dsh-xiaomi-tts

为 DeepSeek Harness Web 的助手回复添加 Xiaomi MiMo TTS 语音朗读。

基于 Xiaomi MiMo TTS 大模型，将助手回复转为流畅、清晰的自然语音。MiMo TTS 当前为限时免费服务，具体政策以 Xiaomi MiMo 平台为准。

预览

功能

• 在对话操作栏中显示“朗读”按钮（默认开启）。
• 使用 mimo-v2.5-tts 输出流畅、清晰的音频；支持 PCM16 流式播放，手动点击朗读使用 MP3 或 WAV。
• 使用 mimo-v2.5-tts-voicedesign 通过文字描述创造你想要的声音。
• 支持切换预置音色/自定义音色模型，配置 API Key、自动播报、音色、音色描述和格式。
• 丰富的预置音色，自由切换和修复。
• 自动清洗需要朗读的文本：移除网址、文件路径、代码块、表情符号、图标和控制字符等。

环境要求

• @deepseek-ai/dsh 0.1.0-rc.7 或兼容版本
• Node.js 22+
• Xiaomi MiMo API Key

官方 TTS API 文档：https://mimo.mi.com/static/docs/api/audio/tts.md

安装

从 npm 安装 （推荐）：

dsh plugin --profile web add dsh-xiaomi-tts

从本地目录安装：

dsh plugin --profile web add ./dsh-plugin-xiaomi-mimo-tts

从 GitHub 安装：

dsh plugin --profile web add github:ppy-web/dsh-plugin-xiaomi-mimo-tts

安装后重启 dsh web，打开 设置 → 插件 → 插件配置 → Xiaomi MiMo 语音朗读，填写 API Key 并保存。

更新或从本地开发版切换到 npm 版时，必须先停止 DSH Web，避免 Windows Junction 被运行中的 Node 进程占用：

.\start\dsh-plugin-reinstall.bat 2.3.0

这个脚本会按顺序停止 DSH Web、卸载当前 profile 中的插件、从 npm 安装指定版本并重新启动 DSH Web。若手动操作，请保持相同顺序：

.\start\dsh-web-stop.bat
dsh plugin --profile web remove dsh-xiaomi-tts
dsh plugin --profile web add dsh-xiaomi-tts@2.3.0
.\start\dsh-web-start.bat

配置

内置音色（mimo-v2.5-tts）：

• 中文女声：冰糖、茉莉
• 中文男声：苏打、白桦
• 英文女声：Mia、Chloe
• 英文男声：Milo、Dean

自定义音色（mimo-v2.5-tts-voicedesign）

为你提供了常用音色描述模板；下拉框默认选择“自定义”，用户可以直接修改并保存描述。切换到其他模板后再切回“自定义”时，会恢复之前保存的自定义内容。

青年女性，声线清亮、亲切自然，吐字清楚，语速适中，情绪温柔克制。

建议包含年龄段与性别、声音质感、语速节奏和情绪底色，不写场景或动作。预置音色模式仍使用原来的内置音色配置。

浏览器可能阻止自动播放；遇到这种情况，请先尝试点击朗读按钮。

朗读文本处理

朗读只使用清理后的正文，不会修改聊天记录中显示的助手回复。Markdown 链接会保留可读标题并删除链接地址；网址、文件路径、完整代码块、表情符号、图标、零宽字符和控制字符不会发送给 Xiaomi MiMo。括号、方括号、书名号、引号等非断句符号会删除；保留的断句标点会转换为 ASCII 英文标点。流式朗读会累计至少 20 个可朗读字符，回复结束时再发送不足 20 个字符的剩余内容。

隐私

• API Key 仅保存在 DSH Host，不会发送给浏览器。
• 生成语音时，回复正文会发送给 Xiaomi MiMo 服务。
• 音频只通过临时 Blob URL 播放，不会持久化到磁盘。

反馈与支持

欢迎通过 GitHub Issues 提交问题反馈、功能建议或使用体验。

架构

• src/index.ts：Host 入口，注册 Schemastery 设置、Voice Design 静态资源，以及完整音频和 PCM/SSE 流式合成路由。
• src/shared.ts：Host 与 Client 共用的领域契约，包括配置类型、默认值、文本清洗、分句、流式批处理和 SSE 解析。
• src/client/index.tsx：Web Client 组合入口，只负责绑定 DSH 服务、注册 Slot、注入样式和托管控制器生命周期。
• src/client/conversation.tsx：React 会话适配层，订阅 DSH 会话快照并渲染朗读操作。
• src/client/settings-card.tsx 与 voice-design-picker.tsx：插件设置表单和 Voice Design 音色选择 UI。
• src/client/live-speech-controller.ts、pcm-audio-queue.ts 与 playback-controller.ts：分别管理实时朗读状态机、Web Audio PCM 调度和完整音频播放。
• src/client/settings-scope.ts：使用 useSyncExternalStore 将 DSH Settings Scope 安全接入 React。

flowchart TD
    DSH["DeepSeek Harness"]

    subgraph Host["Host 插件"]
        HI["src/index.ts<br/>设置与路由注册"]
        SETTINGS["DSH Settings"]
        ROUTES["完整音频 / PCM SSE 路由"]
        ASSETS["Voice Design 静态资源"]
    end

    subgraph Shared["共享领域层"]
        SH["src/shared.ts<br/>配置、文本处理、分句与 SSE"]
    end

    subgraph Client["Web Client"]
        ENTRY["client/index.tsx<br/>组合入口"]
        LOCALE["localization.ts"]
        STYLE["styles.ts"]
        SCOPE["settings-scope.ts<br/>useSyncExternalStore"]
        FORM["settings-card.tsx"]
        PICKER["voice-design-picker.tsx"]
        CONV["conversation.tsx<br/>会话观察与朗读按钮"]

        subgraph Audio["音频运行时"]
            LIVE["live-speech-controller.ts<br/>流式语音状态机"]
            PCM["pcm-audio-queue.ts<br/>Web Audio PCM 调度"]
            COMPLETE["playback-controller.ts<br/>完整音频播放"]
        end
    end

    API["Xiaomi MiMo API"]

    DSH --> HI
    DSH --> ENTRY
    SH --> HI
    SH --> SCOPE
    SH --> CONV
    SH --> LIVE
    HI --> SETTINGS
    HI --> ROUTES
    HI --> ASSETS
    ROUTES --> API
    ENTRY --> LOCALE
    ENTRY --> STYLE
    ENTRY --> SCOPE
    ENTRY --> FORM
    ENTRY --> CONV
    FORM --> PICKER
    CONV --> LIVE
    CONV --> COMPLETE
    LIVE --> PCM
    LIVE --> ROUTES
    COMPLETE --> ROUTES

开发

pnpm install
pnpm typecheck
pnpm test
pnpm pack:check

lib/ 是构建产物，不纳入日常代码提交。提交功能时只更新源码和测试；升级版本并执行 pnpm pack 或 pnpm publish 时，prepack 会自动重新生成发布包。直接从 GitHub 安装时，prepare 会在安装阶段构建该产物。

许可证

MIT