Repository navigation
Releases
v0.3.1 — 开箱可用(HEIC + 语音降级)
开箱可用版
这次不是改文档,是把「别人装了能不能用」跑通了:
- iPhone 照片直接可用:HEIC/HEIF 自动转 JPEG 再进上下文(以前 sharp 直接拒绝,等于发图无效)
- 附件读取不再吞消息:30s 超时 +
stream()兜底重试,彻底失败回一句占位提示,而不是让你以为没人理 - 语音不再指向别人的机器:删掉硬编码的内网地址,未配置
DSH_VOICE_URL时[语音: …]自动降级成文字,入站语音也会明确告知「本机没配识别」 - README 重写:安装前依赖表(ImageMagick / ffmpeg / Photon)、配置项、6 条 FAQ、与上游的差异对比
安装
dsh plugin --profile web add https://github.com/zhou200310/dsh-imessage/releases/latest/download/dsh-imessage-latest.tgz装完冷启动 dsh,到 设置 → iMessage 授权一次即可。
前置
DSH 0.2.2-rc.1、Node ^22.19 || >=24、Photon 账号;建议 apt install imagemagick ffmpeg。
v0.3.0 — 换成会表演的 TTS
edge-tts 只能拧语速音高,怎么调都平。换成 Breeze TTS 2:给的是表演指令,台词里还能插【轻笑】【叹气】这类标签。
[语音: 【轻笑】哼,那当然 | 情境:被夸,嘴上不服气,语气重点在尾句]
第二个字段是旋钮(+8%)就走 edge-tts,是表演指令就走 Breeze——按形状判断,不用改语法。
算力机侧新增 /tts?engine=breeze,密钥从 ~/voice.env 读。
安装:
dsh plugin --profile web add https://github.com/zhou200310/dsh-imessage/releases/download/v0.3.0/dsh-imessage-0.3.0.tgzv0.2.10 — 参数不再被念出来
句子里的竖线会被当成参数分隔符念出来。现在只有长得像 +10% / +3Hz 的才算旋钮,其余原样留在句子里。
安装:
dsh plugin --profile web add https://github.com/zhou200310/dsh-imessage/releases/download/v0.2.10/dsh-imessage-0.2.10.tgzv0.2.9 — 语音带上语气
平着念谁听着都像机器。标记现在可以带语速和音高:
[语音: 哼,那当然 | +8% | +3Hz]
参数转发给 edge-tts 的 rate/pitch;默认发音人换成 Xiaoxiao,同一段话的起伏比 Xiaoyi 明显得多。
安装:
dsh plugin --profile web add https://github.com/zhou200310/dsh-imessage/releases/download/v0.2.9/dsh-imessage-0.2.9.tgzv0.2.8 — 语音条修好
之前 mp3 直发,手机上只剩一秒钟的空条。iMessage 的语音消息是 MP4 容器里的 AAC,而且气泡要预先知道时长。
synthesize()拿到 mp3 后 ffmpeg 转 AAC/m4asendVoice()用 ffprobe 读出真实时长,连同audio/mp4一起交给 voice 构建器
安装:
dsh plugin --profile web add https://github.com/zhou200310/dsh-imessage/releases/download/v0.2.8/dsh-imessage-0.2.8.tgzv0.2.7 — 语音只跑算力机
本机的 Python venv 删了。语音合成和识别全部走局域网算力机,失败就报错,不再悄悄回落。
synthesize()/transcribe()直连算力机,失败抛错并留日志hostAlive()暴露探活,调用方可以提前跳过- 算力机侧:whisper.cpp base(3.3 秒音频约 5.5 秒出结果)+ edge-tts,识别后繁转简
安装:
dsh plugin --profile web add https://github.com/zhou200310/dsh-imessage/releases/download/v0.2.7/dsh-imessage-0.2.7.tgzv0.2.6 — 语音跑在算力机上
语音合成和识别改走局域网算力机(Termux + whisper.cpp base + edge-tts),本机 venv 保留作回落。
synthesize()→ POST/tts,拿回 mp3transcribe()→ 本机 ffmpeg 转 16k 单声道 wav → POST/stt- 两边都先探
/health,算力机睡着就回落本地,不会把回复卡死 DSH_VOICE_URL覆盖默认http://192.168.10.111:8090
算力机侧:whisper.cpp 本地编译 + ggml-base.bin,识别后繁转简。
安装:
dsh plugin --profile web add https://github.com/zhou200310/dsh-imessage/releases/download/v0.2.6/dsh-imessage-0.2.6.tgzv0.2.5 — 语音双向
语音两个方向都通了。
发:回答里写 [语音: 文本],插件用 edge-tts 合成 mp3 发出去。
收:iPhone 发来的语音消息用 faster-whisper 转写成文字,直接进上下文——不再是只看到个文件句柄。
工具链在共享 tools/tts-venv,Node 侧零新依赖。合成要能连微软服务器,识别纯本地(一次约 5 秒)。
安装:
dsh plugin --profile web add https://github.com/zhou200310/dsh-imessage/releases/download/v0.2.5/dsh-imessage-0.2.5.tgzv0.2.4 — 表情包走 iMessage
[表情: 描述] 标记现在会在 iMessage 端解析成真图发出去,不再是字面文字。
- 按 caption 精确匹配,再回落子串匹配,读各图库的
index.db - 文本先发,表情图按出现顺序跟在后面
- 找不到图只记日志,不影响这条回答
安装:
dsh plugin --profile web add https://github.com/zhou200310/dsh-imessage/releases/download/v0.2.4/dsh-imessage-0.2.4.tgzv0.2.3 — 出站图片/文件
Agent 回答里带的图片和文件,现在会以原生 iMessage 附件发回你的手机,不再只发文字。
- 图片:
readImage()读回字节 → Spectrumattachment(buffer) - 文件:宿主路径直读,非宿主后端回落
readFileStream() - 文本先发,附件按产生顺序跟在后面;单个失败只记日志
安装:
dsh plugin --profile web add https://github.com/zhou200310/dsh-imessage/releases/download/v0.2.3/dsh-imessage-0.2.3.tgz