dsh-voice-chat

DSH Voice Chat — 语音输入 + 朗读回复插件

给 DeepSeek Harness Web 界面增加语音对话能力：

• 🎤 语音输入：说中文自动识别填入输入框（Web Speech API，零服务端/零密钥）
• 🔊 朗读回复：每条 AI 回复可朗读（TTS），并支持自动朗读（默认开启）
• ⚙️ 语音设置：人声选择、语速、语调，识别语言（普通话/粤语/台湾国语/英语）

纯 Client 插件，无服务端、无 API Key、无模型下载（浏览器自带语音引擎）。

功能

• 🎤 语音输入：点击输入框旁的 🎤，说出内容，识别文字自动填入（实时中间结果 + 可编辑后再发送）
• 🔊 朗读回复：每条 AI 回复旁有 🔊 按钮，点击朗读该条回复，再点停止
• 🔁 自动朗读：每条新回复生成后自动朗读（默认开），按会话消息序号判断新旧，历史消息/刷新页面不会重读；⚙️ 面板一键关闭
• 🗣️ 人声选择：从浏览器全部语音里选（默认中文优先，如 Microsoft Huihui）
• ⏩ 语速 / 🎼 语调：滑杆实时调节（0.52.0 / 02.0）
• 🌏 识别语言：普通话 zh-CN / 粤语 zh-HK / 台湾国语 zh-TW / 英语 en-US
• 🧹 朗读文本清理：自动剥掉 Markdown 标记（粗体、斜体、代码、# 标题、列表、表格、链接等），避免 TTS 读出"星号星号"等噪音
• 💾 所有设置存 localStorage，刷新后保留

安装

一条命令（git 源，产物已入库，无需构建）：

dsh plugin --profile web add "github:lak321/dsh-voice-chat#<commit>&path:/"

<commit> 换成最新提交号（见仓库主页）。或本地目录：cd dsh-voice-chat && dsh plugin --profile web add .

装完重启 DSH（npx -y @deepseek-ai/dsh web），浏览器打开后输入框旁出现 🎤 和 ⚙️ 按钮，每条 AI 回复旁出现 🔊 按钮。

兼容 DSH Profile：web。
旧的手动复制 client/ 并注入 cordis.patch.yml 的方式已废弃，由 bundle 层栈安装替代。

使用

1. 🎤 语音输入：点 🎤 → 说话 → 文字自动填入输入框 → 编辑/直接发送
2. 🔊 朗读：点回复旁的 🔊 朗读该条；朗读中再点停止
3. ⚙️ 设置：自动朗读开关、人声、语速、语调、识别语言

工作原理

• Client 插件：通过 ctx.slots.inject 注册两个 slot：
  • conversation.input.left（🎤 voice-input order 5、⚙️ voice-settings order 8）
  • conversation.chat.assistant-actions（🔊 voice-speak order 5）
• 语音输入：SpeechRecognition（zh-CN，interim 实时结果 + maxAlternatives 5），识别结果 inputActions.setDraft()
• 朗读：speechSynthesis + 中文语音；getVoices() 异步 → 监听 voiceschanged 事件 + 500ms 轮询兜底（3s 上限）
• 自动朗读去重：localStorage 记录每个会话已朗读到的最大消息 seq，只朗读比它新的回复
• 文本提取：从会话快照 snapshot.nodes 找 {kind:'assistant', messageId, blocks:[{kind:'text',text}]} 节点

开发要点（踩坑记录）

• props.useSession 是 React Hook，必须在组件函数体顶层调用，绝不能在 onClick 里调用（否则报 React #321 Invalid hook call，点击无反应）。selector 需返回原语（字符串/数字），避免重渲染风暴。
• client 插件必须导出 exports.inject（依赖列表，如 ["slots"]），否则 ctx.slots 不可用、apply 静默失效。
• client.js 是 window.__ModuleLoader__.load({id, factory}) 格式，factory 内 require("react")，导出 exports.apply / exports.inject。
• 改 client.js 后无需重建 Web 包：HTTP 拉取即新内容，浏览器 Ctrl+F5 刷新生效。

License

MIT