dsh-plugin-tts

跳转

• English README（English）
• RVC 自定义音色指南（自定义音色 · 分块渐进播放 · 紧凑索引 · 音色包 · 便携运行时）
• 使用手册（执行手册）（第一次用，逐步骤上手）
• 自适应分块设计文档（长文无缝朗读的设计与实测）

---

dsh-plugin-tts — Edge TTS + RVC 语音大集成

DeepSeek Harness 语音插件：给 AI 回复加朗读——开箱即用微软免费在线音色（Edge TTS）， 也能用你自己训练的 RVC 音色朗读；长回复自适应分块渐进播放、段间无缝； 音色可从音色包仓库一键安装；还提供免装 RVC WebUI 的便携运行时。

📖 第一次用？看《使用手册（执行手册）》——每一步都有 "做什么 / 怎么做 / 怎么算成功"，从朗读、RVC 音色到音色包下载全覆盖。

单条朗读和自动朗读

RVC配置

RVC高级参数

RVC音色包

功能

1. 消息朗读按钮：每条 AI 回复左下角操作行新增「朗读」按钮，点击朗读该条消息 （按钮显示音柱跳动动画），再次点击停止。
2. 自动朗读开关：输入框左下角的喇叭按钮；开启后每条新完成的 AI 回复自动朗读 （按钮带圆形高亮），关闭则不自动朗读。
3. 语音设置面板：侧边栏「设置 → 插件」新增「语音」标签页：
   • TTS提供者：Edge TTS（免费在线）/ 自定义音色（RVC）
   • 朗读音色：22 个经实测可用的 Edge TTS 音色（默认 晓萱 zh-CN-XiaoxuanNeural）
   • 声音调节：语速 / 音调 / 音量（0 = 默认）
   • 音色包：从音色包仓库一键下载安装音色
   • 试听测试：输入文本 + 播放按钮（播放中显示旋转 loading，可点击停止；失败时红字提示）
4. RVC 自定义音色：用你自己训练的 RVC 模型朗读，全程本机计算，支持上传原声、 免索引模式、高级参数（详见《RVC 指南》）。
5. 长文本无缝朗读：自适应分块渐进播放——探测校准块大小、边播边合成、Web Audio 采样级拼接、段间无停顿（详见设计文档）。
6. 朗读时 mini 播放器：暂停/继续 + 倍速（1x / 1.25x / 1.5x），分块长读显示可见的 「第 x/y 段」计数。
7. 主题化 tooltip + RVC 首次引导：悬浮提示用主题 token（--dsw-*）渲染；RVC 面板顶部 内嵌首次使用三步引导（分 OS 启动命令 + 一键诊断）。
8. 音频下载：每条消息操作行新增下载按钮，把合成音频（Edge 原声或 RVC 变声）保存为 MP3—— 复用进程内缓存，刚读过的消息一点即下。
9. 朗读选中文本：在消息里选中文本会在选区上方出现「朗读选中」悬浮按钮，点按只朗读该选中片段。
10. 长读流式（Edge 同样支持）：纯 Edge 长文本也走自适应分块渐进播放——第一块先响、其余边播边合成， 不再干等整段合成完成。

要求

• DeepSeek Harness web profile（dsh web）
• Node.js ≥ 22（worker 使用原生 WebSocket）
• 仅使用 RVC 自定义音色 时：还需要本机 RVC 推理环境（RVC WebUI 或便携运行时， 并在使用前启动 rvc-server.py）。macOS 用户请看 《RVC 指南》 的「启动本地 RVC 服务」和 《使用手册》 §4.2。

安装

# 已发布到 GitHub 后：
dsh plugin --profile web add "github:1624318455/dsh-plugin-tts#main"
# 或本地开发：
dsh plugin --profile web add "file:/path/to/dsh-plugin-tts"

重启 dsh web 后作为 profile bundle 自动加载，无需手动启用。

可用音色（经实测，Edge TTS）

区域	音色
简体中文	晓萱 Xiaoxuan · 晓伊 Xiaoyi · 云希 Yunxi · 云扬 Yunyang · 晓晓 Xiaoxiao · 云健 Yunjian · 云夏 Yunxia · 晓北(辽宁) liaoning-Xiaobei · 晓妮(陕西) shaanxi-Xiaoni
台湾	曉臻 HsiaoChen · 曉雨 HsiaoYu · 雲哲 YunJhe
香港	曉佳 HiuGaai · 曉曼 HiuMaan · 雲龍 WanLung
英文	Aria · Jenny · Guy · Sonia(英)
日/韩/法	七海 Nanami · SunHi · Denise

注：Xiaohan / Xiaomeng / Xiaorui / Xiaoshuang 等旧音色已被 Edge 端点移除（返回 1007 Unsupported voice），未列入。

架构

层	位置	职责
Host	lib/index.mjs	注册 /dsh-tts-api/speak（合成/分块队列）、/dsh-tts-audio/<id>（音频）、/dsh-tts-api/rvc-*（RVC 推理/文件/紧凑索引/音色包）等 webServer 路由；用 node -e 运行零依赖 worker
Client	lib/client.js	shell.overlay 隐藏 <audio> 宿主 + UI（朗读按钮 / 自动朗读开关 / 语音设置面板），通过 fetch 调 Host 路由

TTS 引擎：worker 协议镜像 node-edge-tts@1.2.10： Sec-MS-GEC 查询参数（ticks 向下取整到 5 分钟边界）、 Sec-MS-GEC-Version=1-143.0.3650.75、二进制帧 Path:audio 前缀、 xml:lang 由音色 locale 推导、1006 异常关闭自动重试一次。音频输出 audio-24khz-48kbitrate-mono-mp3。

边界行为

• 自动朗读中点击同一消息朗读按钮 → 停止；点击另一消息 → 打断自动、改手动朗读。
• 手动朗读中关闭自动开关 → 不打断手动；自动朗读中关闭 → 停止自动朗读。
• 新消息完成（自动开启）→ 打断当前、朗读最新；无文本消息跳过；切换会话只停自动来源。
• 停止 / 换消息时立即取消当前 RVC 分块 job，本地转换服务停止调度后续块、及时释放 GPU/内存 （不必等惰性回收）。
• 同一段文本+音色重复朗读 → 复用进程内音频缓存（不重复合成）；若缓存底层文件已被系统清理， 会自动重新合成而非返回失效的 404 URL。
• Edge 音色被端点移除（1007 Unsupported voice）→ 从选择列表剔除并自动回退默认音色。
• 首次用户手势即解锁自动播放（resume Web Audio 上下文 + 播放静音片段），朗读不会因浏览器自动 播放策略被静默拦截。
• Esc / S（非输入框内）停止当前朗读。
• 合成/播放失败 → 静默清理状态并恢复图标（试听面板内会显示红字提示）。

设置持久化

音色、自动朗读开关、TTS 提供者与 RVC 配置会持久化到 localStorage（dsh-tts-settings）， 刷新 / 重开面板不丢。设置面板提供「恢复默认设置」按钮，一键复位并清除已存设置。

RVC 自定义音色

用你本地训练的 RVC 模型做音色转换：设置面板把 TTS提供者切到「自定义音色（RVC）」 即可。第一次用 RVC 先做两件事：①准备模型文件（.pth）；②启动本地 RVC 服务—— macOS/Windows/Linux 的启动命令见 《RVC 指南》 或 《使用手册》 §4.2。涵盖服务启动、面板配置、长文无缝播放、紧凑索引、 音色包一键安装、便携运行时、设置项详解与排查——完整内容见 《RVC 自定义音色指南》。

公开音色仓库示例：rvc-for-tts （设置 → 语音 → 音色包 → 仓库地址填 https://raw.githubusercontent.com/1624318455/rvc-for-tts/main）。

疑难排查（Edge TTS）

• 403 / Sec-MS-GEC 被拒：Edge 端点协议或版本校验变更，更新 lib/index.mjs 内 worker 的 CHROMIUM_FULL_VERSION / TRUSTED_CLIENT_TOKEN。
• 1007 Unsupported voice：所选音色已被端点移除，换用上表列出的音色。
• 无声音：确认系统音量、浏览器自动播放策略（先与页面交互一次）或合成日志 （dsh web 控制台 [tts] 前缀错误）。

RVC 相关排查见 《RVC 指南》疑难排查。

界面语言（i18n）

插件设置面板顶部有「界面语言」选择：自动（跟随浏览器）/ 中文 / English。

• 默认「自动」：按浏览器/系统语言显示（简体中文及其他 → 中文，其余 → English）。
• 切换后立即生效，并持久化到 localStorage（dsh-tts-lang），刷新/重开面板不丢。
• 覆盖范围：整个设置面板 + 气泡/朗读按钮 + 诊断 + 音色包面板，以及 RVC 服务的报错/进度提示。

开发

node tests/smoke.mjs   # 冒烟测试：fake ctx 注册路由 + 真实 Edge TTS 合成 + 音频回放断言
npm run test:all       # 全量：smoke + live + patch + i18n + client-load

改 lib/ 后的热更新（Windows 下 file: 安装是复制而非符号链接， 运行中的 dsh 读的是 profile 副本）：

Copy-Item lib/* $env:USERPROFILE\.dsh\profiles\web\node_modules\@dsh-external\dsh-plugin-tts\lib\ -Recurse -Force
# 然后刷新浏览器即可（bundle 每次请求重新读盘；勿用 pnpm install --force 覆盖）

已知限制

• 音色 / 自动朗读开关 / TTS 提供者 / RVC 配置已持久化到 localStorage 并跨刷新保留 （见上文「设置持久化」）；但音频缓存本身仅进程内（音频写在 OS 临时目录，由系统清理）， 完全重启后每段文本第一次朗读会重新合成。
• 合成音频写入 OS 临时目录，由系统清理。
• 中英文布局/视觉（英文文本较长可能换行/溢出，主题变量 --dsw-* 适配）需在装有所插件的真实 dsh 界面里人工确认—— 本插件无独立 HTML，UI 由 dsh web 宿主注入 slots 渲染，无法脱离宿主做 headless 截图对比（tests/client-load.mjs 只做内存渲染断言，不生成真实 DOM/CSS）。

License

MIT