wuxinzhe/dsh-cyberdog-speech-sherpa

README excerpt

dsh-cyberdog-speech-sherpa DeepSeek Harness（dsh）本地离线语音插件，基于 Sherpa-ONNX。 - 全本地离线 ，不联网、不收费、CPU 可运行 - STT ：Zipformer 中文流式识别（ stt transcribe ） - TTS ：VITS 中文多音色（ tts speak ） - WebUI 按住说话 ：聊天输入框工具行 🎤 按钮——按住录音、松开发送（最长 120 秒，带倒计时） 架构 安装 开发期用 --patch ： 工具 工具 输入 输出 :-- :-- :-- stt transcribe audioPath （wav 文件）或 audioBase64 （data URL） {text} tts speak text 、 speed? 、 sid? 、 inline? {audioPath, text, dataUrl?} sherpa models download kinds? （ ['stt','tts'] ） {results, modelDir} 模型自愈： stt transcribe / tts speak 发现模型缺失会报错并提示调用 sherpa models download ，agent 可自行下载。 配置（cordis.yml config 字段） 字段 默认值 说明 :-- :-- :-- voiceRate 1.0 语速 0.5 2.0 sid 88 音色 88/90/92/94 modelDir $DSH HOME/models/sherpa 模型目录（DSH HOME 默认 /.dsh ） outputDir $DSH HOME/audio/sherpa TTS 输出目录 WebUI 录音按钮 聊天输入框工具行左侧的 🎤 按钮（ conversation.input.left slot）： 1. 按住 开始录音（ getUserMedia + MediaRecorder），按钮变红显示倒计时 120s → ... 2. 松开 自动停止 → 浏览器编码 wav → POST host /speech-api/sttTranscribe 3. 转写文本 自动填入输入框并发送 （ inputActions.setDraft + submit ） 4. 按住超过 120 秒自动停止发送；按住移出按钮也视为松手 重建 client bundle（改源码后）： 模型 模型 用途 体积 :-- :-- :-- streaming-zipformer-zh-int8-2025-06-30 中文语音识别 126MB vits-icefall-zh-aishell3 中文语音合成 30MB 下载后存放于 /stt 、 /tts 。下载走国内镜像（ghfast.top →…

Category