dsh-audiobook

dsh plugin --profile web add dsh-audiobook

搜书听 · dsh-audiobook

Turn any book into an audiobook inside DeepSeek Harness (dsh).

Search public-domain libraries (Project Gutenberg, Wikisource, Internet Archive, Standard Ebooks) by title, author, a character's name or a half-remembered plot, or import your own EPUB, PDF, TXT, DOCX or Markdown file, and listen in the sidebar — Microsoft Edge neural voices, offline Kokoro, or your device's own voices; adjustable speed; it remembers where you stopped.

搜一本书，或者导入一本书，读给你听。 书名、作者、角色名、大概的情节都能搜；声音、语速可选，自动记住听到哪。DSH 插件，也能脱离 DSH 单独用。

<p align="center"><img src="https://raw.githubusercontent.com/AIcivilization/dsh-audiobook/main/docs/screenshot.jpg" width="360" alt="搜书听在 DSH 右侧栏朗读一本书：正在读的段落高亮，底部是播放条"></p>

dsh plugin --profile desktop add dsh-audiobook

它做什么

1. 搜书：面板顶上的搜索框，输入书名、作者，或者只记得的角色名、大概情节（「主角叫贾宝玉的那本」）。在 DSH 里会先让你在 DSH 选的模型猜是哪几本书，再去书源里找；找到点「加入书架」，下载完直接出现在书单里。

书源 · 有什么

古腾堡计划 · 7 万多本公版书，英文为主，也有《紅樓夢》《西遊記》等中文古籍（多为繁体）

中文维基文库 · 中文公版古籍、民国作品（鲁迅等），整部作品导出成 EPUB（大书要一两分钟）

英文维基文库 · 英文公版作品

Internet Archive · 只收标明公有领域或 CC 授权、而且有文字版的书；有不少中文旧书。扫描版的文字是识别出来的，可能有错字，结果里会标出来

Standard Ebooks · 精校排版的英文公版书

只接这些公版和授权免费的书源。受版权保护的现代书（比如《围城》）搜不到，AI 猜到了也会照实说「书源里没有」：请买正版电子书后导入。

常规网页搜索：同时用 DSH 自己的网页搜索（就是「插件 → 网页搜索」里配的那个）搜一遍，结果是链接，点「打开」在浏览器里看；网页上下载到的书，用「导入」加进书架。

去别处搜 / 自定义搜索地址：搜索框下面一排链接（默认百度、必应、Google、豆瓣读书、微信读书），点一下在浏览器里打开那个网站的搜索结果。「管理搜索地址」里可以增删改，地址里用 {q} 代表要搜的词。地址类型选「OPDS 书库」时（Calibre 内容服务器、calibre-web、Kavita 等自建书库，比如 http://地址:8080/opds/search/{q}），结果直接合进上面的书源结果，可以一键加入书架；只会从这个书库自己的地址下载。

书是 DSH 所在的机器去下载的：DSH 装在海外 VPS 上时，在中国大陆用手机打开面板，维基文库也能用；DSH 装在大陆、又不能访问外网的电脑上，维基文库连不上，只剩古腾堡。

2. 导入：把文件拖进面板、选文件，或者填本机路径。支持的格式：

格式 · 怎么读

TXT · 自动认编码：UTF-8、UTF-16、GBK / GB18030、Big5

EPUB · 按书脊顺序，目录里的标题当章名（DRM 加密的读不了）

PDF · 取文字层，把版面折行接回段落（扫描版没有文字层，读不了）

DOCX · 标题样式当章节

Markdown / HTML · # 标题、<h1> 当章节

RTF / DOC · 用 macOS 自带的 textutil 转换（只在 Mac 上）

纯文本按「第X章」「Chapter N」「序章」「尾声」这类标题分章；认不出标题的每约 8000 字分一个「第 N 部分」，方便跳转。

3. 朗读（右侧栏「搜书听」页签，或手机浏览器直接打开）：正文按约 20–30 秒一段切开，读到哪段高亮到哪段，点任意一段从那里读。

朗读方式 · 说明

浏览器朗读 · 不用安装，用这台设备自带的语音，文字不出这台设备。Mac 上在系统设置里下载「高级 / 增强」中文语音后会排在最前。手机锁屏后可能会停

微软 Edge · 最自然。云希、晓晓、云健等 12 个中文声音（含台湾、粤语、方言），另有 6 个英文声音。调用开源工具 edge-tts，插件启动时自动装好，装在插件自己的目录里，不用管理员权限：有 Python 3 就用它（没有 venv / pip 也能装），连 Python 都没有就自动下载一份。要联网，文字会发到微软的服务器；这不是微软公开的正式接口，可能失效

本地离线 · Kokoro 中文模型，55 个女声、45 个男声，完全离线。第一次用时下载约 147 MB 模型。比 Edge 生硬，合成也慢：开播的第一段要等十几秒，之后一边播一边提前合成

已经装了「听懂」的话，它下好的 Kokoro 中文模型和装好的 Edge 语音组件直接借用，不用再下。

4. 语速：0.75× 到 2.5×。Edge 和本地语音由播放器加速，音调不变，换语速不用重新合成。

5. 进度：每读一段存一次，存在服务器上和本机。关掉面板、换设备打开，都从上次的地方接着读。

6. 🎙 记心得：听着听着有想法，点播放条右边的 🎙（自动暂停），按住说话、松开就转成文字（轻点一下就一直录，再点一下结束）。也可以直接打字。

• 每条心得挂在当时听到的位置：哪一章、哪一段原文，以后点一下就跳回去重听；正文里记过心得的地方有虚线标记
• 默认只存你的原话，想整理时点「AI 整理」：只去掉口头语、理顺句子、改同音错字，不改你的意思，原话也保留
• 每条心得自动有个简单明确的标题（比如「希斯克利夫阴沉又委屈」）：记下时先按你的话顺手起一个，有模型就换成 AI 起的；点标题可以自己改，改过的 AI 不再动，清空就交回给 AI
• 每条都记着日期：显示成「今天 21:05」「昨天」「周三」「10月18日」
• 语音识别用 DSH 自带语音输入的同一套本地模型（SenseVoice），在 DSH 所在的机器上识别，声音不外传，识别完就删，只存文字。用过 DSH 语音输入的不用再下模型，没有的话第一次用时下载约 241 MB。手机上录音要用 HTTPS 打开面板

7. 💬 问 AI：播放条左边的 💬，问刚听到的内容、人物关系、词语典故，或者聊聊你的想法；也能按住说话提问。

• AI 只看到本章开头到你正在听的这一段（再带一点上一章结尾）；默认防剧透，问到后面会怎样它会说「还没读到」。勾「允许剧透」才放开
• 回答可以用当前选的声音读出来，有价值的一键「存为心得」；讨论记录每本书单独保存

8. 心得本（播放条下面的「心得」，或者点正文里的 💭）：可以按章节或按时间（今天、昨天、10月18日 周六……）看，心得多了能搜；编辑、AI 整理、导出 Markdown（带标题和日期）。删除不用确认，5 秒内可以撤销。

• 和 AI 聊聊我的心得：AI 看着你的心得和对应原文跟你讨论，帮你想得更深
• AI 写读后感：观点全部来自你的心得，AI 只负责组织成文
• 导入到…：自动发现能存笔记的地方，找到几个就出几个按钮，你自己选。会找：DSH 里能写笔记 / 知识库 / 记忆 / 日记的插件工具，起居注（当前 profile 装了 dsh-memex 时，写到它的日记目录），Obsidian 库，Logseq，Mac 的「备忘录」。什么都没装的话只有「导出 Markdown」。心得默认只存在插件里，点了才导入

9. 我的心得（书库页）：所有书的心得按日期放在一起看、一起搜（标题、内容、原文都能搜）；「AI 帮我回顾」把最近 7 天 / 30 天的心得串起来，看看想法有什么呼应和变化。

10. 书单：每本书右边的「⋯」可以改书名和作者、从头开始、删除。

11. 其他：目录跳章、全书进度条拖动、定时停止（15 分钟到 1.5 小时，或读完本章停），锁屏界面和耳机线控（播放 / 暂停 / 上一段 / 下一段）。

电脑快捷键：空格 播放 / 暂停 · ← / → 上一段 / 下一段

在 DSH 对话里

插件给 AI 注册了 8 个工具，可以直接说：

• 「帮我找那本主角叫贾宝玉的书来听」：AI 自己判断书名，用 audiobook_search 搜，audiobook_download 下进书架
• 「把我读《呼啸山庄》的心得整理一下」「我最近一个月的读书心得有什么共同点」：audiobook_notes
• 「把这个想法记到心得里」：audiobook_add_note
• 「把 ~/Downloads/三体.epub 导入搜书听」：audiobook_import
• 「我在听哪些书？听到哪了？」：audiobook_books
• 「刚才那段讲了什么？」「阿青第一次出场在哪？」「把第三章讲给我听」：audiobook_text，可以取刚听过的内容、在全书里找词、按章取正文
• 「跳到第十章」「跳到阿青出场的地方」：audiobook_goto。面板没在播放时几秒内就会跟上新位置

更新 / 卸载：在 DSH 的「设置 → 搜书听」里。卸载只移除插件，书和收听进度留在 ~/.dsh/dsh-audiobook。

安装

装进 DSH（把 desktop 换成你的 profile 名；先完全退出 DSH）：

dsh plugin --profile desktop add dsh-audiobook

重新打开 DSH，在对话页打开右侧栏，选「搜书听 · 读书给你听」。VPS 上的 DSH 一样装（以运行 DSH 的用户执行，再重启 DSH），手机浏览器打开 https://<你的域名>/api-dsh-audiobook/panel 就能听，点「选择文件」直接从手机里挑书（文件只传一次，服务器取出文字后就删掉原文件）。VPS 上建议用微软 Edge 或浏览器朗读：本地离线语音很吃 CPU，小 VPS 跟不上。前面有 nginx 的话，把 client_max_body_size 调大（默认只放行 1 MB）。

微软 Edge 语音组件会在插件启动后自动在后台装好（几秒到一分钟）。

ffmpeg 可选：有就把本地语音压成 MP3（隔着 VPS 用手机听更流畅），没有就直接给 WAV。

可选配置

在 profile 的 cordis.patch.yml 里：

- id: dsh-audiobook
  config:
    provider: dsh-model-workbuddy-ai   # 搜书时猜书名用的模型；不填就用 DSH 的默认模型
    model: workbuddy-ai/deepseek-v4.1-flash-sg
    edge: false                        # 不要自动安装 Edge 语音组件
    ffmpeg: /opt/homebrew/bin/ffmpeg   # 找不到 ffmpeg 时填
    threads: 2                         # 每个本地语音进程的线程数
    workers: 2                         # 同时开几个本地语音进程（每个占 300–400 MB 内存；VPS 内存小就设 1）

不开 DSH 也能用

npx dsh-audiobook import ~/Downloads/书.epub     # 导入
npx dsh-audiobook serve                          # 打开 http://127.0.0.1:4811
npx dsh-audiobook list

命令行版的模型（问 AI、整理心得、读后感、猜书名用）：--base-url / --api-key / --model，或环境变量 `AUDIOBOOK_BASE_URL / AUDIOBOOK_API

…(truncated)