dsh-plugin-speak —— DSH 回答语音朗读插件

仓库：https://github.com/wangcd1313/dsh-plugin-speak · 许可：MIT

把 DSH 的回复用语音念出来，在「设置 → 通用」里可调，随 DSH 启动自动生效，对所有会话有效。

• 宿主半侧 lib/index.js：监听回合结束 → 读该轮转写 → 清洗 Markdown → 合成语音并播放。
• 浏览器半侧 lib/client.js：在设置页「通用」里加一张「语音朗读」卡片。

装在哪儿

位置	作用
~/.dsh/tools/dsh-plugin-speak/	源目录（改这里，然后同步到 profile）
~/.dsh/profiles/desktop/node_modules/dsh-plugin-speak/	DSH 实际加载的副本
~/.dsh/profiles/desktop/package.json → dependencies	声明为 profile 依赖（file:../../tools/dsh-plugin-speak）
~/.dsh/profiles/desktop/cordis.patch.yml → - id: speak	启用条目与默认配置

改完源码同步：

Copy-Item "$env:USERPROFILE\.dsh\tools\dsh-plugin-speak\lib\*" `
          "$env:USERPROFILE\.dsh\profiles\desktop\node_modules\dsh-plugin-speak\lib\" -Force

设置项（都即时生效，不用重启）

键	含义	默认
enabled	总开关	开
stopOnWindowChange	切换窗口立即停止朗读（离开 DSH 窗口就静音；切走期间结束的回复不念，回窗口后恢复）	开
stopOnSessionSwitch	切换会话立即停止朗读（从会话 A 切到会话 B 时，正在念的回复马上停止；新会话照常朗读）	开
readFinal	朗读每轮最终回复	开
readSteps	朗读每一步的过程说明	关
readReasoning	朗读思考过程（reasoning）	关
readToolCalls	朗读工具调用摘要	关
skipCode	跳过代码块	开
maxChars	单次最多字数（超出按句号截断）	800
engine	auto / edge / sapi	auto
voice	Edge 音色	zh-CN-XiaoxiaoNeural
rate	语速 −50…+50	0
volume	音量 0–100	100

设置页写入会落回 cordis.patch.yml 的 - id: speak 段。

切换窗口 / 切换会话立即停止朗读（stopOnWindowChange / stopOnSessionSwitch）

目标：用户切到别的窗口/应用，或从会话 A 切到会话 B 时，正在念的回复马上闭嘴； 切窗口期间结束的回复也不再念，回到 DSH 窗口后恢复。两个开关互相独立。

链路（两端都在本插件里）：

1. 浏览器半侧 lib/client.js 监听 window 的 blur / focus / pagehide 与 document.visibilitychange，失焦时向 http://127.0.0.1:47653..47657 逐个 POST /stop，回焦时 POST /focus（mode:'no-cors'，宿主的控制端只认这几个端口）。
2. 切换会话：客户端订阅 uiSession.current（当前主视图会话 binding），key（sessionId） 变化即 POST /session。宿主只停下当前这一段并压 3 秒，不做长时间静音——用户还在 看 DSH，新会话的回复该念还得念。
3. 宿主半侧 lib/index.js 在 127.0.0.1 上起一个只处理 /stop、/session、/focus 的极简 HTTP 控制端（端口 47653–47657 里第一个可用的）。收到 /stop 立刻 taskkill /T /F 掉正在播放的 PowerShell，并把「静音窗口」设成 60 秒；/session 同样杀播放但只压 3 秒；/focus 立即解除。
4. 合成期间切走也算：Edge 合成要几秒，speak() 在合成后、播放前会再判一次， 已切走就直接丢弃音频，不会「切走了过几秒突然响」。
5. 防呆：页面万一没上报回焦（旧前端、渲染进程挂起），静音最多持续 60 秒后自动恢复。

改这两段代码后 DSH 必须重启才生效（客户端半侧刷新页面即可，宿主半侧要重启进程）。 重启后日志里会有 控制端已监听 127.0.0.1:47653（切换窗口/会话立即停止朗读）。

兜底哨兵（仅在新版插件生效前临时用）

仓库里的 tools/focus-speak-guard.ps1 是给「代码已改、DSH 还没重启」这段空窗期兜底的（不属于插件本体）：

powershell -NoProfile -ExecutionPolicy Bypass -File "<仓库目录>\tools\focus-speak-guard.ps1" -Watch

它每 300ms 读一次 DSH 主窗口标题（「会话名 — DeepSeek Harness」），标题变化即视为切换 会话，立刻杀掉正在朗读的 PowerShell，并在随后 10 秒内继续拦截（防止旧会话的回复合成完 才出声）。只看标题、不看前台窗口——远程桌面/远程控制软件常把前台窗口占住，看前台 会误判。当 speak-plugin.log 里出现重启后新版插件的「切换窗口/会话立即停止朗读」时 自动退出，不需要装开机自启；日志在 ~/.dsh/logs/focus-speak-guard.log。 -Test 只打印状态，-DryRun 只记录不杀进程。

实现要点（踩过的坑，改之前先看）

1. 第三方插件的 schemastery 是 npm 版（3.18.2），没有 .volatile()。DSH 自己的 @deepseek-ai/schemastery（asar 内）才扩展了这个方法。所以这里：
   • 用 live() 复制 schema 并手工打 meta.volatile = true（等价于官方 .volatile()， 因为 extra() 的实现就是写 meta[key]）；
   • 再包一层 Config['~standard'].validate，把 volatile 字段换成 { get(), [Symbol.for("cosmokit.volatile.write")](next) } 引用。 引用符号必须是 Symbol.for(...)（全局注册），loader 的 isVolatile 才能跨模块认出来； npm 版 schemastery 不会自己生成这个引用。
   • 不能写成 Object.create(Config)：那样 Config 不可调用、toJSON() 也会坏。 必须 Object.defineProperty(baseConfig, '~standard', ...) 原地替换。
2. 配置读取一律用 value(field)：volatile 字段是引用，要 .get()；普通字段直接用。
3. sawOpen 只信内存，不落盘：否则插件重启瞬间会把早就结束的旧回复当成刚结束念一遍。
4. 转写是多帧 zstd 追加写，必须按 magic 28 B5 2F FD 切帧逐帧解压（只解第一帧会丢内容）。
5. readSteps 与 readFinal 互斥取一份（否则同一段文字念两遍）。
6. 首次见到某个会话只建基线，不朗读历史。
7. 播放用 powershell + WPF MediaPlayer（windowsHide），退出时 taskkill /T /F； edge 用 py -m edge_tts 合成，失败自动退回 SAPI（Microsoft Huihui Desktop）。

验证

# 1) 模块与配置解析（不依赖 DSH）
cd "$env:USERPROFILE\.dsh\profiles\desktop"
node --input-type=module -e "const m = await import('./node_modules/dsh-plugin-speak/lib/index.js'); const c = m.Config['~standard'].validate({}).value; console.log(c.enabled.get(), c.voice.get())"

# 2) 端到端（造一个假会话，触发一次朗读）
node D:\deepseek-work\_diag\speak-plugin-test.js

# 3) 插件在 DSH 里的日志
Get-Content "$env:USERPROFILE\.dsh\logs\speak-plugin.log" -Tail 20

日志里应有 插件已加载（DSH 启动/热加载时）与 朗读（…，engine=edge，…）。

回退到旧的独立监听器

旧方案（~/.dsh/tools/turn-speak.js，不依赖 DSH 插件、可在 DSH 未重启时工作）仍然保留：

node "$env:USERPROFILE\.dsh\tools\turn-speak.js" --start      # 起监听
Move-Item "$env:USERPROFILE\.dsh\tools\DSH-TurnSpeak-Watch.vbs.disabled" `
          "$env:APPDATA\Microsoft\Windows\Start Menu\Programs\Startup\DSH-TurnSpeak-Watch.vbs"   # 恢复自启

两者不要同时开，否则同一段回复会念两遍。