dsh-tts-flash
DSH 语音阅读器：在 LLM 回复流式输出时朗读内容。内置 Edge-tts，可通过设置面板接入任何兼容 OpenAI 的云端 TTS，并在模型思考时播放带语音的等待短语滚动提示。
插件会安装到这里；不确定时保持 web。
npx -y @deepseek-ai/dsh plugin --profile web add github:2021Heei/dsh-tts-flash#a96a38cd90207900cd6cd59a559a0a1353da8414Tts Flash 以 dsh-tts-flash 发布，当前版本为 0.1.0。Plugin Hub 会校验它的 manifest，并保存精确安装来源，便于复现安装结果。
给 DeepSeek Harness（DSH）桌面端做的 LLM 回复语音朗读插件：AI 边流式输出，本地边把句子合成语音播放，随读随停；AI 思考等待期间还有"文字+语音"双通道的趣味短语反馈。
| 模块 | 说明 |
|---|---|
| 无损流式朗读 | llm/stream 旁路 tap → 中英日分句 → 短句合并 → 串行合成 → SSE 推送；队列带背压上限，长回复自动追赶 |
| 多引擎 | edge-tts（内置）+ OpenAI 兼容云端 TTS（双协议自适应：/audio/speech → chat/completions） |
| 引擎即插即用 | 设置面板二级弹窗添加，或往 ~/.dsh/tts-flash/engines/ 放一个 JSON 声明自动出现 |
| 等待期语音体系 | AI 思考时轮换 5 条内置趣味短语（文字+语音同步，host 统一驱动）；语音按「模型-音色」前缀缓存只生成一次；等待语音模型可独立选择（默认 Edge 小艺） |
| 语音设置面板 | 朗读开关 / 语音模型 / 音量 / 语速 / 字幕流光与字号 / 云端引擎管理（二级弹窗）/ 试听区，全部实时生效 |
| 朗读悬浮条 | 纯文字胶囊，可拖动、位置记忆（相对聊天输入框锚点，窗口缩放自动适应）、长句单程滚动字幕（滚动时长 = 真实音频时长） |
| 持久化 | 运行时设置独立 JSON 文件，重启、重装插件均不丢失 |
npm install && node build.mjs && npm test # 构建 + 单测
npm pack # → dsh-tts-flash-0.1.0.tgz
# 用 DSH 的插件安装流程注册该 tgz（cordis.patch.yml 会把 host 引擎 + 客户端浮条注入 profile）
日常迭代最快路径：把 lib/*.js 覆盖复制到 ~/.dsh/profiles/desktop/node_modules/dsh-tts-flash/lib/ 再重启应用。
~/.dsh/tts-flash/engines/ 放一个 JSON 声明：{
"id": "my-engine",
"label": "我的引擎",
"kind": "openai",
"url": "https://api.example.com/v1",
"apiKey": "sk-...",
"model": "tts-model-id",
"stylePrompt": "可选：音色描述/风格指令（voicedesign 类模型需要）"
}
~/.dsh/tts-flash/engines/（单用户本机场景）；请勿把该目录内容分享给他人AI 思考（已开始生成但还没有音频）时，浮条每 2.6~3.5 秒轮换一条短语并同步朗读（文字与语音由 host 统一驱动，显示什么就说什么）：
~/.dsh/tts-flash/cache/thinking/<引擎id>-<音色>.p<序号>.mp3，首次用到自动补齐整池，之后直接回放src/thinking-phrases.ts（5 条），host/client 共享，改完短语后请重新生成音频文件| 控件 | 行为 |
|---|---|
| 朗读开关 | 与朗读管线实时同步（SSE 广播） |
| 语音模型 | 自动检测（Edge）+ 各引擎，实时探测可用性 |
| 人声 | 跟随模型刷新（edge 拉微软实时列表） |
| 语速 | -75% ~ +200%；edge 服务端封顶 +100%，MiMo 式引擎翻译为自然语言控速指令 |
| 音量 | 0% ~ 200%，≤100% 播放端衰减，>100% edge 走 SSML 增益 |
| 字幕流光/字号 | 两个渐变色 + 流光速度 + 字号（10~30px），即时同步 |
| 云端引擎 | 二级弹窗添加/说明；选中引擎后可编辑音色描述、删除引擎 |
| 等待期语音 | 独立发声引擎选择 + 批量生成/清理 |
| 悬浮条位置 | 可拖动 + 「设为默认」/「重置」 |
| 试听区 | 预设文案 + 自由输入 + 测试朗读 |
src/
index.ts # host 入口：HTTP 路由 + llm/stream tap + 等待短语循环
provider.ts # TtsProvider 接口
speak-queue.ts # 串行合成队列：epoch 取消 + 预合成音频直通 + onTextEnqueue 钩子
segmenter.ts # 中英日分句 + markdown/emoji 清洗（复用 dsh-voice，MIT）
thinking-phrases.ts # 等待短语池（host/client 共享，文本↔音频 1:1）
settings-store.ts # 设置持久化 + 引擎声明发现
providers/
edge-tts.provider.ts # 微软 Edge 云端语音
openai-tts.provider.ts# OpenAI 兼容云端 TTS（双协议自适应）
client.tsx # shell.overlay 朗读浮条
settings-section.tsx # settings.section 语音设置面板（含添加引擎二级弹窗）
client-api.ts # 面板 ↔ host fetch 封装
build.mjs # esbuild：lib/index.js（host）+ lib/client.js（浏览器）
引擎接口（换/加引擎 = 新增一个 provider 文件，核心零改动）：
interface TtsProvider {
id: string; label: string; streaming: boolean
synthesize(text, opts?): Promise<Buffer> // 一句 → 音频字节
listVoices(): Promise<VoiceInfo[]>
isAvailable(): Promise<boolean>
dispose(): Promise<void>
}
/dsh-tts-flash 下）GET /config → 设置快照 + engines[] + voices[]
POST /config → 设置补丁（enabled/engine/voice/rate/thinkingEngine/…/resetPos）
POST /preview → { text, engine?, voice?, rate? } → { audio: base64, mime, … }
POST /engines → 添加云端引擎 { baseUrl, apiKey, model, alias?, stylePrompt? }
POST /engines/style → 编辑音色描述/风格指令
POST /engines/delete → 删除引擎
POST /thinking/generate → 批量生成等待语音文件
POST /thinking/clear → 清理等待语音文件
POST /cancel → { sessionId } 停止该会话朗读
GET /stream → SSE：audio 帧 + config/status 广播
BASE 与 host basePath 默认值绑定（/dsh-tts-flash），改 host 配置需同步 client。MIT