dsh-gsv-tts

dsh plugin --profile web add dsh-gsv-tts

dsh-gsv-tts

为 DSH（DeepSeek Harness）接入语音朗读能力 —— 双模式可选：云端快速体验（Edge，免安装、装上即听）+ 本地专业（GSV-TTS-Lite，音色克隆、完全离线）。



音色市场：taoruiliu19.github.io/gsv-market · 投稿指南：[docs/VOICE_MARKET.md](docs/VOICE_MARKET.md)

English README: [README_EN.md](README_EN.md) · 变更记录: [CHANGELOG.md](CHANGELOG.md)

---

✨ 功能亮点

• 🌐 云端快速体验（Edge）：零配置、装上即用，无需 Python / 模型 / 引擎；20+ 种免费自然语言音色（晓晓、云希、Aria 等），联网即用，出声较快
• 🖥️ 本地专业（GSV）：按参考音频克隆目标音色、完全离线；由云端简单模式一键升级引导而来
• 🔊 一键朗读：每条助手消息旁的 🔊 按钮直接朗读（自动排除思考内容）；长回复流式播放（首块到达即出声，不再等整段合成完），带暂停/继续/停止与进度显示，正在朗读的消息会高亮
• ⚡ 首音更快：可选常驻模式（性能优先），插件加载后自动启动并预热默认音色；朗读走流式 WAV，长回复首音明显更快。默认节能模式（资源优先），不后台占资源（与旧版一致）
• 🔁 自动朗读：开启后自动朗读助手回复；新回复默认打断当前朗读（barge-in），可在设置中关闭
• 🔄 模式切换：设置面板一键在"快速体验 / 本地专业"间切换，音色与状态实时跟随
• 🎛️ 声音设置面板：可视化配置，保存即热生效（无需重启）；每条音色可"试听"，或"全部试听"循环对比
• 🎪 音色市场：从内置/自定义远端清单一键下载并注入音色，试听后安装、只读托管；内置可信源免确认，远端源二次确认；欢迎[投稿](docs/VOICE_MARKET.md)分享你喜欢的音色
• 🚀 引擎一键启停 / 一键安装：启动方式可选常驻模式（性能优先）或节能模式（资源优先，默认）；也支持设置面板手动启停，模型加载约 15~90 秒
• 🔗 同源音频短链接：合成音频落盘并同源提供，不再撑爆模型上下文

---

🎯 快速上手（两种模式，任选其一）

你的诉求 · 用哪种 · 怎么开始

"我就想装上就能听" · 🌐 快速体验（Edge） · 见下方「一、快速体验模式」——无需任何安装

"我要克隆自己的声音 / 完全离线" · 🖥️ 本地专业（GSV） · 见下方「二、本地专业模式」

默认模式：全新安装默认为 Edge 快速体验（联网即用）；从旧版本升级的老用户仍保持 GSV 本地模式、声音不变，可随时在设置面板切换。

DSH 版本要求：5.0.0 起适配 DSH 0.2.1-rc.2+（engines.dsh）。DSH 0.2 把设置改成了 volatile 配置 + 客户端 configForms 服务，5.0.0 已同步迁移；DSH 0.1.x 请使用 4.x 版本插件。

一、快速体验模式（Edge，新装默认）

1. 安装插件并重启 DSH（见「📦 安装」）

2. 打开 设置 → 声音设置 → TTS 模式选 快速体验（Edge）

3. "音色"下拉选一个云端音色（晓晓 / 云希 / Aria…）

4. 点任意助手消息旁的 🔊 —— 出声较快

无需安装 Python、无需模型、无需启动引擎。仅需联网。云端音色标注 🌐，为您提供免配置即听的入口。

二、本地专业模式（GSV）

1. 安装插件并重启 DSH（见「📦 安装」）

2. 打开 设置 → 声音设置 → TTS 模式选 本地专业（GSV）

3. 安装引擎：让 agent 调用 tts_setup_engine，或见「🔧 安装 GSV-TTS-Lite 引擎」

4. 选择引擎启动方式：默认节能模式（资源优先），不后台启动、首次出声较慢（需要先启动引擎，与旧版一致）；切到常驻模式（性能优先）会自动启动并预热，首次出声较快。

5. 添加音色：在"音色预设"添加，或从「🎪 音色市场」一键下载，或克隆

6. 点任意助手消息旁的 🔊，或让 agent 调用 tts_speak

本地模式全程离线运行，支持音色克隆，不依赖网络与云端配额。

📦 安装

两种方式任选其一，然后在设置中启用：

# 方式一：从 npm 安装
dsh plugin --profile web add dsh-gsv-tts

# 方式二：从 GitHub 安装
dsh plugin --profile web add "github:TaoruiLiu19/dsh-gsv"

关于 profile：以上以 web profile 为例；当前桌面应用常用 desktop profile，把命令里的 web 换成 desktop 即可。

安装后重启 DSH，工具自动注册到 agent，设置中出现"声音设置"项。

依赖 DSH 的 webServer 服务（Web / Desktop profile 自带）提供音频下载；settings 服务提供设置面板。环境缺少这些服务时仅保留工具能力。

从 4.x 升级：直接安装新版即可，配置自动沿用；首次启动会把 provider 落定写回一次（有音色的老配置保持 gsv，全新安装为 edge），之后设置保存通过 DSH 0.2 的 volatile 配置就地热更新，不再重载插件。

🔄 模式切换与迁移

项 · 说明

如何切换 · 设置 → 声音设置 → TTS 模式（快速体验 / 本地专业），切换即时生效

配置项 · provider: 'edge' \ · 'gsv'（初始化分派，建议经设置面板切换，勿手动改）

老用户升级 · 无 provider 字段的旧配置：有音色预设 → 保持 gsv 本地模式，声音不变

全新安装 · 无音色预设 → 默认 edge 云端简单模式，联网即用

写入时机 · 首次启动判定后写回一次（settings.update），之后不再改写

schemaVersion · 配置结构版本，迁移守卫的落点

Edge 模式需联网；若云端不可用，面板会提示"云端通道拥挤 / 暂不可用"，本地 GSV 模式始终可用作降级。

---

🏗️ 系统架构

📖 交互式架构图：[打开 dsh-gsv-tts.architecture.html](docs/architecture/dsh-gsv-tts.architecture.html)（支持缩放、聚焦、主题切换）

双 provider 架构：TTSService 按 config.provider 分发到云端（Edge）或本地（GSV），朗读主链路与工具调用两条路径对两种 provider 一致。

• 🔊 朗读主链路（经 webServer）：用户点击 🔊 → DSH Web 客户端 → webServer 的 /speak 路由 → TTSService 按 provider 请求 → 云端/本地引擎返回音频块 → AudioStore 落盘 → 同源短链接回传浏览器播放。
• 🤖 Agent 工具调用（宿主内直连）：Agent 调用 tts_speak 等工具时，由宿主进程内 tools 服务直接执行，不经 webServer HTTP 网关。

构成 · 说明

DSH 应用（DeepSeek Harness） · 插件宿主：Web 客户端、webServer、settings 服务

dsh-gsv-tts 插件 · TTSService（按 provider 分发）/ AudioStore（落盘）/ 引擎管理（启停·安装·健康检查）

Edge provider · edge-tts-universal，微软精选网络音色，返回 MP3 流（浏览器解码）

GSV-TTS-Lite 本地引擎 · 本机 Python 进程，FastAPI :9880，真流式 /tts/stream，返回 WAV

📸 截图

设置 → 声音设置：TTS 模式、引擎开关、音色配置、健康状态

消息操作区的 🔊 朗读按钮（悬停显示"朗读结果"）

本地引擎启动后的"运行中"状态

---

🌐 快速体验模式（Edge）详解

• 音色：20+ 种微软精选自然音色（中文晓晓 / 云希 / 云野等，英文 Aria 等），面板下拉即选，无需配置。
• 输出：MP3 音频流，由 edge-tts-universal 生成，经 AudioStore 落盘为 .mp3 并同源提供，浏览器直接解码（无转码开销）。
• 健康检测：内置连接超时、令牌自动刷新与错误恢复；面板显示云端可用状态。
• 限流与降级：微软可能对过量使用限流。若检测到云端不可用，面板会引导切到本地 GSV（无限量 + 可克隆）。
• 配额字段：quotaDaily（默认 null = 不限量）为预留引导字段，硬配额待后续版本。

🖥️ 本地专业模式（GSV）详解

• 能力：按参考音频克隆目标音色；完全离线运行，数据不出本机。
• 成本：需安装 Python 环境 + 下载模型；首次模型加载约 15~90 秒。
• 入口：见「🔧 安装 GSV-TTS-Lite 引擎」与「🎙️ 添加音色 / 音色市场」。

---

🔧 安装 GSV-TTS-Lite 引擎

方式一：自动安装（推荐）

让 agent 调用 tts_setup_engine，自动完成：检测 Python → 安装 gsv-tts-lite==0.4.7 → 克隆仓库 → 安装依赖 → 部署流式 API → 启动服务。

方式二：手动安装

1. 安装 Python 3.10+（推荐 3.12），确保 pip 可用

2. 安装核心包：pip install gsv-tts-lite==0.4.7

3. 克隆仓库：git clone https://github.com/chinokikiss/GSV-TTS-Lite.git

4. 安装 API 依赖：pip install -r <仓库>/API/requirements.txt

5. 把本插件 scripts/ 下的 dsh_stream_api.py 复制到 <仓库>/API/ 目录（真流式 API）

6. 下载模型（s1v3.ckpt、s2Gv2ProPlus.pth 等）放入 <仓库>/models/

7. 启动：python <仓库>/API/dsh_stream_api.py -p 9880 --models_dir <仓库>/models

8. 在 设置 → 声音设置 打开引擎开关验证

引擎示例音频位于 <仓库>/examples/（laffey.mp3、AnAn.ogg），可直接用作测试音色。

🎪 音色市场

从音色市场一键下载并注入音色，无需手动填写参考音频路径。

🌐 在线试听网站：[https://taoruiliu19.git

…(truncated)