dsh-voice：为 DeepSeek Harness 带来双向语音对话的 DSH plugin

它是做什么的？

它是 DeepSeek Harness（DSH）的双向语音插件，让 DSH Web 应用实现「你说话、Agent 出声回答、麦克风持续监听」的完整语音闭环。它解决的是在 DSH 里只能打字、回复只能看不能听的麻烦，把语音输入、语音播报与自动朗读整合进同一个插件。它由 martindye 维护，采用 MIT 协议，用 TypeScript 编写，在 iPhone 或 PC 等任何能运行 Web 应用的设备上都能工作。

核心功能

• 统一输入按钮：草稿为空时是语音入口，输入中变为发送箭头，Agent 运行或系统朗读时变为停止方块，语音回合进行中显示叉号。
• 连续监听：一次回复结束后麦克风自动重新打开；若自动打开后没有识别到任何词，会静默地再尝试几次。
• 语音暂停指令：说出「hold the mic」「pause the mic」「stop listening」即可暂停监听循环而不发送消息。
• 通话中静音：语音回合进行时，听写按钮变为静音/取消静音开关，静音期间音频不会进入识别器。
• 逐条朗读与自动朗读：每条最终确定的助手消息都带朗读/停止按钮，2 分钟内的新回复可在已开启自动朗读且用过语音输入的本设备上自动读出。
• 按设备持久化的自动朗读开关：位于会话标题栏角落，绿色圆点表示该设备已启用语音，设置按浏览器保存。

怎么使用这个插件？

在 DSH 中启用后，打开 Web 应用即可在输入框旁看到统一的语音按钮：空草稿时点它开始说话，说完自动发送；Agent 回复时点消息旁的扬声器按钮即可朗读。想让它自动读新回复，就在会话标题栏角落打开自动朗读开关，该设置只对当前浏览器生效。语音合成由插件自带的 TTS 服务在运行 DSH 的机器上按需启动，文本从会话日志中提取并清理代码、链接与 Markdown 后再合成；引擎可在 GPU 的 qwen3 与 CPU 的 pocket 之间选择，默认在模型存在时使用 qwen3。

报错怎么排查？

语音合成不工作时，先确认运行 DSH 的机器上 Python 3 在 PATH 中，并已安装 numpy 与 requests；若使用 CPU 回退引擎，还需要额外的语音合成依赖。若 GPU 引擎不可用，检查模型是否放在约定的模型目录下，以及引擎选择文件是否指向了正确的引擎。端口被占用或服务未启动时，可查看宿主日志中的语音服务记录，并按官方说明调整端口或重启服务。