chentao4183/dsh-voice-suite

README 摘要

dsh-voice-suite · 语音套件 English 中文 DSH（DeepSeek Harness）语音交互套件： 免费微软神经音色的页内播报 + 快捷键语音输入 ，基于 dsh-speech-plugin（MIT）定制增强，edge-tts 协议实现收编自 dsh-voice（MIT）。 功能 - 🔊 每条回复可播报 ：消息操作条的喇叭按钮，页内直接朗读（自动剥离 markdown/表情，跳过代码块） - 📣 自动播报开关 ：会话头部开关，开启后新回复自动朗读（浏览器本地记忆） - 🆕 edgetts 免费引擎 ：页内播报走微软 edge-tts 协议——22+ 神经音色、可调语速音调、 零 API key、零成本、无限量 ；也可切换系统音色 / 阿里百炼 / 火山豆包 - 🎤 语音转文字（语音输入） ：麦克风 → 阿里百炼 paraformer-realtime-v2 实时识别 → 文字进输入框， 实时出字、句末自动加标点；也可切换火山豆包。链路： 麦克风 → 浏览器采集 PCM → 插件 WebSocket → 百炼实时识别 → 文字落入输入框 - ⌨️ 键盘快捷键 （默认 Alt+Q ）： 轻按 = 开始/结束录音； 长按 ≥300ms = 按住说话松开结束 - 📤 录音结束自动发送 （可关） - 🛑 录音自动打断播报 ：开始说话即停朗读，防回声串台 安装 语音输入需要 ASR 密钥（页内播报不需要，edgetts 完全免费）： 语音识别引擎说明（ASR） 语音输入（麦克风 → 文字）默认使用 阿里云百炼 的实时语音识别大模型： 项目 说明 默认模型 paraformer-realtime-v2 （百炼实时识别，中文标点自动加） 免费额度 每月 36,000 秒（10 小时） ，每月 1 日自动发放 超出计费 0.00024 元/秒 ≈ 0.86 元/小时，按实际秒数 申请入口 百炼控制台 → API-KEY（ sk- 开头） 也可切换火山豆包（ asrEngine: volcengine ，需控制台 API Key）。 换识别模型：配置项 dashscopeAsrModel （默认 paraformer-realtime-v2 ）。 注意：百炼账户 欠费会同时禁用语音输入 （Arrearage 策略），语音输入突然失效先查控制台余额。 配置（profile 的 cordis.patch.yml） 浏览器端个人化（F12 控制台设置，刷新生效）： 常用音色 音色 id 声音 zh-CN-XiaoxiaoNeural 晓晓 · 温柔女声 zh-CN-YunjianNeural 云健 · 浑厚男声 zh-CN-YunyangNeural 云扬 · 新闻男声 zh-CN-liaoning-XiaobeiNeural 晓北 · 东北话 …

分类