PolinniZhong/dsh-omi-voice

dsh-omi-voice

让 DeepSeek Harness（DSH）桌面端里的 AI 回复，用豆包自然音色读给你听。语音由你本机常驻的 Omi 引擎合成，豆包 API Key 只留在你自己的钥匙串里（BYOK）。

快速概览

项目 · 说明 插件名称 · dsh-omi-voice 适配平台 · DeepSeek Harness（dsh web，含桌面端）+ macOS 上的 Omi 引擎 v0.1.3+ 解决的问题 · DSH 内置朗读（系统语音 / Edge TTS）音色机械、像上个时代的播报腔；通用剪贴板工具又要先复制再读 工作方式 · 点回复旁 🔊 朗读/暂停/继续；只读最终回答，工具日志/代码/表格/图形朗读前自动过滤 语音能力 · 豆包 TTS 1.0（seed-tts-1.0），自然中文音色，支持暂停/继续（从暂停处续播） 隐私特性 · API Key 存入 Omi 引擎的 macOS Keychain；插件零 Key；仅本机 127.0.0.1 通信 成本 · BYOK，按字符计费；内存 LRU 缓存 + 去重，避免重复请求 开源协议 · MIT License

三步开始朗读

1. 安装插件 + 构建并打开 Omi 引擎（见下方「获取豆包 API Key」与「安装」）。
2. 在 Omi 引擎设置页保存一次豆包 API Key。
3. 在 DSH 对话里点 AI 回复旁的 🔊，即可朗读。

flowchart LR
    A[点 🔊] --> B[插件取回复的最终回答文本]
    B --> C[POST 127.0.0.1:8765/v1/speak]
    C --> D[Omi 引擎清洗 + 分段]
    D --> E[豆包 TTS 流式合成]
    E --> F[本机扬声器播放]

获取豆包 API Key（新手必读）

本插件是 BYOK（自带 Key）：豆包语音由你自己的火山引擎账户按字符计费。三步拿到 Key：

第 1 步 · 找到「豆包语音」：登录火山引擎控制台，进入「豆包语音」（语音技术）服务。

第 2 步 · 开通「语音合成 1.0」：在产品列表里开通「语音合成大模型 / 语音合成 1.0」。

第 3 步 · 创建 API Key：创建 Access Key 时，关联第 2 步开通的「语音合成 1.0」服务；把得到的 API Key 填进 Omi 引擎「设置 > API Key」并保存。

API Key 只保存进 Omi 引擎的 macOS Keychain，插件侧零 Key、不出本机。

安装

dsh plugin --profile web add "github:PolinniZhong/dsh-omi-voice#v0.1.3&path:/"

已发布 npm，也可直接装（更短）：

dsh plugin --profile web add dsh-omi-voice

本地开发可直接装目录：

dsh plugin --profile web add /path/to/dsh-omi-voice

引擎（Omi DSH）构建见 engine/README.md：./engine/build/build-service.sh 后 ditto 到 ~/Applications/Omi DSH.app。

使用

• 🔊 点读；播放中再点 = 暂停，再点 = 从暂停处继续；点其它消息的 🔊 = 打断并读新的。
• 只读最终回答：工具执行日志、思考过程不会读；代码围栏、表格、纯图形（盒绘/ASCII）在请求前过滤，回复若只有这些内容，按钮呈禁用态并提示"没有可朗读的内容"。
• 引擎未启动 / 未配置 Key 时，点击会给出明确提示（含去哪打开 Omi）。

成本透明

豆包 TTS（seed-tts-1.0）按字符数计费，由你在火山引擎账户自行承担。为此：

• 只有手动点 🔊 才合成，不自动朗读；
• 引擎对相同文本 3 秒内去重，且进程内 LRU 缓存最近 3 条（≤5MB、纯内存、退出即清），重复朗读不重复计费；
• 纯表格/纯代码等无有效内容不发请求（invalid_text）。

架构与协议

插件只是"遥控器"：播放、变速、暂停/继续、缓存、文本清洗全部在 Omi 引擎内完成。协议见 docs/API.md（/v1/status、/v1/speak、/v1/pause、/v1/resume、/v1/stop）。

FAQ

问题 · 回答 点 🔊 提示"未检测到 Omi DSH 引擎" · 打开应用「Omi DSH」（~/Applications 或 ⌘空格 搜 "Omi"），建议开「开机启动」 提示"请先在 Omi 设置页配置豆包 API Key" · 打开「Omi DSH」设置，按上文「获取豆包 API Key」填一次并保存 按钮是灰的 / 点它没反应 · 这条回复没有可朗读的内容（纯代码/表格/图形），已自动过滤 音色能换吗 · 在 Omi 设置页「音色 ID」改（当前插件不提供音色 UI） 支持 Windows 吗 · 暂不支持：Omi 引擎仅 macOS Apple Silicon 和 dsh-voice-chat 的区别 · 它零 Key 零成本但用系统机械音色；本插件用豆包自然音色，代价是 BYOK 按字符计费

相关

• 引擎：本仓库 engine/（Omi DSH 本地引擎，Swift 源码 + 构建脚本）
• 生态：awesome-dsh-plugin

项目文档

• AGENTS.md — 给 AI 编码代理的项目说明（Codex 约定）
• docs/DESIGN.md — 架构与设计
• docs/DECISIONS.md — 设计决策记录
• docs/MEMORY.md — 长期知识库（坑/结论）
• docs/HANDOFF.md — 交接与续作
• docs/API.md — 本地协议

License

MIT