dsh-xiaomi-tts
为 DSH 添加 Xiaomi MiMo 与豆包语音朗读、浏览器本地语音兜底和可选 UI 音效。
云端语音的计费以对应服务商的官方政策为准。
🎨 预览
QQ 群 交流·建议：1104616387 · 扫描海报二维码
 |
 |
✨ 功能
- 消息朗读：一键朗读或自动播报，过滤网址、代码等内容。
- 双服务商：支持小米 MiMo、豆包流式语音，以及内置、自定义和复刻音色。
- 本地语音：浏览器语音开箱即用，可设为优先或云端兜底。
- 播放控制：0.5×–2.0× 语速、音量、暂停、继续、停止及音频历史。
- 设置与音效：独立“语音朗读”设置页可调音色、朗读音量、朗读语速和朗读范围，并控制自动播报与 UI 音效。
- 扩展联动：提供插件语音接口，附带可选的鲸鱼娘 Agent 预设。
📋 环境要求
- DSH
0.1.7-x至0.2.x，当前目标版本为0.2.1-rc.3；Node.js 22.13+。 - 云端语音需要对应 API Key；豆包还需开通所选语音资源。
- 豆包持续文本输入要求 DSH Host 支持 WebSocket upgrade 注册；桌面端使用 DSH 提供的 Host 流连接地址，Web 端使用页面部署地址，反向代理需转发 Upgrade。
🚀 安装
在 DSH 桌面端或 Web 端的插件管理面板搜索 dsh-xiaomi-tts 安装。
Web 端也可通过命令安装：
dsh plugin --profile web add dsh-xiaomi-tts@latest
使用社区插件市场时，在「设置 → 插件市场」搜索 xiaomi-mimo-tts。
Web 端卸载：
dsh plugin --profile web remove dsh-xiaomi-tts
🐋 首次使用
安装后可直接用浏览器语音朗读，自动播报和 UI 音效默认关闭。启用云端语音：
- 点击顶部开关区的服务商按钮切换小米 MiMo／豆包，填写对应的小米 Key 或豆包 Key并保存。
- 在“调音台”选择模型、音色，在“播报台”试听。密钥须先保存，模型和音色可用草稿试听。
- 按需开启自动播报和音效，保存配置。
⚙️ 配置说明
服务商与音色
切换服务商后需保存；两家的密钥、模型、音色和语音指令分别保留。
| 模型 | 音色配置 |
|---|---|
小米内置（mimo-v2.5-tts） |
中文：冰糖、茉莉、苏打、白桦；英文：Mia、Chloe、Milo、Dean。 |
小米音色设计（mimo-v2.5-tts-voicedesign） |
选择预设，或填写音色描述。 |
豆包标准合成（seed-tts-2.0） |
选择内置音色，或填写标准音色 ID。 |
豆包声音复刻（seed-icl-2.0） |
创建音色后填写音色 ID，不能为空。 |
语音指令支持情绪、风格和方言，可选标签或自行编辑；效果因模型、音色和文本而异。本地语音与豆包复刻不应用指令。
豆包按密钥自动选择线路：ark- 开头的火山方舟 Ark API Key 直接连接 Agent Plan 个人版语音线路；其他格式先连接标准线路，握手返回 401 或 403 时再尝试 Agent Plan。使用 Agent Plan 时填写套餐专属 API Key，个人版文档列出的语音合成模型为 seed-tts-2.0。Coding Plan 不包含语音模型。
豆包自定义和复刻音色 ID 各保留最近 10 条历史，失焦或按 Enter 记住，点击标签回填。
豆包语速调整对下一次合成生效，历史录音保留原语速；小米流式调速可能改变音调。
浏览器本地语音
- 云端优先：云端在播放前失败时，尝试浏览器语音。
- 本地优先：先用浏览器语音，失败后尝试云端。
- 关闭本地语音：仅使用所选云端服务。
本地音色由 Web Speech API 提供，语言、声音及离线能力取决于浏览器和系统。云端已开始播放后出错，不会从头重播或自动切换服务商。
朗读范围
- 智能模式：自动读开头两个语义段，必要时补收尾提示；手动读全文。
- 全文模式：自动和手动都读全文。
- 首段模式：自动和手动都只读首个语义段。
设置入口与播报来源
在「设置 → 语音朗读」顶部切换 Xiaomi-MiMo / Doubao-Seed，再调整音色、朗读音量、朗读语速、朗读范围、自动播报和音效，与插件设置卡片共用配置。服务商切换立即生效，各服务商的音色和密钥配置分别保留。
页面右上角提供源码、QQ 群二维码和插件设置入口。语音关闭、当前服务商密钥缺失或音色未配置时，会显示可关闭的提醒，并提供相应设置入口。
“播报台”提供文字试听和来源开关：
收起时也可点击摘要中的“试听”标签播放或停止；来源开关分为宿主播报与第三方插件联动。
| 来源 | 默认 | 说明 |
|---|---|---|
dsh-pet |
关闭 | 桌宠播报联动。 |
dsh-whale-musume |
开启 | 控制对外语音接口。 |
| 提问卡片标题 | 开启 | 需同时开启自动播报；翻题、提交、关闭或切换会话时停止。 |
| 审批提醒 | 关闭 | 独立于自动播报；审批处理或撤回后停止。 |
| 后台任务结果 | 关闭 | 独立于自动播报；需宿主 jobs 服务，仅在观察到任务从运行转为完成、失败或取消时播报。 |
提问、审批和后台任务仅播报当前会话的新事件，旧记录不补播；审批和任务提醒忙碌时跳过，宿主缺少对应服务时不可用。
同一浏览器的同源 DSH 页面由最近聚焦的页面播放，切页会停止旧页音频，旧回复不补播。切到其他网站或应用可继续后台播放；此协调不跨浏览器、设备或域名 / 端口，禁用本地存储时仅聚焦页播放。
🔌 三方插件联动
通过可选服务调用当前服务商的语音：
import type { XiaomiMimoTtsService } from 'dsh-xiaomi-tts/client-api'
const tts = ctx.get('xiaomiMimoTts') as XiaomiMimoTtsService | undefined
tts?.play('欢迎回来')
通过 ctx.get() 动态获取服务，避免声明为必需注入。插件未安装、未就绪或关闭时跳过；新播放会中断当前朗读，可用 tts?.stop() 停止。
🐳 鲸鱼娘 Agent 预设
默认关闭。在「设置 → 插件 → 本插件 → 包含的组件」开启“鲸鱼娘”，新建会话时选择该 Agent 预设。
预设支持文件读写、联网查询、交互提问和对话压缩，附带 44 张本地表情包，无法显示时使用文字。人设与关键词参考 DeepSeek-chan Meme Pack。
🔒 隐私与网络访问
- API Key 由 DSH Host 保存，浏览器只读取配置状态；豆包连接由 Host 代理，文本和音色 ID 仅提交给所选服务商。
- Web Speech API 的在线音色可能向浏览器、系统或其网络语音服务发送文本。
- 成功生成的云端音频存于浏览器 IndexedDB，最多 100 条 / 100 MB，可在「音频历史」试听、下载。流式 PCM 保存为 24 kHz 单声道 WAV，本地语音无法导出。
- 音效核心移植自 uisfx 0.4.0，采用 MIT License，详见 NOTICE。
🛠️ 开发
本地预览渲染 src/client/settings/card.tsx 和独立的“语音朗读”设置页：
pnpm install --frozen-lockfile
pnpm dev
预览服务会监听局域网接口，可在同一网络的其他设备上访问终端输出的 Network 地址。
常用检查：
pnpm typecheck
pnpm test
pnpm dev:build
pnpm pack:check
pnpm build 构建插件；pnpm profile:check 验证本机 DSH Web profile 安装状态。
Windows 本地开发链接切换为 npm 包：先停止 DSH Web，再运行：
.\tools\start\dsh-plugin-reinstall.bat 4.2.4
清理 Desktop 残留的本地链接：退出 Desktop 后运行：
.\tools\start\dsh-plugin-uninstall-local-link.bat desktop
🤝 推荐
- dsh-deep-whale · 鲸鱼娘主题皮肤系列。
- dsh-whale-musume · 元气鲸鱼娘桌宠，支持语音联动。
- dsh-pet · 蓝色大肥鱼桌宠，支持播报联动。
- dsh-plugin-uisfx · 语义化 UI 音效。本项目已内置。
- dsh-dream-skin · 原生换肤、背景壁纸、强调色和主题包。