English

dsh-voice

你的 agent 会说话了：edge-tts 微软神经语音免费无限量 + Whisper 转写。

DSH（DeepSeek Harness）语音双件套插件：让 agent 会说话、能听懂。

• voice_tts：文字转语音，走 edge-tts 协议（微软 Edge 朗读服务，免费无限量，22+ 常用音色）
• voice_stt：语音转文字，走 OpenAI 兼容 ASR 接口（Groq / OpenAI / 自定义端点）
• voice_list：音色清单

兼容性

在 @deepseek-ai/dsh@0.1.1-rc.2 上验证（2026-08-26）。遵循 cordis 组合包补丁模型（cordis.patch.yml + dsh.bundle.patch），运行时不 import 任何 @deepseek-ai/* 内部模块。

安装

dsh plugin --profile web add dsh-voice

卸载

dsh plugin --profile web remove dsh-voice

卸载后重启 Web 服务。如需彻底清理，可再手动删除自己 profile cordis.patch.yml 中覆盖的插件行。

配置

voice_tts 零配置可用；voice_stt 需要 ASR 密钥：

- id: voice
  name: 'dsh-voice'
  config:
    asrEngine: groq                       # groq | openai | custom
    asrModel: whisper-large-v3-turbo      # groq 的 whisper 模型
    # asrApiKey: gsk_...                  # 推荐改用环境变量 DSH_VOICE_ASR_KEY
    ttsVoice: zh-CN-XiaoxiaoNeural        # 默认音色
    # proxyUrl: http://127.0.0.1:7890     # ASR 接口需要特殊代理时启用

工具一览

示例

voice_tts { text: 今天的 AI 早报来了 }                    # 晓晓女声，输出 voice_output.mp3
voice_tts { text: hello, voice: en-US-AriaNeural }        # 英文女声
voice_stt { audio: E:\audio\meeting.mp3, language: zh } # 转写会议录音
voice_list {}

硬核细节

• edge-tts 协议直连：Sec-MS-GEC 令牌按官方 DRM 算法本地生成（SHA256(Windows 文件时间 + TrustedClientToken)，5 分钟窗口），WS 传输用 ws 库 + permessage-deflate 压缩 + 可选 HTTP CONNECT 代理隧道
• 零 API 成本：TTS 完全免费；STT 只花你选的 ASR 接口的钱
• 文本 ≤5000 字符、音频 ≤25MB 前置校验；输出同名自动加序号
• 协议对齐开源 edge-tts 当前版本（7.x），不依赖过时的令牌端点

开发

pnpm install
pnpm test       # 构建 + 31 个测试（含真实合成集成测试）

License

MIT