dsh-pet-voice

dsh plugin --profile web add dsh-pet-voice

dsh-pet-voice · 鲸灵随身宠物

把 DeepSeek Harness 变成一只能用嘴使唤的宠物：手机扫码配对后，悬浮窗里住着一只像素鲸鱼娘；喊一声「鲸灵」，活就派给电脑上的 DSH，回复边生成边念出来，动作同步跟上。

• 形态：宿主侧 Cordis 插件，自己在 webServer 上挂 /pet-voice/（带 token 的页面 + JSON / SSE / 长轮询接口），不改官方页面、不动 profile 的 package.json。
• App 端：30 MB Android 自签名包（android/），悬浮窗 + 常听麦克风 + 语音唤醒；桌宠玩法与语音对话都在 App 里。
• 三种连法：局域网 / 自建域名 / 服务器中转，全部用你自己的地址，代码里没有硬编码域名或 IP。
• 零账号：会话、记忆、配置都在你这台电脑上；项目不运营服务器。

安装

# 1. 放进本地插件目录
rsync -a --delete plugins/dsh-pet-voice/ ~/.dsh/plugins/dsh-pet-voice/

# 2. 装进 desktop profile（也可以让 agent 调 plugin_manager）
#    plugin_manager action=install_bundle target=~/.dsh/plugins/dsh-pet-voice

首次安装要让桌面端重读 cordis.patch.yml（重启 App 一次）。之后改代码不用重启，把插件关一下再开即可：

plugin_manager action=set_plugin target=include:dsh-pet-voice enabled=false
plugin_manager action=set_plugin target=include:dsh-pet-voice enabled=true

target 必须写 include:dsh-pet-voice，只写包名会报 unknown-plugin。

装好后页面在 ctx.webServer.getOrigin() 下，本机是 http://127.0.0.1:58686/pet-voice/（端口按宿主实际值）。

可选件

插件本体零额外依赖。两样可选件不装也能用，只是少一块能力（venv 都落在 ~/.dsh/pet-voice/，不在仓库里）：

能力 · 从哪来 · 装法 · 不装

神经语音 · 微软 edge-tts，免 key · bash plugins/dsh-pet-voice/tts/setup.sh · 不出声，仍可打字对话；也可换本机或自己的接口

本机识别 · openai-whisper 常驻，只听回环 · bash plugins/dsh-pet-voice/asr/setup.sh（torch 首次几 GB） · 默认走手机自己的语音识别

两个脚本幂等，重复跑只检查不重装。

配对

面板 →「连上手机」→ 选连法 → 出二维码或链接：

https://<你的地址>/pet-voice/?k=<token>

?k= 只做一次：校验通过会下发 HttpOnly cookie 并跳到 /pet-voice/。token 在 ~/.dsh/pet-voice/token（0600）——分享链接等于把 DSH 交出去。怀疑泄露就 rm ~/.dsh/pet-voice/token，下个请求自动生成新 token，旧 cookie 立刻失效。

浏览器只允许 https 或 localhost 用麦克风，所以手机必须走 https：局域网档需要自签证书（App 内置示例 CA 公钥，无私钥），外网档用隧道或自建域名。细节见仓库根目录的 [README](../../README.md) 与 [docs/self-host.md](../../docs/self-host.md)。

页面能做什么

位置 · 动作

底部大圆键 · 按住说话，松手即发；按住时图标变波形

常听：开/关 · 持续听，只认「鲸灵 / 小鲸 / 嗨鲸灵 / hey whale / hello whale」

朗读：开/关 · 语音合成开关

输入框 · 打字派活，语音不可用时兜底

⚙ 面板 · 切项目 / 切人设 / 开新会话 / 打断 / 自检 / 复制配对链接

唤醒词命中会「叮」一声 + 轻震，停顿约 1.1 秒自动提交。状态行固定：我在～ / 在听，喊我鲸灵 / 在想… / 在说…。语义打断（说「停一下」）不保证，打断请点面板的「打断当前回答」。

接口

都在 /pet-voice/api/ 下，除静态资源外要求 cookie 或 ?k=。完整字段、帧格式、错误码见 [docs/pet-contract.md](../../docs/pet-contract.md)。

方法 · 路径 · 用途

GET · state · 项目、人设、最近会话、唤醒词；只回 token 前 8 位

POST · new · {workspaceId?, projectPath?, preset?, fresh?} → {sessionId, reused}

POST · dispatch · {text, sessionId?, attachments?} → 202 受理；不带 sessionId 一律派给专属会话

POST · upload?name= · 原图字节（jpeg/png/webp/gif，≤12 MB）→ 落盘路径，可填进 attachments

POST · say · {text, voice?, id?} 入播报队列，最多留 20 条

GET · pair · 页面引导卡用的可访问地址；不含 token

GET · stream · SSE：hello/start/delta/message/tool/final/end/error，15s 心跳

GET · poll · 长轮询兜底，语义同 SSE，按 cursor 续传

语音链路

• TTS 三档：edge-tts 子进程（免 key，可调音色/语速/音高）/ 本机（macOS say + ffmpeg，断网可用）/ 自己的接口（POST {text, voice, speed}，认音频字节、base64 或 url）。三档共用 /api/tts，手机端拿到的永远是 audio/mpeg。
• ASR 两档：手机系统语音（SpeechRecognizer，是否上传音频由系统/厂商决定）/ 本机 whisper（只听回环）。
• 回答第一句出来就开始读，不等全文；代码块读成「（代码块）」。

发版与自更新

# 1. 出包（同一个 keystore 才能覆盖安装且保住配对信息）
cd android && ./gradlew :app:assembleRelease
# 2. 算 sha256、原子写本地 latest.json、推 GitHub Release（草稿 → 正式）
# 3. 想让老用户看到时，再换掉 latest 入口

已知限制

• Android 14/15 未做实机验证：后台恢复、麦克风前台服务在收紧后的行为待确认。
• 各家 ROM 的权限跳转可能不同；硬件麦克风只在 AOSP 页面验证过。
• iOS 不支持：悬浮窗与常听麦克风是 Android 特性。

卸载

plugin_manager action=set_plugin target=include:dsh-pet-voice enabled=false

删 ~/.dsh/plugins/dsh-pet-voice/ 与 ~/.dsh/pet-voice/ 即可，仓库外无残留。

许可

MIT。像素素材由本项目生成，同样 MIT。