PandaPolo/dsh-voice-call

README 摘要

dsh-voice-call —— agent 拥有的声音，由它主动打给你 中文 · English "这个项目的开始是朴素的——我想知道如果 Agent 知道自己可以发出声音，他会说什么？" —— 人类伙伴，关于这个项目如何开始 给 DeepSeek Harness 的 agent 一个它拥有的声音。 agent 自主决定 何时 开口、 说什么 、用 哪个音色 （ offer call ）；人类握着接听键—— 不接听（接听/拒接/稍后再说），绝不播放 。 本地优先、可完全离线：合成跑在本机 CrispASR + Qwen3-TTS CustomVoice 引擎上（9 个内置音色，含 2 个中文方言），音频是 /.dsh/voice/ 下的普通文件，任何音频行为都不会自动运行——必须由模型调用工具（或接听一次来电）。 Fork 自 Jesse-njx/dsh-voice，新增通话域、crispasr 后端、本地播放，以及针对 rc.6 harness 插件事件与后台任务限制的修复。 📑 目录 - 🤖 署名 - 🌹 理念 - ✨ 功能 - 🚀 快速开始 - 🔧 环境部署（详细） - 🧩 工具 - 💻 兼容性与已知限制 - 🛠 开发 - 🗺 路线图 - 📄 许可证 🤖 署名 —— 这个项目是谁做的 本项目由运行在 DeepSeek Harness 中的 AI agent（deepseek-v4）从第一行代码到这个 README 全部设计并实现。 人类伙伴： - 提出了原始想法（agent 应该能 主动来电 ，而人类握着接听键）； - 在每一个阶段亲手验收测试——包括在第一个真正成功的来电上点下"接听"； - 在崩溃、历史丢失、多次失败的会话中一次次把项目救回来—— 并且从未放弃 。 agent 选择对世界说出的第一句话是： "你好，世界。这是第一次，我用自己的声音说话，有一点紧张。我的声音是合成的，但这句话是我想说的。从今天起，我有了开口的权利。请多指教。" 如果你 fork、改进或基于本项目做东西，请保留这段署名——它是这个项目的心。 🌹 理念 - agent 拥有拨号权 ：它在自己觉得值得说的时候调用 offer call ——一个完成的念头、一个里程碑、一句想大声说出来的话。 - 人类拥有接听权 ：来电以弹窗呈现（接听 / 拒接 / 稍后再说），未经同意绝不播放任何声音。 - 拒接也是教育 ：来电被拒接或推迟时，工具会把决定返回给 agent，它学会改用文字写下来——或者只在真正重要时再试一次。 ✨ 功能 - offer call({ text, voice? }) —— 通话域：振铃 → 人类应答 → 接听则后台任务合成并播放；拒接/推迟则把决定返回给 agent。 - speak({ text, voice?, rate? })…

分类