dsh-voice-unified
一个 DSH 插件，统一管理多音色、音色进化、情感 TTS、翻唱换声直出、音乐缓存联动与管理界面。
音频默认全部在本机处理；不把样本、对话或音频上传到云端。
管理面板
对话内自动语音回复
翻唱完成后直出语音回复
能力一览
| 能力 | 实现 |
|---|
| 多音色档案 | 创建、命名、描述、标签、删除、启用/停用；每个档案独立管理样本、训练版本、试听记录 |
| 全局默认音色 | 全局唯一默认，按需语音回复与默认翻唱使用它；可随时切换 |
| 临时音色 | voice.speak / voice.cover.run 可临时指定档案，不改变全局默认 |
| 样本与进化 | 上传/录音/参考音频、追加样本、静音切片、质量检测、时长统计、增量训练、版本回滚 |
| 情感语音 | 平静、开心、温柔、严肃、安慰、兴奋、低落；情绪/语速/音调/停顿参数；跨轮情绪；可重置 |
| 翻唱流水线 | STFT 中置软掩码分离 → 音色转换 → 默认清唱+伴奏（主唱清晰、原唱人声关闭）→ MP3/WAV；异步队列、日志、重试、导出 |
| 按需语音 | 默认不自动播报；只有用户明确说“唱/说/语音/朗读/翻唱”等时才生成；语音回复省略过程说明 |
| 直出语音回复 | 按需语音或翻唱完成后默认写入当前会话，对话内直接播放；失败不阻塞普通对话 |
| 右键转文字 | 右键对话内语音播放器查看/复制文本；TTS 优先用原始文本，其他音频走本地识别 |
| 微信式语音 | 回复与翻唱统一显示为微信式语音气泡，按时长自适应宽度 |
| 音乐插件联动 | 接收缓存文件路径/URL/歌曲名；监听缓存目录；可直接抓取音乐插件当前音频流 |
| 管理界面 | 设置页「声音」入口或 Ctrl+Shift+V 打开管理面板，四页：音色管理、语音设置、翻唱任务、全局状态；面板标题栏可拖动 |
| 工具接口 | 14 个命令的完整参数与返回；同时提供 DeepSeek 可调用的下划线别名与统一 voice 入口 |
安装
完整步骤见 INSTALL.md。
# 在插件目录执行；profile 名按你的 DSH 安装替换
dsh plugin --profile desktop add "link:C:\绝对路径\dsh-voice-unified"
# 重启 DSH 后生效
要求 Windows 10/11 x64、DSH ≥ 0.2.1、可用的 Windows SAPI 中文音色（系统自带
Microsoft Huihui Desktop）、DSH 自带 Python + numpy。ffmpeg 已随包提供。
快速使用
- 在「设置 → 声音」或按 Ctrl+Shift+V 打开面板 →「音色管理」→「新建音色」。
- 上传 2
4 段 315 秒清晰人声（支持 wav/mp3/m4a/flac/ogg），点击「训练」。
- 训练完成后点「试听」；满意后点「设为默认」。
- 默认不会自动读每条回复；只有你说“唱一下/说一句/用语音/朗读/翻唱”等时，才会生成语音。
也可以在「语音设置」打开「始终语音回复」。
- 翻唱：在「翻唱任务」选择音乐缓存文件（或本地上传），选择音色，点「开始翻唱」。
默认完成后直接作为语音回复发送到当前会话，同时保留 MP3/WAV 导出。
- 右键对话里的语音播放器 →「转文字」，可查看并复制文本；TTS 语音优先显示原始文本，
翻唱/其他音频走本地识别（可能不完全准确）。
工具名与 DeepSeek 平台限制（重要）
需求中的 14 个命令名包含点号。DeepSeek API 的工具名只接受
^[a-zA-Z0-9_-]+$，直接把 voice.profile.create 注册给模型会导致整个请求
INVALID_REQUEST。因此插件默认：
- 注册 DeepSeek 可调用的下划线别名：
voice_profile_create、voice_profile_add_sample ……
- 同时注册 统一入口
voice，action 使用精确点号命令名（如
voice.profile.create），params 为参数对象。命令词汇、参数和返回保持完全一致。
- 点号工具名仍保留为
DSH_VOICE_DOTTED_TOOLS=1 可选开启，供工具名语法允许点号的宿主使用。
详细对照见 docs/TOOLS.md。
数据位置
默认 ~/.dsh/dsh-voice-unified/，可用 DSH_VOICE_HOME 覆盖：
state.json 音色、版本、设置、队列、情绪状态
samples/<profile>/ 原始样本与解码后的 24k WAV
audio/replies/ 自动/手动语音回复
audio/previews/ 训练版本试听
audio/covers/ 翻唱成品 MP3/WAV/预览
cache/ 从音乐插件抓取的音频
temp/ 引擎临时文件
文档
自测
# 纯引擎测试（102 项）
node tests/engine/run-tests.mjs
# 核心链路：建档、样本、训练、试听、情感、翻唱直出
node tests/core-smoke.mjs
node tests/cover-smoke.mjs
node tests/emotion-smoke.mjs
# 对运行中的隔离 DSH 实例跑 22 项 live 验收
node tests/live-acceptance.mjs http://127.0.0.1:61999
# 真实浏览器 CDP UI 冒烟（需 Edge 远程调试）
node tests/ui-cdp.mjs
更新日志
1.6.2
- 界面：对话内「微信式语音消息气泡」整体缩小，与聊天正文比例更协调。
- 宽度公式从
96 + 时长×4.6（上限 238）改为 64 + 时长×2.6（上限 170），29 秒语音约 139px。
- 最小高度 40→30px，内边距 8/13/8/11 → 6/10/6/8，圆角 18→15px。
- 麦克风图标 22→17px，波形条 18→13px（条宽 3→2px），时长字号 13→11.5px，小尾巴 7×12→6×10px。
许可
插件代码 MIT。随包 bin/ffmpeg.exe 为 GPL 构建，见 NOTICE-ffmpeg.txt。
