plugin

dsh-yourself-voice · 你的语音

把你的 GPT-SoVITS 音色接进 DSH（DeepSeek Harness）：

• 🔊 一键朗读：每条助手回复下方的操作行里多一个喇叭图标，点一下用你的音色念出来，播放中再点一下立刻停。
• 🎛 可视化设置页：DSH「设置 → 插件 → 你的语音」，左侧竖排 tab：音色与模型 / 合成参数 / 参考音频 / 朗读与按钮 / 服务与诊断。卡片式音色库、试听、预设、参数微调全在界面里点点就行。
• 🧩 工具与命令：voice_speak / voice_settings 两个工具，以及输入框里的 /voice 命令，给智能体和你自己都能用。
• 🔒 全在本机：推理服务（api_v2.py）跑在 127.0.0.1，音频不出机器。

---

它需要什么

插件本身不训练模型：训练在 GPT-SoVITS 那边做完，这里负责「切换、调参、试听、朗读」。

---

安装

方式一：插件市场 / CLI（推荐）

dsh plugin --profile web add dsh-yourself-voice

方式二：本地目录（开发或不想发布时）

在 DSH 的 profile 补丁（~/.dsh/profiles/<profile>/cordis.patch.yml）里加一条：

- insert:
    - id: yourself-voice
      name: "file:///绝对路径/plugin/index.mjs?v=1"
      config:
        dataDir: "绝对路径/你的数据目录"

config.dataDir 省略时默认 ~/.dsh/yourself-voice。改完重启 DSH（或用下面的 ?v=N 热重载）。

用 dsh plugin add 装的话，profile 里的 node_modules/dsh-yourself-voice 会指向这个包， 入口名写包名即可；本仓库的 install/install.ps1 是等价的手工安装脚本。

---

第一次配置（5 步）

1. 打开 设置 → 插件 → 你的语音。
2. 服务与诊断 tab：把「GPT-SoVITS 根目录」填成你的 GPT-SoVITS 仓库路径（里面有 api_v2.py）。
3. 音色与模型 tab：点「⟳ 刷新」，扫出来的音色会变成卡片；点卡片即切换（切换是热切换，不用重启服务）。想先听效果就点卡片右下角的 ▶。
4. 参考音频 tab：选中 ref/ 里的音频，确认「参考文本」与音频逐字一致（同名的 .txt 会被自动填进来）。
5. 朗读与按钮 tab：点「▶ 试听一句」确认能出声。之后每条助手回复下面就有喇叭了。

第一次朗读会拉起推理服务，冷启动大约 1 分钟（看显卡和模型大小），之后常驻、单条合成通常 3~8 秒。

---

界面里能改什么

改动即时保存：普通输入失焦/防抖 300ms 写盘；下拉、开关、点卡片立刻生效。 涉及模型架构 / 设备 / 端口 / 模型目录的改动会重启推理服务（界面会提示）。

---

音色包：把整套音色打包搬走

主包故意不带权重（一个音色动辄 200 MB，塞进 npm 包每次升级都要重下）。权重走「音色包」：一个 .tar.gz，里面是 manifest.json + GPT 权重 + SoVITS 权重 + 参考音频 + 参考原文。

装的人只需要 设置 → 插件 → 你的语音 → 音色包 → 下载安装（也可以「选本地 .tar.gz」装别人传给你的文件）。装完会自动切到新音色、重启一次推理服务；同一份包重复装会识别出「文件都在、大小一致」，不重写、不重启。

• 装之前会逐文件校验 sha256，有一个字节不对就整包拒收，不会留下半套权重。
• 只认 manifest 里列出的文件（路径必须落在 GPT-SoVITS 目录或数据目录内），包里有别的东西直接拒收。
• 装过什么记在 <数据目录>/voicepack/installed.json，界面据此显示「已安装 / 更新可装」。

做包（发布者）

# 在 plugin/ 目录，Node 用 DSH 自带的那份即可
node scripts/build-voicepack.mjs --write
# 产出 dist/aemeath3-1.0.0.tar.gz，并把 size / sha256 / 文件清单写回 voicepacks.json

常用参数：--id、--label、--version、--out、--url、--gpt、--sovits、--ref、--prompt、--data-dir。 默认取 settings.json 里当前正在用的那套音色，所以「我现在听的这个」就是被打包的那个。

托管与发布

1. 一条命令搞定（本机没有 Node 也能跑，只要系统自带 curl.exe）：

   .\release-voicepack.cmd -Repo <你的GitHub用户名>/dsh-yourself-voice -Token <GitHub token>
   

   它会核对包的 size/sha256 → 建/复用 Release（tag voicepack-<id>-<version>）→ 流式上传 203 MB → 回读核对 → 只改 voicepacks.json 里 url 那一行。仓库不存在时加 -CreateRepo 自动建（必须 public，否则别人下不到附件）；-DryRun 只核对不上传。

2. 想手传也行：把 dist/*.tar.gz 传到 GitHub Releases（或任意直链对象存储），把地址写进 voicepacks.json 的 url（size、sha256、files 由 build-voicepack.mjs 填好），再发 npm 包。

3. 界面会给 size 做进度条、装之前核对整包 sha256；url 空着时按钮是灰的，并提示发布者还没配地址。

dist/ 不进 npm 包（见 .gitignore 与 files 白名单），发布前记得单独上传。音色包里的权重能不能再分发，取决于训练者授权——自己训练的才 freely 分发。

---

工具与命令

voice_speak   { text, play?, speed?, textLang?, maxChars?, raw? }
voice_settings{ action: show|help|status|models|voices|set|preset|applyVoice|preview|reload|start|stop|restartServer, changes? }

/voice on | off | say <文本> | last | speed <n> | lang <代码> | voices | use <音色名> | button on|off

---

宿主 HTTP 接口

浏览器半边只跟这些路由说话（前缀 /yourself-voice，仅接受本机同源请求）：

---

目录结构

plugin/                  ← npm 包（要发布的就这个目录）
  index.mjs              宿主半边门面：工具、命令、自动朗读、路由装配
  api.mjs                全部 HTTP 路由（设置 / 模型 / 试听 / 朗读）
  settings.mjs           设置读写、默认值、校验、字段元数据、生成 tts_config.yaml
  models.mjs             扫权重目录、配「音色」、扫参考音频
  engine.mjs             拉起推理服务、POST /tts、本机播放
  text.mjs               Markdown → 口语文本
  voicepack.mjs          音色包：下载 / 解包 / 逐文件校验 / 落地 / 记账
  voicepacks.json        音色包清单（id、label、version、size、sha256、url）
  scripts/               build-voicepack.mjs：把当前音色打成 .tar.gz 并回填清单
  client.js              浏览器半边（手写 bundle）：设置页 + 喇叭按钮
  tool.mjs               defineTool 的本地等价实现（官方包不在插件解析范围内）
  assets/                首次运行铺进数据目录的模板（start_server.ps1 / speak.ps1 / ref 说明）
  test/                  自测脚本（宿主接口 / 浏览器半边 / 音色包 / 引擎，见下）
  cordis.patch.yml       npm 装载用的补丁片段

数据目录（默认 ~/.dsh/yourself-voice）：

settings.json            设置
tts_config.yaml          按设置生成，给 api_v2.py 用
ref/                     参考音频 + 文本
out/                     最近输出、服务日志、试听历史（out/previews/）
start_server.ps1         拉起推理服务（从 assets/ 铺开）

---

疑难排查

喇叭点了没反应 / 一直是「合成中…」 看 服务与诊断 → 看服务日志；/yourself-voice/debug 也能看到引擎状态与装配问题。 冷启动第一次要等约 1 分钟。

切了模型没生效 GPT-SoVITS 的模型架构（v1/v2/v3/v4）必须和权重所在目录对应，放错目录就会加载失败。 设置页「音色与模型 → 高级」里的「模型架构」要和权重目录一致；换架构会重启服务。

报「参考音频不存在」/ 读出来不像 ref/ 里的音频要 3~10 秒、干净、无伴奏；「参考文本」必须和音频逐字一致（差一个字都会跑调）。

端口被占用 默认 127.0.0.1:9880，和别的 GPT-SoVITS 实例撞了就在「服务与诊断」里改端口（会重启）。

音色包下载慢 / 卡在某个百分比 进度条走的是 content-length，断流会一直停在原地——点「取消」再来一次即可（已下完的部分用临时文件，重试从 0 开始）。 加速：把 .tar.gz 放本机/局域网，用「选本地 .tar.gz」装，跳过下载。

音色包装完，念出来还是原来那个声音 看「服务与诊断 → 服务状态」：装完会自动切音色并重启一次，重启要十几秒到一分钟；重启失败时界面会在音色包 tab 下面写原因（已装好，但自动切换音色失败：…），到「音色与模型」手动点一下新卡片就行。

装完看不到设置页 profile 补丁里的 id / 入口名要对应；用 dsh plugin list --profile web 确认插件是 active， 再刷新页面。宿主代码改了按下面的热重载走一遍。

---

开发：改完不用重启 DSH

浏览器半边（client.js）和宿主半边（*.mjs）都可以热重载：

1. 改 plugin/*.mjs 或 plugin/client.js；
2. 把 profile 补丁里入口名的 ?v=N 加一（例如 index.mjs?v=3 → ?v=4）；
3. 同时把插件内部所有相对 import 的 ?v= 也加一（./api.mjs?v=3 → ./api.mjs?v=4，涉及的 文件：index.mjs、api.mjs、engine.mjs、text.mjs……）。漏掉这一步会出现 The requested module './settings.mjs' does not provide an export named '…' 这类怪错： 入口被重新 import 了，但它 import 的依赖还是缓存里的旧模块（相对 import 解析出的 URL 不带 query，命中旧缓存）。工作区里有个小工具可以直接批量改： .scratch\bump-plugin-imports.mjs <N>；
4. 用插件管理器把 yourself-voice 关一次、开一次（GUI 里点，或 plugin_manager set_plugin）；
5. 验证：out/plugin-module-loaded.json 里的 url 变成新的 ?v=N，且

curl http://127.0.0.1:19387/yourself-voice/ping

为什么要这样：Node 的 ESM 模块缓存按 URL 字符串命中，?v=N 变了才会真正重新 import； 浏览器帮手的 bundle 也是在插件激活时快照的，同样需要重新扫描一次。

---

自测（发布前跑一遍）

npm install                 # 装 devDependencies（jsdom / react / react-dom）
npm test                    # = test:voicepack + test:api + test:ui
npm run test:voicepack      # 只跑音色包（不用开 DSH、不联网）
npm run test:engine         # 只看引擎（不用开 DSH）

这台开发机上没有装 Node.js，所以上面几行要走插件目录里的发布脚本（它用 DSH 自带的 node+pnpm）： .\publish.cmd -DryRun（= 自测 + 打包干跑 + 发布干跑）。装上 Node.js 之后 npm test 一样能用。

test/api.mjs 会真的合成一次（几秒），并且跑完把 settings.json 按字节还原。指定目标：

node test/api.mjs --host http://127.0.0.1:8080 --data-dir "C:\\...\\aemeath-voice"
node test/ui.mjs --host http://127.0.0.1:8080

---

上架到插件市场

这个包按市场要求准备好了（dsh.manifestVersion / dsh.client / dsh.compatibility / engines / files 白名单 / 中英 README / MIT 许可证 / 截图目录），发布步骤、精选列表 awesome-dsh-plugin 的 PR 条目模板、 以及上架前 checklist 都在 PUBLISH.md。

---

English

dsh-yourself-voice brings your locally trained GPT-SoVITS voice into DSH:

• a speaker icon in every assistant message's action row — click to speak, click again to stop instantly;
• a full settings UI under Settings → Plugins → 你的语音 (voice cards, synthesis parameters, presets, reference audio, service control, logs);
• voice_speak / voice_settings tools and the /voice command for agents and humans alike;
• voice packs: prebuilt voice .tar.gz bundles (weights + reference clip + transcript) installed with one click from the settings page, sha256-verified per file, auto-switched after install;
• everything local: inference runs on 127.0.0.1, audio never leaves the machine.

Requirements: DSH, Node ≥ 20, a local GPT-SoVITS checkout (api_v2.py), trained weights, and a 3–10 s clean reference clip with its exact transcript. Install: dsh plugin --profile web add dsh-yourself-voice, then set the GPT-SoVITS root in the settings tab. MIT licensed.

---

许可

MIT，见 LICENSE。