DSH Qwen Voice：把 Qwen Audio Agent 接入 DeepSeek Harness 的多会话语音插件

[leaveimagination]

大家好，我们基于 Qwen Audio Agent 做了一个 DeepSeek Harness Web 的实验性语音控制插件：DSH Qwen Voice。

首先特别感谢 Qwen Audio Agent 的维护者和所有贡献者。这个插件并不是从零实现语音能力，而是直接使用 Qwen Audio Agent 作为实时语音引擎，并在它提供的语音前端、Gateway、音频传输、模型接入和 Agent 协调能力之上，增加了 DeepSeek Harness 的插件界面、ACP 桥接和多会话任务路由。没有 Qwen Audio Agent 的开源基础，就不会有这个项目。

目前实现的能力

• 在 DeepSeek Harness 页面中显示全局悬浮语音球；
• 切换 DSH 会话时保持 Realtime 连接；
• 在一个浏览器标签页内，通过语音创建和调度多个 DSH 会话；
• 显示任务名称、目标会话和执行状态；
• 支持中断任务与语音播放；
• 单个任务完成后及时播报结果；
• 通过播放状态回执减少重复播报；
• 根据语音任务目标生成更容易识别的 DSH 侧边栏名称。

当前兼容版本

• Qwen Audio Agent 1.10.0
• DeepSeek Harness Web 0.1.0-rc.6

项目仓库：
https://github.com/leaveimagination/dsh-qwen-voice

DeepSeek Harness 社区讨论：
deepseek-ai/deepseek-harness#1038

仓库包含 DSH 插件、仅允许访问本机回环地址的 ACP 桥接、Windows 启动示例、测试和中英文文档，不包含任何 API Key。

关于临时兼容补丁

为了让同一标签页中的多个语音任务拥有独立协调通道和 ACP 会话，以及允许 DSH 与本地 Gateway 使用不同回环端口，目前仓库提供了一个严格锁定 1.10.0、带源码匹配检查且可重复运行的临时补丁脚本。它遇到未知版本会拒绝修改。

这部分是过渡方案。非常希望听取 Qwen Audio Agent 团队的建议：后续是否可以通过正式配置或扩展接口实现这些能力，从而移除对上游安装文件的临时修改。如果这些需求对其他前端集成也有价值，我们也愿意把通用部分整理成上游贡献。

再次感谢 Qwen Audio Agent 团队和社区提供这么完整的实时语音 Agent 基础设施，也欢迎大家试用并提出意见。