Skip to content

Releases: lvsun080403/local-voice-oneclick

v0.1.0 · 首个可用版本

Choose a tag to compare

@lvsun080403 lvsun080403 released this 24 Oct 03:24

首个公开版本,可用的最小闭环已经跑通。

新增

  • 桥接插件 dsh-voice-bridge:DSH 输入框左侧一颗「语音」胶囊,点开是固定高度的玻璃浮层,分「转写 / 朗读」两页,各自带服务开关与闲置自动停服。
  • 宿主代理:/voice-bridge/api/{status,config,transcribe,speak} 四个端点,浏览器侧不用处理跨域。
  • Qwen3-ASR-1.7B 一键部署包:自带 Python 3.11 + PyTorch CUDA 12.8,四镜像回退下载,装完自动起服务,默认端口 8010。
  • Qwen3-TTS-12Hz-1.7B-Base 一键部署包:默认端口 8011,支持参考音频音色克隆与「只用声纹」模式。
  • 配置文件 %USERPROFILE%\.dsh\voice-bridge\config.json:端口、部署目录、开关持久状态、闲置分钟数,改完无需重启。

已知限制

  • 仅 Windows + NVIDIA(CUDA)验证过。
  • 非流式:整段处理完才出结果。
  • -Base 模型不含内置音色,必须先给参考音频。
  • 两个部署包各带一份 PyTorch,装完合计约占 19 GB 磁盘(仓库里只有约 94 KB 脚本)。

实测

项目 结果
ASR 首个部分结果 13.8 s 内
TTS 第一个音频块 7.8 s 内
转写 → 朗读 闭环 文本一致

装机量:脚本约 94 KB,装完每个包约 10 GB(嵌入式 Python 5.3 GB + 模型 4.4 GB + 下载缓存)。