dsh-voco

English | 中文

像 ChatGPT 高级语音那样，用自然的语音和你的 dsh 编码 Agent 对话——而且不止是聊天，它能真正把活干完。

你开口说一句需求，dsh 立刻用自然口语回应。当你要的是一份「任务」（查代码、跑构建、改文件……），语音前端会把它派给持续复用的后台 Agent Session；完整报告留在任务界面，语音只说专门生成的口语版结果，不朗读报告。

交互

• 本地实时对话：浏览器采集音频，经本地 Silero VAD、流式 Paraformer ONNX 和 MOSS-TTS-Nano ONNX 处理，支持边说边听和打断。
• 对话式派活：前端只暴露三个编排工具——realtime_delegation（把「帮我查一下 xxx」变成真正的后台任务）、send_task_message（补充要求 / 纠正方向）、cancel_task（取消）。
• 连续任务上下文：同一语音会话的多次委派复用一个后台 Agent Session，每次任务仍有独立 delegation id。
• 异步结果回灌：进度（STATUS）和口语结果（COMPLETE）会回灌进语音对话；回复按问题复杂度自适应详略，不设固定字数上限。
• 可恢复的对话记忆：停止再启动语音或重启 DSH 后，从源 Session 恢复最近完成的用户与助手话语。
• 不中断的体验：浏览器切走、断线重连，正在跑的语音会话和后台任务都不会停。

安装

pnpm install
pnpm build
$repo = (Resolve-Path .).Path
dsh plugin --profile web add "$repo\packages\voice-app" "$repo\packages\voice" "$repo\packages\voice-local" "$repo\packages\voice-assistant" "$repo\packages\voice-web" "$repo\packages\ui-voice"

项目名是 dsh-voco，内部包统一使用 @lgquan/* 命名空间。

dsh 命令来自 npm install -g @deepseek-ai/dsh。启动 web（voice 界面随之加载）：

dsh web

本地语音环境

pnpm install 会自动运行跨平台模型安装器，把 Silero VAD、中文/英文流式 Paraformer 和 MOSS-TTS-Nano ONNX 权重下载到 speech/models。当前仓库位于 D 盘，因此模型不会占用系统盘；dsh web 启动时只加载本地文件，不临时联网下载。安装器可重复执行：pnpm run setup:voice-local。

语音运行时完全使用 TypeScript/Node 与预编译 ONNX 原生包，不要求 Python、pip、虚拟环境或 PyTorch。支持 Windows x64，以及 macOS Intel 和 Apple Silicon。

限制

• 浏览器麦克风与播放界面面向 dsh Web UI：它由复制而来的 dsh client tsdown 预设构建，并通过 dsh web 运行时的 window.__ModuleLoader__ 契约加载，因此不是框架无关的浏览器插件。
• Voice Session 记录按「读取时必需」处理的持久 voice/* 事件；不带本插件的 dsh 构建加载它们会被拒绝。