provider: kokoro
    - provider: edge
      voice: zh-CN-XiaoxiaoNeural
    - provider: openai
      model: tts-1
      voice: alloy
  roles:
    coder:
      provider: openai
      voice: onyx
    reviewer:
      provider: edge
      voice: zh-CN-YunxiNeural

🤖 HTTP API 路由

  • GET /dsh-tts/stream — 实时 SSE 音频流推送。
  • POST /dsh-tts/speak — { text, voice?, model? } → 返回合成音频。
  • POST /dsh-tts/preview — { provider, model, voice, text? } → UI 中试听语音。
  • GET /dsh-tts/models/status — 查询 Kokoro/F5 权重下载状态(推理未捆绑)。
  • POST /dsh-tts/models/install — { engine: 'kokoro' | 'f5' } → 启动模型下载。
  • DELETE /dsh-tts/models/delete — { engine: 'kokoro' | 'f5' } → 删除本地模型。
  • GET /dsh-tts/integrations — 查询关联插件状态(dsh-voice、dsh-messenger-gateway)。
  • GET /dsh-tts/status — 返回引擎链状态、缓存统计与引擎就绪信息。

📄 开源协议

MIT © GooDAnDReaDY

版本与发布记录

@goodandready/dsh-tts 共发布 62 个版本,首次发布于 2026/08/20;过去 12 个月发布了 62 个版本。

版本发布日期距今
0.4.44latest2026/11/142 天前
0.4.432026/11/143 天前
0.4.422026/11/098 天前
0.4.412026/11/098 天前
0.4.402026/11/098 天前
0.4.392026/11/088 天前

关于 @goodandready/dsh-tts 的常见问题

@goodandready/dsh-tts 是什么?

DeepSeek Harness的文本对语音:在网络用户界面中使用一个供应商倒置链(OpenAI, 11Labs, Google, Azure, Groq, Deepgram, OpenRouter, Edge, Piper, eSpeak)进行代理回复.

如何安装 @goodandready/dsh-tts?

在项目目录运行 npm install @goodandready/dsh-tts,或使用 pnpm add / yarn add / bun add。它还需要宿主项目提供 peer 依赖:@deepseek-ai/cordis(^4.0.1)、@deepseek-ai/dsh-tools(^0.1.7-rc.2 || ^0.2.0-rc.1)、@deepseek-ai/schemastery(^3.18.4)、@deepseek-ai/dsh-settings(^0.1.7-rc.2 || ^0.2.0-rc.1)、@deepseek-ai/dsh-credentials(^0.1.7-rc.2 || ^0.2.0-rc.1)、@deepseek-ai/dsh-host-webserver(^0.1.7-rc.2 || ^0.2.0-rc.1)。npm 7 及以上与 pnpm 8 及以上默认会自动安装必需的 peer 依赖,Yarn 需要手动安装。

@goodandready/dsh-tts 支持 TypeScript 吗?

该包的 package.json 没有声明类型入口。需要类型提示时,可以在 npm 上查找社区维护的 @types/goodandready__dsh-tts 是否存在。

@goodandready/dsh-tts 支持 ESM 还是 CommonJS?

以 ES Module 形式发布,推荐使用 import 引入。在 CommonJS 项目中,Node.js 20.19+ / 22.12+ 可以直接 require() 不含顶层 await 的 ES Module,更早的版本需要改用动态 import()。

@goodandready/dsh-tts 可以商用吗?

@goodandready/dsh-tts 使用 MIT 许可。宽松许可:允许商业使用、修改和再分发,通常只需在分发时保留原版权与许可声明。以上为概括,不构成法律意见,请以许可原文为准。

@goodandready/dsh-tts 的下载量有多少?

根据 npm 官方下载统计,@goodandready/dsh-tts 在 2026/10/17 – 2026/11/15 这 30 天内被下载 9,670 次,日均约 322 次。下载量会把 CI 构建、镜像同步和作为其他包依赖的安装一并计入,适合横向比较热度,不能直接等同于使用人数。

@goodandready/dsh-tts 还在维护吗?

最新版本 0.4.44 发布于 2026/11/14(2 天前);至今共发布 62 个版本,其中过去 12 个月发布了 62 个;首次发布于 2026/08/20。发布频率只是参考信号:功能稳定的工具可能很少需要更新,建议结合源码仓库的 issue 和提交记录判断。