v0.9.20 — 原生悬浮字幕

0.9.20 — 原生悬浮字幕

从 dsh-go 官方仓库找到 dsh-go-example-readaloud 和 docs/plugins/voice.md：
原生朗读除了 audio / voice，还有 micro（推送字幕数据）和 overlay
（App 画的一行悬浮字幕）。这正好补上“像电脑打语音”缺的一块。

新增

• 清单增加：
  • capabilities: ["micro", "overlay"]（与 audio/voice 一起）；
  • micro: [{ id: "caption" }]；
  • overlays: [{ id: "subtitle", channel: "caption", text: "正在准备朗读…" }]。
• 朗读 / 试听 / 念最新时返回：
  • audio.play
  • voice.start
  • overlay.show（对话顶栏下浮出一行字幕）
• 通过 ctx.dshGo.micro('caption') 按约 10 Hz 推 { text, progress }：
  • 字幕按句切分，长句再按标点/60 字切，单条 ≤240 字；
  • 进度按实际合成 WAV 的时长推进，不是瞎估；
  • 合成完成前显示静态「正在准备朗读…」。
• 播完、被停止、用户开口、用户点 × 关字幕时自动停止推送；字幕关闭不会停掉声音。
• 新增测试：字幕通道注册、overlay 效果、朗读时实际推送字幕；
  test/dshgo-smoke.mjs 25/0。

验证

• 官方 manifest schema：通过
• 官方 view schema：通过（1299 B）
• 官方 effects：open / read / test / stop / setProvider / setEmotion / readLatest 全部 0 violation
• npm run test:ci：全绿
• tarball 无真实 Breeze key

安装

dsh plugin --profile <profile> add ./dsh-plugin-voice-local-0.9.20.tgz

重启 DSH 后手机端重新安装；朗读时看对话顶栏下是否出现字幕。

v0.9.19 — 原生单选组 + 插件详情页入口

0.9.19 — 原生单选组 + 插件详情页入口

继续看了 dsh-go 官方示例（usage / toolbox / album / styles / workbench）的 view 写法，
发现原生视图本身就有单选组 options：selected 由数据绑定，选项带说明，点按返回
value。这比上一版的列表更紧凑，也不用自己画勾。

面板

• 朗读通道改成 options：
  • 本地模型 — 离线运行，不联网
  • Breeze 云端 — 显示「已配置，可切换」或「未配置，先去设置」
  • 选中态由 data.provider 绑定，系统自己画选中圆点。
• 自动情感（仅云端显示）改成 options：
  • 关 / 规则（按关键词，零额外请求）/ 智能（主模型逐句判断）
  • 选中态由 data.emotion 绑定。
• 主操作仍是 念最新 / 试听 / 停止。
• 面板从 1738 B 降到 1299 B，一屏更清爽。

入口

• 面板 placement 增加 plugin：较新的 App 会在插件详情页也显示「语音通话」入口；
  老 App 不认识该值会忽略。
• 输入框胶囊、状态条、聊天页「插件」、sheet 弹层行为不变。

验证

• 官方 manifest schema：通过
• 官方 view schema：通过（1299 B，主操作 3 个 + 两组单选）
• 官方 effects：open / test / stop / setProvider / setEmotion / readLatest 全部 0 violation
• test/dshgo-smoke.mjs：23/0
• npm run test:ci：全绿
• tarball 无真实 Breeze key

安装

dsh plugin --profile <profile> add ./dsh-plugin-voice-local-0.9.19.tgz

v0.9.18 — 通道/情感带勾选列表

0.9.18 — 通道/情感改成带勾选的列表

上一版把通道和情感做成并排按钮，虽然不再循环，但当前选中项只能靠上面一行文字判断，
点起来仍像一排设置按钮。这一版继续参考社区朗读插件，把它们改成带勾选的列表。

面板

• 主操作仍是：念最新 / 试听 / 停止。
• 朗读通道：
  • 本地模型 — 离线运行，不联网
  • Breeze 云端 — 显示「已配置，可切换」或「未配置，先去设置」
  • 当前项显示 「✓ 正在用」，并用 good 色标出。
• 自动情感（仅云端显示）：
  • 关 — 不加情感
  • 规则 — 按关键词，零额外请求
  • 智能 — 主模型逐句判断
  • 当前项同样有「✓ 正在用」。
• 顶部状态：「语音已就绪 · 本地 / 云端」；副标题统一为
  「点输入框麦克风说话，回复会读出来。」
• 列表项本身可点，点完立即刷新，不再有循环按钮。

数据/兼容

• 原生状态增加 breezeReady，Breeze 列表项可以准确提示是否已配置。
• 面板仍只用 v1 组件，老 App 能画；新 App 以 sheet 弹层显示。
• 官方 view schema 通过（1738 B）；官方 effects 校验 open / test / stop / setProvider / setEmotion / readLatest 全部 0 violation。

验证

• test/dshgo-smoke.mjs：23/0
• npm run test:ci：全绿
• tarball 无真实 Breeze key

安装

dsh plugin --profile <profile> add ./dsh-plugin-voice-local-0.9.18.tgz

v0.9.17 — 原生面板重做：念最新 / 明确通道 / 按需状态条

0.9.17 — 重新整理 dsh-go 原生面板

为什么改

上一版面板把「通道 / 状态 / 语音输入 / 自动情感」堆成 5 行 keyValue，
底部再放「试听音色 / 停止朗读 / 情感 / 通道」4 个按钮；情感和通道要循环点按，
当前值不直观，空闲时输入框上方还长期占着「通话 · 就绪」一行。

这次参考 dsh-go 社区朗读插件（鲸鲸朗读）的原生面板写法，重新分层：

新的原生面板

• 顶部只留一句状态：「语音已就绪 · 本地 / 云端」，未就绪显示「语音未就绪」。
• 主操作：念最新 / 试听 / 停止。
  • 「念最新」直接读本会话最后一条完整回复，不用再长按消息；
  • 「试听」读一句示例；
  • 「停止」只在实际播放时发 stop，避免无效效果。
• 朗读：本地 / 云端两个明确按钮；当前值显示在选项上方。
• 自动情感：关 / 规则 / 智能三个明确按钮；本地 TTS 时自动隐藏，切到云端才出现。
• 底部只保留「音色 / 最近回复」两行，以及一句输入说明，不再堆技术状态。

状态条

• 空闲时自动收起，不再长期占用输入框上方；
• 只在「正在合成…」「正在朗读…」「语音未就绪」时出现；
• 每秒刷新；入口仍保留在输入框胶囊「语音」和面板入口里。

其他

• 记住最近一条完整助手回复：监听 session/event 的 assistant/message + turn/end，
  结构不兼容时静默降级。
• 所有按钮成功只返回 { type: 'refresh', id: 'voice-panel' }，不弹 toast。
• 官方 manifest schema 通过；官方 view schema 通过（1189 B，3 个操作区）；
  官方 effects 校验：open / test / stop / setProvider / setEmotion / readLatest
  全部 0 violation。
• test/dshgo-smoke.mjs：23/0；npm run test:ci 全绿。
• tarball 无真实 Breeze key。

安装

dsh plugin --profile <profile> add ./dsh-plugin-voice-local-0.9.17.tgz

v0.9.16 — dsh-go 原生弹层

0.9.16 — dsh-go 原生弹层（sheet）

改动

• 原生「语音通话」面板加了 presentation: "sheet"：
  • 点输入框上方「通话」状态条、胶囊「语音」、聊天页「插件」入口时，
    面板以弹层盖在当前对话上；
  • 关闭/下滑收起后回到聊天和状态条，不再整页跳转。
• 面板仍保持 5 行状态和 4 个按钮（试听 / 停止 / 情感 / 通道）。
• 老 App 不认 presentation 时自动按整页打开，不会坏。
• test/dshgo-smoke.mjs 增加 sheet 断言。

边界

dsh-go 原生插件协议没有可拖拽到屏幕任意位置的原生悬浮小窗。这次是原生里最接近
「展开 / 收起小窗」的形态：固定状态条 + 可收起的原生 sheet。真要像系统悬浮球一样
任意拖动，只能：

1. 用 shell.overlay 网页岛（WebView，不是原生，且麦克风仍由 App 负责）；
2. 修改 dsh-go App，增加原生悬浮窗。

验证

• 官方 manifest schema：通过（presentation 合法）
• 官方 view schema：通过（视图未改，849 B、5 keyValue、4 按钮）
• test/dshgo-smoke.mjs：25/0
• npm run test:ci：全绿
• tarball 无真实 Breeze key

安装

dsh plugin --profile <profile> add ./dsh-plugin-voice-local-0.9.16.tgz

v0.9.15 — 原生语音通话面板 + 诊断修复

0.9.15 — dsh-go 原生「语音通话」面板 + 诊断修复

界面

• 原生面板改成通话卡片：顶部动态「语音通话已就绪 / 未就绪」，
  中间「朗读通道 / 音色 / 语音输入 / 自动情感 / 状态」，底部 4 个按钮：
  试听音色 / 停止朗读 / 情感 / 通道。
• 状态条改为「通话 · 就绪 / Breeze / 自动情感 / 智能情感 / 未就绪」。
• 插件标题、面板标题统一为「语音通话」。
• 「语音输入」明确显示 dsh-go 官方语音输入（App 自带麦克风/SenseVoice），
  不再误显示插件的 asrProvider。
• 「通道」按钮：BreezeBlue 已配置时在云端 / 本地 TTS 之间切换，并写回
  tts-api.json；未配置时保持本地 TTS。

修复 dsh-go 诊断里的 3 项

• refresh / emotion / open / toast 全部返回显式 {type:...}，不再依赖简写。
• 情感切换成功只刷新面板，不弹 toast，避免「提示太频繁」。
• 「停止朗读」先检查是否有活跃 audio/voice 会话；没有时只刷新，
  不再发 audio.stop + voice.stop，避免两条「动作格式不对 / 没有协商实例」。
• 状态显示更准确：声纹开启但未录入时显示「开（未录入）」。

验证

• dsh-go 官方 manifest schema：通过。
• 官方 view schema：通过（849 B、5 个 keyValue、4 个按钮）。
• 官方 effects 校验：open、refresh、audio.play/stop、voice.start/stop
  全部 0 violation。
• test/dshgo-smoke.mjs：25/0。
• npm run test:ci：全绿。
• Tarball 扫描无真实 Breeze key。

安装

dsh plugin --profile <profile> add ./dsh-plugin-voice-local-0.9.15.tgz

桌面端 host 侧代码需重启 DSH；网页端刷新。手机端重新安装 0.9.15 后，
原生「语音通话」面板会刷新；之前诊断里的 3 项应消失。

真机说明

以上为宿主侧/协议层验证；dsh-go 真机上的面板布局、原生音频会话和诊断清零
仍需安装后确认。语音输入走 App 官方麦克风/SenseVoice，不需要网页。

v0.9.14 — dsh-go 原生面板情感切换

0.9.14 — dsh-go 原生面板继续优化

在 0.9.13 的固定胶囊/状态条/原生面板上继续补齐：

• 原生面板「情感」按钮：按「关 → 关键词规则 → 智能（LLM）→ 关」循环，
  立即写回 tts-api.json，不用打开网页就能切换情感模式。
• 状态条更准：区分「语音 · 自动情感」和「语音 · 智能情感」；
  本地 TTS 下情感显示「不适用（本地 TTS）」，不会误以为规则/LLM 生效。
• 音色显示：Breeze · voc_…，比裸 id 更清楚。
• 面板提示：加一行「点输入框的麦克风说话；长按助手回复可朗读整条消息」。
• 面板仍在上限内：试听 / 停止 / 情感 / 刷新 共 4 个按钮；910 B。

检查

• dsh-go 官方 manifest schema：通过。
• dsh-go 官方 view schema：通过（910 B、6 keyValue、4 按钮）。
• 官方 effects 校验：toast + refresh、audio.play + voice.start、
  audio.stop + voice.stop、refresh 全部 0 violation。
• test/dshgo-smoke.mjs：21/0（含三段情感循环、情感动作、面板绑定、未就绪提示）。
• npm run test:ci：全绿。

安装

dsh plugin --profile <profile> add ./dsh-plugin-voice-local-0.9.14.tgz

桌面端 host 侧代码需重启 DSH；网页端刷新。手机端装 0.9.14 后，
在原生「语音」面板里直接点「情感」即可循环，不需要网页。

真机说明

以上为宿主侧/协议层验证；dsh-go 真机上的胶囊、状态条、面板布局和原生音频会话仍需
安装后确认。语音输入走 App 自带麦克风，不需要网页。

v0.9.13 — dsh-go 原生语音入口

0.9.13 — dsh-go 原生固定语音入口（A 方案）

不依赖网页，在 dsh-go 原生界面直接使用：

• 输入框胶囊「语音」：点按打开原生「语音」面板。
• 输入框上方状态条：显示「语音 · 就绪 / Breeze / 智能情感 / 未就绪」，点按同样打开面板。
• 原生「语音」面板：朗读通道、音色、自动情感、ASR、声纹、状态；
  「试听音色 / 停止朗读 / 刷新」。
• 语音输入仍用 dsh-go 自带麦克风；插件不申请原生录音权限。
• 长按助手回复「朗读」继续保留；试听与朗读共用同一套 audio/voice 会话。
• 面板视图只用 v1 组件，754 B，6 个 keyValue、3 个按钮。

检查

• dsh-go 官方 manifest schema：通过。
• dsh-go 官方 view schema：通过（754 B）。
• 官方 effects 校验：open / audio.play / voice.start / audio.stop / voice.stop / refresh 全部通过，0 violation。
• test/dshgo-smoke.mjs：19/0（含未就绪提示）。
• npm run test:ci：全绿（client 42/0、models 34/0、emotion 17/0、downloader 15/0、dsh-go 19/0 等）。

安装

dsh plugin --profile <profile> add ./dsh-plugin-voice-local-0.9.13.tgz

桌面端 host 侧代码需要重启 DSH 后生效；网页端刷新页面即可。

真机说明

以上为宿主侧/协议层验证；dsh-go 真机上的胶囊、状态条、面板布局和原生音频会话仍需
在手机上安装后确认。语音输入走 App 自带麦克风，不需要网页。

v0.9.12

0.9.12 — 智能情感（可选）+ dsh-go 原生朗读适配

BreezeBlue 智能情感（默认关）

• 在本地关键词规则之上，新增可选的 LLM 按句判断：DSH 主模型输出
  emotion / intensity / instruction，映射到 Breeze 的 instructions + guidance_scale。
• 当前句播放时预取下一句的表演说明；2.2 秒超时、按句缓存，失败/坏 JSON 自动回退规则。
• 面板新增「情感模式 → 智能判断 · 智能情感（LLM）开/关」，默认关，不改变现有行为。
• 插件内部的这次小请求不会触发 llm/stream 自动朗读，避免“自己读自己”。

dsh-go 原生界面专门适配

• dsh-go 原生「朗读」没有网页端 voice=1 SSE：llm/stream tap 现在无论有没有语音客户端
  都记录主模型路由，智能情感在原生朗读里也能沿用同一个主模型。
• media 一次产出整段 WAV，因此按整条消息只算一次表演说明，再让所有分段共用；
  8 段不再等 8 次 LLM，更适合 dsh-go 的 30 秒 media 预算。
• 网页端仍保持逐句预取；本地/桌面行为不受影响。

测试

• test/smart-emotion-smoke.mjs：假 LLM + 假 Breeze 流的端到端链路（7/0）。
• test/emotion-smoke.mjs：17/0；test/dshgo-smoke.mjs：10/0；
  test/tts-api-smoke.mjs、test/breeze-smoke.mjs 全绿。
• npm run test:ci 全绿。

安装

dsh plugin --profile <profile> add ./dsh-plugin-voice-local-0.9.12.tgz

API Key 只存本机 $DSH_HOME/voice-local/tts-api.json，不随包发布。npm 发布仍待账号限制解除，
当前使用 GitHub Release tarball。

v0.9.11 — BreezeBlue 自动情感

v0.9.11 — BreezeBlue 自动情感

新增

• 按文字自动切换情感：新增 lib/tts/emotion.js，对每一句 TTS 文本做本地判断：
  开心 / 难过 / 生气 / 惊讶 / 紧张 / 温柔 / 俏皮 / 认真 / 自然。
  • 依据情绪词、语气词、感叹号、省略号、连续问号等信号。
  • 自动映射到 Breeze 的 instructions + guidance_scale + speed，每句可不同。
  • 无明显信号时用「自然」，避免整段过度表演。
  • 纯本地规则，不额外调用 LLM，不增加首字延迟。
• 开关与持久化：语音 API 面板新增「情感模式 · 自动情感 开/关」；breezeAutoEmotion
  写入 tts-api.json，状态接口返回。
• 自动情感开启时忽略手动「表演说明 / 情感强度 / 语速」，音量仍按滑杆；关闭后恢复手动参数。
• 新增 test/emotion-smoke.mjs（12/0）；breeze-smoke 覆盖单次请求情感（15/0）；
  tts-api-smoke 覆盖 autoEmotion 持久化。

实测

• 太好了，我终于成功了！ → 开心，2.12s
• 对不起，我要走了…… → 难过，3.29s
• 试听文件在桌面，未入仓；API Key 仅本机保存，仓库/Release 不含密钥。

安装

dsh plugin --profile <profile> add ./dsh-plugin-voice-local-0.9.11.tgz

npm 发布仍待账号限制解除；当前使用 GitHub Release 附件。