Repository navigation
0.4.0 — 让 dsh 开口说话
0.4.0 — 让 dsh 开口说话
每轮 DeepSeek 输出结束后,先把内容改写成口语稿,再朗读出来。开着自动播报就是"每轮自己念";关掉也不影响用每条消息上的「朗读」按钮。
从 Python 版升级的先看这一条:本地引擎已经从"独立的 Python 服务"改成 dsh 进程内合成,模型要重下一份(Kokoro v1.1,中英混读)。旧的 local/ 目录可以整个删掉——不需要 Python、不需要起服务、不需要管端口。逐条步骤见 CHANGELOG.md 的「升级指引(Python 版 → 0.4.0)」。
这一版能做什么
- 三种播报引擎:系统语音(默认,免费、离线兜底)/豆包语音合成 2.0(情感演绎、多音色,8 种方言限 4 个音色)/本地 Kokoro(免费、离线、内容不出本机、中英混读)。
- 本地模型一键装:设置页点下载,固定版本 + 逐个文件 SHA-256 校验、断点续传、可取消可删除,装完即用、不用重启。
- 转写提示词按引擎各一份,篇幅三档:详细不超过原文 0.9 倍 / 简单约一半 / 极简约三成。
- 提示音:工作音五选一(雨滴、滴答、仪表盘、木鱼、轻叩)、完成音、提问音,也可以上传自己的音频;与朗读互不干扰。
- 设置页五层渐进展开(豆包/系统 TTS 四层,本地多一层「高级」),改动即时保存。
- 省钱:同一消息重复朗读命中转写缓存,零新增模型调用;豆包 1 小时内重播命中服务端缓存,不重复计费。
安装
克隆仓库后按 README.md 的步骤装进 desktop profile:
git clone https://github.com/junarch/voice_for_dsh.git
cd voice_for_dsh
cd packages/dsh-plugin-voice; npm install; cd ../..
& "$env:LOCALAPPDATA\Programs\DeepSeek Harness\resources\runtime\cli\bin\dsh.cmd" plugin --profile desktop add link:packages/dsh-plugin-voice重启桌面端,在设置页找到「语音播报」。
已知限制
- macOS / Linux 未实测(CI 只跑零成本测试)。
- 本地合成跑在 Host 进程里,原生模块崩溃会带走整个 Host。
- 多窗口共用一份待播队列。
完整改动列表见 CHANGELOG.md。