dsh-gsv-tts

DSH（DeepSeek Harness）插件，接入 GSV-TTS-Lite 本地 TTS 服务：音色克隆、流式合成、自动朗读、一键朗读、引擎一键启停。

English README: README_EN.md

功能

• 声音设置面板：设置 → 声音设置，可视化配置引擎、音色、自动朗读等，保存即热生效（无需重启）
• 引擎开关：一键启动/停止本地 GSV-TTS-Lite 引擎，默认关闭
• 朗读按钮：每条助手消息的复制/点赞旁有 🔊 按钮，朗读该条结果（自动排除思考内容）；引擎未启动时给出明确原因
• 自动朗读：开启后自动对助手回复合成语音
• 语音合成工具：tts_speak（流式合成，返回同源短链接）、tts_list_voices、tts_health_check、tts_setup_engine
• 音频投递：合成音频落盘为 WAV，经 DSH Web 服务同源短链接提供（模型上下文不再被巨型 data URL 撑爆）

安装

两种方式任选其一，然后在设置中启用：

方式一：从 npm 安装

dsh plugin --profile web add dsh-gsv-tts

方式二：从 GitHub 安装

dsh plugin --profile web add "github:TaoruiLiu19/dsh-gsv"

关于 profile：以上以 web profile 为例；当前桌面应用常用 desktop profile，把命令里的 web 换成 desktop 即可。

安装后重启 DSH，工具自动注册到 agent，设置中出现"声音设置"项。

依赖 DSH 的 webServer 服务（Web / Desktop profile 自带）提供音频下载；settings 服务提供设置面板。无这些服务的环境仅保留工具能力。

快速开始

1. 安装引擎：让 agent 调用 tts_setup_engine 自动安装（或见下方手动安装）
2. 启动引擎：设置 → 声音设置 → 打开"启动引擎"开关，等待状态变为"运行中"（模型加载约 15~90 秒）
3. 添加音色：设置 → 声音设置 → "音色预设" → 添加音色 → 填写四字段 → 保存
4. 朗读：点任意助手消息旁的 🔊，或让 agent 调用 tts_speak

截图

设置 → 声音设置：引擎开关、TTS 配置、帮助文档

消息操作区的 🔊 朗读按钮（悬停显示"朗读结果"）

引擎启动后的"运行中"状态

下载安装 GSV-TTS-Lite 引擎

方式一：自动安装（推荐）

让 agent 调用 tts_setup_engine，自动完成：检测 Python → 安装 gsv-tts-lite==0.4.7 → 克隆仓库 → 安装依赖 → 部署流式 API → 启动服务。

方式二：手动安装

1. 安装 Python 3.10+（推荐 3.12），确保 pip 可用
2. 安装核心包：pip install gsv-tts-lite==0.4.7
3. 克隆仓库：git clone https://github.com/chinokikiss/GSV-TTS-Lite.git
4. 安装 API 依赖：pip install -r <仓库>/API/requirements.txt
5. 把本插件 scripts/ 下的 dsh_stream_api.py 复制到 <仓库>/API/ 目录（真流式 API）
6. 下载模型（s1v3.ckpt、s2Gv2ProPlus.pth 等）放入 <仓库>/models/
7. 启动：python <仓库>/API/dsh_stream_api.py -p 9880 --models_dir <仓库>/models
8. 在 设置 → 声音设置 打开引擎开关验证

引擎示例音频位于 <仓库>/examples/（laffey.mp3、AnAn.ogg），可直接用作测试音色。

添加音色

1. 打开 设置 → 声音设置
2. "音色预设"下点击"添加音色"
3. 填写四个字段：

4. 点击"保存"，立即生效，无需重启
5. 默认音色留空则使用列表第一个音色

参考音频路径必须是引擎服务端能访问的本地路径或可访问 URL。

声音设置说明

配置保存在 DSH 的 settings（~/.dsh/settings.yaml 的 dsh-gsv-tts: 段），修改后插件热生效。

工具列表

常见问题

• 引擎未启动：设置 → 声音设置 → 打开开关（模型加载约 15~90 秒）
• 模型缺失：首次启动会提示，把模型放入 models 目录
• 朗读按钮报"语音引擎未启动"：先到 声音设置 启动引擎
• 参考音频不可用：必须是引擎服务端可访问的本地路径或 URL

技术栈

• DSH 插件框架：Cordis + @deepseek-ai/dsh-tools
• 配置 Schema：@deepseek-ai/schemastery
• 设置面板：@deepseek-ai/dsh-settings + 客户端 settings.section 插槽
• TTS 引擎：GSV-TTS-Lite 0.4.7
• 语言：TypeScript（宿主）/ 手写客户端 bundle（浏览器）/ Python（流式 API）

构建与发布

pnpm install
pnpm build        # 编译宿主代码（lib/）
pnpm publish      # 发布到 npm（files: lib, scripts, cordis.patch.yml）

从 GitHub 安装会自动执行 prepare 脚本编译；lib/client.js 为手写客户端 bundle，随仓库发布。

变更记录

• 2.2.0：声音设置面板（保存即热生效）；引擎一键启停开关；🔊 朗读按钮（排除思考，引擎未启动给出原因）；设置内帮助文档；音频同源短链接
• 2.1.0：音频改由 DSH Web 服务同源提供（不再用巨型 data URL）；WAV 头/时长计算修复；prompt_text 留空 ASR 兜底；execFileSync 消除命令注入；py -3 支持；健康检查路径探测

已知限制

• 播放为 markdown 链接点击播放；内嵌 <audio> 需客户端扩展（规划中）
• 合成音频存于系统临时目录（%TEMP%/dsh-gsv-tts），启动清空、会话内最多 200 个
• tts_setup_engine 通过 child_process 执行 pip/git，需环境有对应工具
• promptText 留空依赖引擎 ASR 能力（能力探测），不支持时合成报错