@harness-flow/dsh-voice
dsh-voice — 面向 DeepSeek Harness 的轮流语音循环：支持可插拔的 Qwen / MiMo / 本地 ASR+TTS 引擎、由代理驱动的说话/聆听工具和浏览器 PTT 界面，针对采访者预设构建
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:Harzva/dsh-voice#476969c996b986b142a9ac12b1bfd56a059ec64dVoice 以 @harness-flow/dsh-voice 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。
回合制语音通道 for DeepSeek Harness（dsh）——为「面向面试者的 preset」而生的语音插件。
Agent 通过三个工具获得语音能力，浏览器端自动配合录音/播放，形成完整的一问一答闭环：
| 工具 | 方向 | 作用 |
|---|---|---|
voice_speak | Agent → 人 | 把提问/反馈合成语音，浏览器自动播放 |
voice_listen | 人 → Agent | 弹出录音面板，候选人作答后自动转写回传 |
voice_status | — | 引擎健康检查（TTS/ASR 可用性、队列、录音状态） |
TTS 与 ASR 各自独立选择引擎，auto 模式按 qwen → mimo → local 顺序探测，取第一个可用者：
| 引擎 | TTS | ASR | 依赖 |
|---|---|---|---|
| qwen（首发） | qwen3-tts-flash（DashScope 原生 multimodal-generation） | qwen3-asr-flash（OpenAI 兼容 /audio/transcriptions） | 环境变量 DASHSCOPE_API_KEY |
| mimo | MiMo-V2.5-TTS（POST /audio/speech） | MiMo-V2.5-ASR（POST /audio/transcriptions） | 环境变量 MIMO_API_KEY；baseUrl/model 可配（本地 MiMo 网关同理） |
| local | sherpa-onnx / piper 二进制 / macOS say | sherpa-onnx（paraformer/zipformerCtc 等离线模型）/ whisper.cpp 二进制 | 本地模型与二进制，零 API 依赖 |
本地 ASR（sherpa-onnx）已验证闭环：macOS
say合成中文 → 16 kHz WAV →sherpa-onnx-paraformer-zh-small-2024-03-09（int8，约 82 MB，hf-mirror 可下载） 转写，552 ms、逐字命中。插件将sherpa-onnx-node声明为 optionalDependency， 本地引擎生效只需：模型目录就位 + 配置asr.local.{kind, modelType, modelDir, model}。
音频落盘在 ~/.dsh/voice（可配），由本机 loopback 路由（支持 Range）服务给浏览器；浏览器端以 16 kHz 单声道 WAV 录音（对所有 ASR 后端通用）。云引擎只收到需要转写的音频本身。
dsh plugin --profile web add @harness-flow/dsh-voice
安装后重启对应 profile 生效。插件行的默认配置是中性值；在你的 profile 的
cordis.patch.yml里按行 iddsh-voice覆盖（不要重复 insert 同一 id）。
- id: dsh-voice
config:
asr:
engine: auto # auto | qwen | mimo | local
language: zh
# qwen: { apiKeyEnv: DASHSCOPE_API_KEY, model: qwen3-asr-flash, baseUrl: https://dashscope.aliyuncs.com/compatible-mode/v1 }
# mimo: { apiKeyEnv: MIMO_API_KEY, model: MiMo-V2.5-ASR, baseUrl: https://api.mimo.mi.com/v1 }
# local: { kind: sherpa-onnx | whisper-bin, modelType: paraformer, modelDir: ~/.dsh/voice-models/paraformer-zh-small, model: model.int8.onnx, bin: ... }
tts:
engine: auto # auto | qwen | mimo | local
voice: Cherry
# qwen: { apiKeyEnv: DASHSCOPE_API_KEY, model: qwen3-tts-flash, baseUrl: https://dashscope.aliyuncs.com/api/v1 }
# mimo: { apiKeyEnv: MIMO_API_KEY, model: MiMo-V2.5-TTS, baseUrl: https://api.mimo.mi.com/v1 }
# local: { kind: sherpa-onnx | piper-bin | say, modelDir: ..., bin: ..., model: ... }
audioDir: ~/.dsh/voice
listenTimeoutSec: 120
sherpa-onnx 需要 profile 里安装 sherpa-onnx-node 并配置模型目录；whisper-bin/piper-bin 指向 whisper.cpp / piper 的可执行文件与模型。tts.mimo.baseUrl / asr.mimo.baseUrl 指向本机地址即可复用同一实现。preset 与插件各司其职：插件负责语音链路（host 侧服务 + 浏览器 UI），preset 只负责「面试官」这个角色与流程。给面试 preset 的 persona 建议：
- id: persona
name: '@deepseek-ai/dsh-persona'
config:
text: >-
你是一位专业的面试官，正在通过语音进行一场结构化面试。
一次只提一个问题：用 voice_speak 朗读问题，随后立刻调用 voice_listen
等待候选人作答；根据 transcript 追问或进入下一题。
流程：开场寒暄 → 自我介绍 → 技术/项目深挖 → 行为面 → 候选人提问 →
结束语与后续安排。全程专业、中立、鼓励，不做主观臆断；
面试结束后输出评分表（各维度 1–5 分 + 一句话依据）与录用建议。
pnpm install
pnpm check # build + 22 项单元测试
pnpm run verify:dsh-offline # 一次性 DSH_HOME 隔离 profile 启动验证（不碰用户 profile）
src/index.ts（TypeScript，tsc 直出 ESM 到 lib/）src/client/*.tsx（esbuild 打成 window.__ModuleLoader__.load 懒加载 CJS 包）node --test test/*.test.mjs（fake/mock 引擎，不访问网络）scripts/browser-accept.mjs（Playwright，需 DSH_VOICE_BASE_URL + PLAYWRIGHT_ENTRY 环境变量）Harzva/dsh-voice（topic: dsh-plugin），Release tarball 即安装包：
dsh plugin --profile web add github:Harzva/dsh-voicedsh-plugin topic 的仓库会在话题驱动市场（DSH-Plugins-Marketplace、
DSH-Plugin-Market 等）自动收录。voice_speak 阻塞到合成完成（2–5s），保证「提问 → 收听」顺序；全双工打断（barge-in）留给后续版本。voice/* 会话事件（历史加载兼容风险），聊天记录里保留文本转写。