DSH｜dsh-realtime-voice｜让语音厂商负责听说，Harness 负责推理与插件调度

[zfu691531-hash]

DSH｜dsh-realtime-voice｜让语音厂商负责听说，Harness 负责推理与插件调度

非官方项目，由社区成员独立开发和维护。

项目地址：
https://github.com/zfu691531-hash/dsh-realtime-voice

项目介绍

dsh-realtime-voice 是一个轻量的 DeepSeek Harness 实时语音插件，不带 Docker、Python 或本地模型。

国内线路使用 Qwen ASR → DeepSeek Harness → Qwen TTS。千问只负责流式识别和播音；空闲时完整语句经原生输入框自动交给 Harness，运行或播报期间的新语音则留在输入框等待发送或清空。推理、上下文、联网、工具和其他插件调度始终由当前 Harness 会话完成。

插件通过标准 dsh.bundle manifest 安装：Host 侧代理上游语音 WebSocket 并从 Harness 凭据服务读取 API Key，浏览器侧只处理麦克风、VAD、原生输入框和流式播放。Key 不进入浏览器、本地存储、包文件或日志。

安装

仓库按 DSH bundle 规范提交预构建产物，固定标签后一条命令安装，不需要允许 git 依赖执行构建脚本：

dsh plugin --profile web add github:zfu691531-hash/dsh-realtime-voice#v0.8.0

重启 Harness 后，在“设置 → 插件”配置“实时语音（千问 / GPT）”。千问需要在 Harness 凭据中提供 DASHSCOPE_API_KEY，并填写同区域的百炼 Workspace ID。

截图

验证与边界

• 45 项 Host、协议、委派、并发、TTS 和摘要边界测试通过。
• v0.8.0 恢复空闲首轮自动提交，同时保留忙时草稿合并；严格摘要解析会拦截分片标记、推理过程和详细正文，格式异常时不播报。
• 已验证千问 ASR/TTS 的真实 WebSocket 握手。
• 当前 Harness Desktop 的 Electron 壳拒绝 renderer 麦克风权限，因此插件会在默认外部浏览器打开同一 loopback Harness 页面；会话和 Agent 仍是同一个 Harness 实例。
• 项目为 MIT 许可，与 DeepSeek AI、阿里云或 OpenAI 无隶属关系。

下一阶段正在设计自适应“对话接场器”：简单问题直接播结果；深任务超过实际等待阈值后，先播放一句不虚构结果的自然承接，再在 Harness 结果到达时于安全语音边界接上。该功能仍是路线图，不属于 0.8.0 的已发布能力。

[Electricitysheep]

实时语音——语音厂商负责听说、Harness 负责推理调度，这个分工很清晰（语音是 IO 层，推理编排留给 harness）。

已收录进手册生态章节（语音新方向）：https://github.com/Electricitysheep/dsh-handbook/blob/main/docs/07-ecosystem.md

[zfu691531-hash]

v0.9.0 已发布：自然接场 + Harness 轨迹防错播

发布地址：https://github.com/zfu691531-hash/dsh-realtime-voice/releases/tag/v0.9.0

这版继续保持 ASR / TTS 只负责听说、DeepSeek Harness 负责唯一推理与插件调度，同时解决两个真实体验问题：

• 去掉会显示在对话里的 voice-summary / HTML 机器标记，改为“第一自然段就是可播结论，空行后详细结果”。
• 慢任务超过默认 800ms 才播放一句本地自然承接；快回答直接播结果，不创建第二个 Agent，也不写 Harness 历史。
• 直接追踪 Harness 轨迹：reasoning-delta 永不播；llm/retry、tool-call-delta、block-start(tool-call) 与 tool/call 会作废旧文本和旧音频，避免推理或工具前言被读出来。
• Qwen TTS 增加 generation/epoch 取消与连接超时，降低重试、抢占和重连时播放旧句的风险。
• 补齐 SECURITY、架构包、示例配置、卸载与 doctor 文档；仍是独立、开箱即用的原生 DSH Host+Client bundle，不是 MCP。

验证：54/54 测试、tsc、生产构建、client bundle purity 全绿；与 Harness 创造者模式完成两轮契约/竞态复核；已在真实 web profile 安装并重启验证 0.9.0 Host 状态。

[zfu691531-hash]

v0.10.0 已发布：动态接场 + 可选声纹抗干扰

本版本重点解决两类真实语音交互问题：

• 接场话不再固定：根据本轮主题、用户意图、Harness 当前工具/重试阶段和已说过的内容动态组织；最多三次、结果一到立即取消，不写入对话历史，也不朗读推理或工具载荷。
• 可选腾讯云声纹软门控：仅用于降低旁人/外部音频误触。首个可执行语句用于显式注册且不会送入 Harness；校验失败或服务不可用时，文本只进入原生输入框，交给用户确认。声纹不是身份认证或高风险授权。
• 声纹网络请求与 ASR 生命周期解耦，不阻塞后续 ASR 事件；PCM 仅在内存中、最长 30 秒，不落盘、不写日志。

发布与安装：

• Release: https://github.com/zfu691531-hash/dsh-realtime-voice/releases/tag/v0.10.0
• PR: Add optional voiceprint soft gate zfu691531-hash/dsh-realtime-voice#7
• 安装：dsh plugin --profile web add https://github.com/zfu691531-hash/dsh-realtime-voice/releases/download/v0.10.0/dsh-realtime-voice-0.10.0.tgz
• SHA-256: cf52a165d7fecf4eb9d5f1aa74985c499fa3c5e9aef22848c56389619a0c7d58

验收：72/72 tests、typecheck、build、client bundle purity；DSH 创造者模式独立复审 PASS。

[zfu691531-hash]

v0.11.0：接场话不再是固定句式

本版把 v0.10 的“模板 + 主题槽位”替换为真正的模型生成式接场：

• 用户提交时，接场生成与 Harness 在 t=0 并行；800ms 只是是否开口的门槛。
• 健康路径使用当前语音供应商的轻量文本模型临时生成一句自然承接，不再从固定候选池抽句子。
• Harness 仍是唯一负责结论、推理与工具的通道；接场不写历史，看不到 reasoning/tool payload。
• Host 只发送最长 18 字的脱敏主题、阶段枚举和此前验证接场句；结果一到立即 Abort 并丢弃迟到句。
• 千问走 Workspace OpenAI-compatible Chat，OpenAI 走 Responses；失败时仅用最短中性兜底。

Release: https://github.com/zfu691531-hash/dsh-realtime-voice/releases/tag/v0.11.0
PR: zfu691531-hash/dsh-realtime-voice#8
SHA-256: 53763b0de9648fd00de0d906527685055f954dcd67245f896da331cdf6727477

验收：82/82 tests、typecheck、build、client bundle purity；DSH 创造者模式 task session-aa40568a-2449-4d70-b777-24a850304615 最终 PASS。

[leenkcool]

我是插件库，我感觉你的想法很好，我想收录，可以提ISSUE。 具体提的方法如下。
#4456

我也帮你置顶帖子，省得被埋没。 被收录的插件审核前送STAR