---

兼容性

方面	状态
Harness	DeepSeek Harness 0.1.2-rc.1（2026-09-04 已适配）：会话信封保留 ignorable 字段但仅用于存量日志读取兼容——Session.append 仍无法盖章，门控行为不变。
Node	^22.19.0 || >=24.0.0
浏览器	Web Speech + MediaRecorder（Chrome/Edge 最佳）；其余场景用宿主侧转写/TTS 引擎

你能得到什么

dsh-talk 双向闭合语音环路：

• speak 工具 —— agent 朗读自己的回复。TTS 引擎：浏览器语音、edge-tts（网络神经语音）或 piper（本地）。音频在浏览器播放；在能够承载该事件的宿主上，会话日志记录脱敏后的朗读内容（见安全边界）。
• 输入框麦克风按钮 —— 按下说话，转写文本自动回填输入框（或直接提交）。STT 引擎：浏览器 Web Speech（含中间结果）、FunASR HTTP 服务或本地 whisper.cpp。
• 说话即打断 —— 开始说话即停止当前播报（经 client→host 的 talk Remote 通道）。
• 事件播报 —— 回合完成、待审批（waterfall 安全：绝不阻塞门禁）与出错，带静音开关与可配话术。
• 设置页签 —— 引擎/语言选择与播报开关，以追加式 profile patch 操作保存（带备份）。

浏览器                                 宿主
  🎙 按下 ──▶ 打断 ────────────────────▶ talk/interrupt
  录音（MediaRecorder / Web Speech）
  转写（浏览器）或 talk/transcribe ────▶ FunASR / whisper.cpp
  回填草稿或提交  ◀── talk:speech 投影 ── speak 工具 / 事件播报
  ▶ 播放音频（talk/audio 或 speechSynthesis）

快速开始

# 1. 把 bundle 装进你的 profile
dsh plugin --profile web add "github:PerryLink/dsh-talk#main"

# 或从 npm 安装（正式发布版）
dsh plugin --profile web add dsh-talk

# 2. 重启并核实行
dsh --profile web --dump-config | grep -A2 'id: talk'

然后按下输入框旁的麦克风说话；也可以让 agent 用 speak 工具朗读回复：

> 用 speak 工具说"你好"。

安装与卸载

• git 通道（最新 main）：dsh plugin --profile web add "github:PerryLink/dsh-talk#main" —— prepare 脚本仅用生产依赖构建。
• npm 通道（正式发布版）：dsh plugin --profile web add dsh-talk。
• tarball 通道：在本仓库执行 pnpm pack，然后 dsh plugin --profile web add ./dsh-talk-<version>.tgz。
• 卸载：dsh plugin --profile web remove dsh-talk（或从 profile patch 中删除该行）。

如果 pnpm 对本包报 ERR_PNPM_IGNORED_BUILDS（esbuild 的平台二进制无害校验），在你的 pnpm-workspace.yaml 中加入 allowBuilds: { esbuild: true } —— dsh CLI 会打印确切片段。

配置

所有可调项都是 Schemastery Config 字段（可在 cordis.yml 中修改）。cordis.patch.yml 内联说明了每个键。

键	默认值	含义
record.enabled	true	显示输入框麦克风按钮
record.hotkey	(无)	可选切换快捷键，如 "alt+r"
record.maxSeconds	60	录音上限（秒，1..600）
record.autoSubmit	false	转写结果直接作为用户消息提交（false = 回填草稿）
record.vad.enabled / silenceMs / energyThreshold	true / 1500 / 0.01	语音活动检测：静音自动结束录音（缺 AudioContext 时降级为手动停止）
stt.engine	auto	auto / web / funasr / whisper；auto 优先已配置的本地引擎，其次 Web Speech
stt.language	auto	BCP-47 语言或 auto
stt.interim	true	显示中间转写（Web Speech）
stt.silenceFinaliseMs	4000	连续 Web Speech 在没有语音活动达到此毫秒数后停止（500..15000）
stt.funasr.url	(无)	FunASR 推理端点；引擎为 funasr 时必填
stt.whisper.modelPath	(无)	whisper.cpp 模型；引擎为 whisper 时必填
tts.engine	auto	auto / browser / edge-tts / piper；auto 优先 piper，其次 edge-tts，最后浏览器语音
tts.rate	0	edge-tts/piper 语速偏移（百分比，-50..50）
tts.fallbackToBrowser	true	本地引擎失败时回退浏览器语音
tts.browser.voiceName	(无)	首选浏览器语音名称；未找到时使用平台默认语音
tts.browser.rate	1	浏览器 SpeechSynthesis 语速（0.1..10）
tts.browser.pitch	1	浏览器 SpeechSynthesis 音高（0..2）
tts.piper.modelPath	(无)	piper 语音模型；引擎为 piper 时必填
announce.enabled	true	事件播报总开关
announce.onTurnEnd / onApproval / onError	true	播报哪些事件
announce.messages.*	"Turn complete." 等	播报话术
interrupt	true	开始说话即停止当前播放
maxSpeakChars	20000	speak 工具文本上限（1..100000）
maxAudioCacheBytes	8388608	内存合成音频缓存上限（1 MiB..64 MiB）

stt.silenceFinaliseMs 与 record.vad.silenceMs 是两套独立机制：前者在连续 Web Speech 识别听不到语音时定稿转写文本；后者是 MediaRecorder 的能量检测器，用于结束录音（record.autoSubmit 开启时随即提交）。两者处于不同流水线，不共享任何状态。

工具与界面

界面	类型	说明
speak	工具	朗读文本（browser/edge-tts/piper）；支持单次引擎/音色覆盖；规范 JSON 结果
麦克风按钮	conversation.input.left 槽位	录音 → 转写 → 回填草稿（或提交）；按下即打断
设置页签	settings.plugins.tab（id talk）	引擎/语言/播报开关；追加式保存
talk:*	Typert Remote	status、audio、transcribe、applySettings、interrupt（宿主命名空间）

权限与数据

• 权限：插件只保存内存中、字节受限的音频缓存；麦克风权限由浏览器管理。设置页签只向 profile 追加 patch 片段（带时间戳备份）——绝不重写文件。
• 数据：音频绝不进入模型上下文或会话日志。在宿主的会话词汇表接受该事件的宿主上，dsh-talk/speech 事件携带朗读 id、引擎、原因、大小、脱敏文本，并在适用时携带浏览器语音、语速和音高；在无信封宿主上该事件完全不写入。所有展示/日志面都会脱敏凭据、JWT、bearer 头与临时路径。
• 网络：只联系你配置的引擎。edge-tts 执行网络合成，FunASR 使用其配置的端点，而 Chrome 的 webkitSpeechRecognition 会将麦克风音频发送到 Google 服务器进行转写；浏览器的 speechSynthesis 播放仍在本机完成。

安全边界

• 模型可见 ⟺ 已记录 —— 模型只看到 speak 工具的规范值与渲染文本。dsh-talk/speech 事件只在宿主能够承载它时写入（见宿主兼容性）；tool/call + tool/result 事件始终是可重建的痕迹。
• 审批播报绝不阻塞 —— approval/request 监听器总是调用 next()。
• 输出脱敏 —— 凭据与临时音频路径绝不上日志或展示面。
• 宿主兼容性 —— dsh-talk/speech 事件经自适应门写入：已知词汇表覆盖该事件的宿主直接追加；带 ignorable 追加选项的宿主带标记追加；无信封宿主——截至 0.1.1-rc.2 的全部已发布线、仅保留信封字段用于存量日志读取兼容、Session.append 仍无法盖章的 0.1.2-alpha 线，以及 0.1.2-rc.1 线——完全不追加，因此语音在这些宿主线上永远不会污染会话日志。此时实时播放历史保持为空，speak 工具结果是可重建的审计痕迹。
• 失败响亮 —— 非法引擎、越界数值、缺模型/端点的引擎配置在挂载时即报错。

已知限制

• 浏览器支持：Web Speech 与 MediaRecorder 均特性检测；不可用时麦克风按钮自动禁用，配置了宿主引擎（FunASR/whisper.cpp）仍可转写。
• 本地引擎需自行安装：edge-tts、piper、whisper.cpp 可执行文件与模型需单独安装。
• 录音格式：浏览器按其原生 MediaRecorder 编解码器录音；whisper.cpp 可能要求 WAV 录音配置或服务端转换。
• 设置重载生效：设置页签追加到 profile patch；重载 profile（或重启 Web 应用）后生效。
• 无信封宿主上实时播放历史为空：在 0.1.1-rc.2、0.1.2-alpha 线以及 0.1.2-rc.1 上，宿主词汇表不认识 dsh-talk/speech，因此门不写入任何内容，客户端的会话级播放列表保持为空。朗读本身、麦克风、设置页签与工具均不受影响。
• dsh-talk ≤ 0.2.1 写下的存量日志可能需要在冷加载前修复：版本 0.2.1 及更早会追加未标记的 dsh-talk/speech 事件。在 0.1.0-rc.7 及更新的宿主上，日志已含这些事件的会话，其下一次冷加载会以 SessionFormatUnsupportedError 失败。修复：停止宿主，备份该会话的 .jsonl 日志，为每一行 "type" 为 "dsh-talk/speech" 的 JSON 记录加上顶层成员 "ignorable":true（例如在起始的 { 之后插入 "ignorable":true,），然后重新打开会话。其余内容不变，不会丢失任何数据；本版本的新追加永远不会产生未标记事件。

开发

pnpm install        # node ^22.19 || >=24
pnpm run typecheck  # tsc：src + tests，对照本地 harness checkout
pnpm run typecheck:ci  # tsc：对照已发布的 0.1.2-rc.1 类型（无 paths）
pnpm test           # vitest：77 个测试、13 个套件
pnpm run build      # tsc 声明 + tsdown bundle（lib/）
pnpm run verify:self-contained  # 依赖声明全部来自 registry
pnpm run verify:artifacts       # 构建产物 ESM 面 + client ModuleLoader 握手
pnpm pack           # 发布用 tarball

Topics

dsh, dsh-plugin, deepseek-harness, deepseek, cordis, voice, speech, tts, stt, speech-to-text, text-to-speech, microphone

Contributors

• @PerryLink —— 创建者与维护者：朗读管线、语音引擎、麦克风录音、事件播报、投影单元与五语文档。

PerryLink DSH Plugin Family

这是 PerryLink 维护的 33 个 DeepSeek Harness 插件 之一。如果它能帮到你，其他的也会：

Plugin	One-liner
dsh-dsh-auto-review	审批链上的第二模型自动审查，默认失败关闭
dsh-dsh-background-agents	带 Web UI 侧栏、消息与中断的持久后台子代理
dsh-dsh-budget	DeepSeek Harness 的成本治理：预算、碳排与延迟一屏呈现。
dsh-dsh-checkpoint-rewind	Claude Code /rewind 等价：快照、会话 fork、一次性恢复
dsh-dsh-claude-move	把 Claude Code 会话、记忆、技能与 CLAUDE.md 迁入 DSH
dsh-dsh-click	跨平台原生桌面控制（DeepSeek Harness），Windows 优先。
dsh-dsh-composer-history	Web 输入框的终端式历史：方向键、Ctrl+R 搜索
dsh-dsh-data-quality	数据集质量检查与引文核查（本插件可选消费的数字核查桥）
dsh-dsh-defend	DeepSeek Harness 的提示注入、越狱与密钥泄露防护。
dsh-dsh-doublecheck	工程纪律守卫：需求质询、测试门禁、对手评审
dsh-dsh-draw	DeepSeek Harness 的统一静态图像生成路由。
dsh-dsh-fast	DeepSeek Harness 只读性能诊断。
dsh-dsh-fund-research	面向中国公募基金的确定性研究报告
dsh-dsh-github	面向 DSH 的 GitHub PR/issues 集成，每次写入经审批门控
dsh-dsh-industry-research	行业研究编排，经本插件的 ctx.researchReport.assemble 封存交付物
dsh-dsh-library	DeepSeek Harness 的本地文档知识库。
dsh-dsh-local-ai	DeepSeek Harness 的本地模型（Ollama）接入。
dsh-dsh-lsp-actions	通过语言服务器的 LSP 诊断、格式化、补全、代码操作与重命名
dsh-dsh-mask	PII 脱敏中间件：模型边界匿名化、展示层还原
dsh-dsh-mcp-panel	只读 MCP 运行时面板：/mcp 命令 + 带状态、工具与错误的 Settings 标签页
dsh-dsh-memento	审批门控的跨会话记忆：ctx.memory 接缝 + SQLite + 记忆工具
dsh-dsh-observe	DeepSeek Harness 的 OpenTelemetry 与 Langfuse 可观测导出器。
dsh-dsh-output-styles	Claude Code outputStyles 等价的运行时风格切换
dsh-dsh-permission-rules	Claude Code 风格声明式 allow/deny/ask 权限规则，带审计
dsh-dsh-plugin-guide	作为按需代理技能的插件开发知识库
dsh-dsh-research-report	可验证研究报告引擎：内容寻址证据账本与封存版本
dsh-dsh-score	DeepSeek Harness 插件的多维质量评分。
dsh-dsh-session-pin	在 Web 侧栏置顶会话，带持久排序
dsh-dsh-session-sync	DeepSeek Harness 的跨设备会话同步——会话存储的专用 git 镜像。
dsh-dsh-skill-pack-security	安全审计技能包：密钥扫描、依赖与供应链审查
dsh-dsh-test-drive	DeepSeek Harness 插件的隔离试装冒烟。
dsh-dsh-translate	DeepSeek Harness 的厂商参数翻译与确定性 JSON 修复。

License

Apache License 2.0 © 2026 dsh-talk contributors

从 DSH Desktop 市场安装

所有 PerryLink 插件均可在 DSH Desktop 内置市场中浏览：市场 → 来源 → 添加来源 → 粘贴 https://perrylink-dsh-catalog.perrylink.workers.dev/catalog-source.json → 选中。安装仍需通过市场的 npm 身份校验与你的确认。