听懂 · dsh-tingdong
把英文有声读物（MP3）或英文文档变成听力课，练到听到英文就知道是什么意思。
DeepSeek Harness（dsh）插件，也能脱离 DSH 单独用。
安装
dsh plugin --profile desktop add dsh-tingdong # 装进 DSH（把 desktop 换成你的 profile 名，先完全退出 DSH）
npm i -g dsh-tingdong # 命令行版：不开 DSH 也能用
dsh plugin --profile desktop add github:AIcivilization/dsh-tingdong # 源码安装
- 能力分类：工具与能力（英语听力学习）
- 运行要求：Node.js ≥ 20；DSH web / desktop profile；解码 MP3 需要 ffmpeg（Mac：
brew install ffmpeg）
- 许可证：MIT
- 数据边界：课程和学习进度都在本机
~/.dsh/dsh-tingdong/；识别用 DSH 自带语音输入模型（音频不上传）；讲解和朗读用你在 DSH 里选的大模型；Edge 语音组件需联网（文字会发到微软服务器，详见下方导出说明）
它做什么
首页有两个入口：导入音频（有声书、讲座、引导音频）和导入文档（文章、手册、书）。
导入文档：直接选文件（或拖进来）——PDF、Word（.docx）、EPUB 电子书、网页（.html）、TXT、Markdown；没有文件也可以粘贴英文。
- 插件先取出文字，给你一张确认卡片：读到了多少词，预计分几课、朗读多长、处理要多久、大约用多少模型 token，并说明「会用 AI 整理文字」。
- 你点确定后，在后台：AI 整理（去掉页眉页码目录、修好断行、分好章节，原文一个字都不改、不翻译；长文分段、几段同时整理，逐段核对单词数，模型删多了就重来或改用原文）→ 存档（原文件、取出的原始文字、整理后的文字都留在
~/.dsh/dsh-tingdong/docs/，课程概览里能下载）→ 分课（每个大标题一课，太长的按段落拆开）→ 朗读（默认微软 Edge，14 种美式 / 英式男女声，可选离线 Kokoro）→ 逐句翻译讲解。
- 做好一课就能先学一课，之后和音频课一样：精听、复习、磨耳朵、连续听、导出。
大小和耗时：文件最大 100 MB；文字最多约 6 万个英文单词（40 万字符，相当于 7 小时左右的朗读），再长请拆开导入。真正花时间和 token 的是 AI 整理和翻译：1 万词大约整理 4 万字符、朗读 1 小时多，处理约十几分钟（看模型速度）。扫描版 PDF（每页是图片）读不出文字，要先用 OCR 或 AI 转成文字。
在 DSH 对话里也可以把 PDF 发给 AI，说「整理后导入听懂」（AI 工具 tingdong_import_text）。
导入音频：
- 识别：选一个 MP3（或整个文件夹），本机识别出每一句英文和它的起止时间。
识别用的是 DSH 自带语音输入的同一套模型（SenseVoice + Silero VAD），音频不上传；用过 DSH 语音输入就不用再下载。
- 讲解：用你在 DSH 里选的大模型逐句校对英文（修正识别错误，如 "resna tuning" → "resonant tuning"）、
翻成口语化中文、挑出生词（带音标）、写一句「听音提示」（哪里连读、弱读、吞音），再写全篇概述和关键术语表。
- 练习（右侧栏「听懂」页签，或手机浏览器直接打开）：
| 模式 | 做法 |
|---|
| 今日学习 | 首页一个按钮：所有课里该复习的句子 + 每天 10 句新句子串成一组；显示连续学习天数、今天学了几句、约几分钟、最近 7 天 |
| 精听 | 每句先只听不看猜意思 → 看英文找出没听出来的词（点任意一个词看意思）→ 看中文和生词 → 再听一遍 → 自评「没听懂 / 半懂 / 听懂了」 |
| 复习 | 间隔重复，三种考法：自评、选意思（只听声音，三选一）、听写（打出来，逐词标出没听出来的）。没听懂的一分钟后再来，听懂的隔 10 分钟、1 天、3 天、7 天…再考；7 天后还能听懂算掌握。可以只练「收藏」或「难句」 |
| 磨耳朵 | 不用动手：每句放 1–4 遍，停几秒让你想意思，再接下一句；字幕可以逐步显示（第 1 遍不看字 → 第 2 遍英文 → 想的时候中文）。做成一段真正的音频，锁屏也能一直放，耳机线控切句，也能下载 |
| 连续听 | 一句接一句不停地播，英文 / 中文字幕分别开关；最后关掉字幕整篇听 |
| 词汇 | 全篇关键术语、每句的生词、你查过的词，点一下听原句 |
导出（每课的「导出」页签）：
- 中文配音（音频）：可以下载 MP3 或无损 FLAC（44.1 kHz / 16 位，和合成出来的原始音频同源，不是 MP3 转的）。把英文换成中文配音，只有中文、没有背景音，每句中文从对应英文开始的时刻开始说，总长和原音频一样（也可以对齐「原声·去空白」）。比空档长的句子自动读快一点（最快 1.6 倍），不会挤到下一句。两种语音可选：
- 本地 Kokoro：离线，55 个普通话女声、45 个普通话男声，每个都能先试听；第一次用时下载约 147 MB 模型
- 微软 Edge：晓晓、云希、云扬等 14 种（含台湾、粤语、方言），要联网。插件调用开源工具 edge-tts，点「安装 Edge 语音组件」会装进插件自己的 Python 虚拟环境（需要电脑上有 Python 3）。文字会发到微软的服务器；这不是微软公开的正式接口，可能失效
- 文字：双语 / 英文 / 中文字幕（SRT）、双语歌词 LRC（Walkman 等播放器滚动显示）、录音稿（每句的开始时间、英文时长、可用时长和中英对照，照着自己录中文配音）、表格 CSV。时间可按原音频或「原声·去空白」
卡片右上角 ☆ 收藏，复习和磨耳朵里可以只练收藏的
- 改句子：识别偶尔认错字、切错句，卡片右上角 ✎ 可以改英文 / 中文、和下一句合并、拆成两句、重新讲解、标为非讲话
- 换设备接着学：学到第几句、选的哪种声音、复习进度都存在服务器上
- 手机：按钮加大，左右滑动换句，评分按钮固定在底部，锁屏界面和耳机线控可以播放 / 暂停 / 换句
声音：同一课可以换声音听，在课程页上方切换，每种都能下载成 MP3 放到手机上：
| 声音 | 说明 |
|---|
| 原声（完整） | 原始音频，含背景音乐和长空白 |
| 原声·去空白 | 只留讲话，句间停 0.7 秒。34 分钟的引导冥想剩 11 分 40 秒 |
| 原声·压背景 | 同上，再滤掉低沉的双耳节拍和高频噪声 |
| 系统朗读 | macOS 自带语音读校对后的英文；在系统设置里下载「高级 / 增强」英文语音后会自动用上 |
| Kokoro 朗读 | 离线神经网络语音（11 种美式 / 英式男女声，可调语速），第一次用时下载约 103 MB 模型 |
新导入的课会自动生成两条原声轨，朗读的声音在「概览 → 声音」里点「生成」。
电脑快捷键：空格 重听 · 回车 下一步 · 1/2/3 评分 · ←/→ 上一句/下一句 · S 变速（1× / 0.85× / 0.7×）· L 单句循环
在 DSH 对话里也可以直接说：「把 /Volumes/…/CD4 导入听懂」「把这份 PDF 整理后导入听懂」「我这课哪些句子总听不懂？给我讲讲」——插件给 AI 注册了 tingdong_import、tingdong_import_text、tingdong_lessons、tingdong_sentences 四个工具。
更新 / 卸载：在 DSH 的「设置 → 听懂」里。打开时自动查 npm 上有没有新版本；有就出现「更新到 vX」，点一下由 DSH 的插件管理器装好（和插件市场同一套机制），重启 DSH 生效。「卸载」会先确认，只移除插件，课程和学习进度留在 ~/.dsh/dsh-tingdong。学习面板首页标题旁显示版本号，有新版本时会提醒。
安装
需要 ffmpeg（解码 MP3）：Mac 上 brew install ffmpeg。
装进 DSH（把 desktop 换成你的 profile 名；先完全退出 DSH）：
dsh plugin --profile desktop add dsh-tingdong
重新打开 DSH，在对话页打开右侧栏，选「听懂 · 英文听力」。设置里的「听懂」分区会显示 ffmpeg、识别模型、翻译模型是否就绪。
可选配置
在 profile 的 cordis.patch.yml 里：
- id: dsh-tingdong
config:
provider: dsh-model-workbuddy-ai # 翻译用的模型；不填就用 DSH 的默认模型
model: workbuddy-ai/deepseek-v4.1-flash-sg
ffmpeg: /opt/homebrew/bin/ffmpeg # 找不到 ffmpeg 时填
threads: 2 # 识别线程数
用手机学（VPS）
在电脑上做课（识别、翻译、生成声音都很吃 CPU），发到 VPS 上的 DSH，手机浏览器打开学习：
- VPS 上装好 DSH（比如用 dsh-vps），也装上本插件：
dsh plugin --profile web add dsh-tingdong（以运行 DSH 的用户执行，再重启 DSH）。VPS 上不需要 ffmpeg。
- 电脑上的「听懂」首页底部「手机学习（VPS）」：选 SSH 主机（
~/.ssh/config 里的，要能用钥匙免密码登录）→「查找 VPS 上的 DSH」→ 选一个。
- 点「全部发送到 VPS」，或在每课「管理」里单独发送。只发课程内容和声音，不会覆盖 VPS 上的学习进度。
- 手机打开
https://<你的域名>/api-dsh-tingdong/panel（首页会显示这个地址），可以「添加到主屏幕」当 App 用。
发送走 SSH（tar 流解到 VPS 上 DSH 用户的 ~/.dsh/dsh-tingdong/lessons/），不经过网页登录门。
不开 DSH 也能用
node bin/dsh-tingdong.js import "/Volumes/kuozhan/门罗/CD4" # 整个文件夹，每个音频一课
node bin/dsh-tingdong.js serve # 打开 http://127.0.0.1:4810
node bin/dsh-tingdong.js import-doc 手册.md --voice en-US-AndrewNeural # 导入整理好的英文文档
node bin/dsh-tingdong.js list
node bin/dsh-tingdong.js voices all --track kokoro --voice am_michael # 批量生成声音轨
命令行版的模型：--base-url / --api-key / --model，或环境变量 TINGDONG_BASE_URL / TINGDONG_API_KEY / TINGDONG_MODEL（任何 OpenAI 兼容接口）；都没给就用本机的 dsh-model 网关。
数据
都在 ~/.dsh/dsh-tingdong/lessons/<课程>/：lesson.json（句子、翻译、讲解、查过的词）、progress.json（复习进度、学到第几句、选的声音、收藏）、audio.mp3（压缩成 64 kbps 单声道，原文件所在的移动硬盘拔掉也能听）、tracks/（各种声音和它们的时间表）。
模型在 ~/.dsh/dsh-tingdong/models/（Kokoro 英文、Kokoro 中文）；Edge 语音组件在 ~/.dsh/dsh-tingdong/edge-tts/；识别模型优先复用 DSH 语音输入下好的。
DSH 插件和命令行版共用这份数据。
实测
Hemi-Sync Gateway Wave IV「Adventure 1 (One Year Patterning)」，34 分钟 MP3（大段音乐 + 引导语）：
识别 16 秒（M 系列 Mac，4 线程），切出 96 句，模型判出 6 处音乐里的杂音并跳过；DeepSeek 翻译讲解约 1 分钟。
开发
npm install
npm test
lib/asr-worker.js 识别子进程（sherpa-onnx 是同步推理，放在 DSH 主进程里会卡界面）lib/translate.js 校对 + 翻译 + 生词 + 听音提示；缺句自动缩小批次重试，失败的留空，之后可「补全翻译」lib/tracks.js 声音轨：原声按句截取拼接；朗读交给 lib/tts-worker.js 子进程（Kokoro / macOS say），lib/pcm.js 统一拼接编码并出时间表lib/srs.js 间隔复习；lib/store.js 原子写入的 JSON 存储；lib/today.js 今日学习（按用户时区算日期）lib/doc.js 文档：切句、分章、整理要求；lib/export.js 文字导出；lib/edge.js Edge 语音组件（edge-tts）的安装和调用lib/drill.js 磨耳朵音频；lib/lookup.js 点词查意思、重新讲解；lib/vps.js 经 SSH 发送到 VPSplugin/ DSH 宿主端（路由、AI 工具）和界面入口（右侧栏、设置）；路由先过 DSH 的 connection.requestRejection() 登录校验web/ 学习面板（原生 JS 模块，无构建）：panel.js 路由和首页 · study.js 精听、复习、今日学习 · listen.js 连续听、磨耳朵、词汇 · edit.js 改句子、查词 · core.js 播放器和公共状态
许可
MIT · Copyright © 2026 AIcivilization
收录渠道
