dsh-xiaomi-tts

为 DeepSeek Harness Web 的助手回复添加 Xiaomi MiMo TTS 语音朗读。

基于 Xiaomi MiMo TTS 大模型，将助手回复转为流畅、清晰的自然语音。MiMo TTS 当前为限时免费服务，具体政策以 Xiaomi MiMo 平台为准。

English README →

预览

功能

• 在每条已完成助手回复正文下方的操作栏中按需显示“朗读”按钮（默认开启）。
• 调用当前限时免费的 Xiaomi MiMo TTS 大模型：mimo-v2.5-tts 输出流畅、清晰的音频；预置音色自动播报使用 PCM16 流式播放，手动朗读使用 MP3 或 WAV。
• 使用 mimo-v2.5-tts-voicedesign 的 Voice Design，通过文字描述创造你想要的声音。
• 在 设置 → 插件 → 插件配置 中切换预置音色/自定义音色模型，配置 API Key、自动播报、音色、音色描述和格式。
• API Key 仅由 DSH Host 读取，浏览器只向同源 Host 路由提交回复正文。
• 支持暂停、继续、重新生成，以及浏览器自动播放被拦截时的提示；自动播报仅触发当前运行中新完成的最后一条回复，从历史记录打开消息不会播放。
• 发送给 TTS 前会积极清理朗读文本：移除网址、文件路径、代码块、表情符号、图标和控制字符，并将常规中文标点转换为英文标点。

环境要求

• @deepseek-ai/dsh 0.1.0-rc.7 或兼容版本
• Node.js 22+
• Xiaomi MiMo API Key

官方 TTS API 文档：https://mimo.mi.com/static/docs/api/audio/tts.md

安装

从 npm 安装：

dsh plugin --profile web add dsh-xiaomi-tts

从本地目录安装：

dsh plugin --profile web add ./dsh-plugin-xiaomi-mimo-tts

从 GitHub 安装：

dsh plugin --profile web add github:ppy-web/dsh-plugin-xiaomi-mimo-tts

安装后重启 dsh web，打开 设置 → 插件 → 插件配置 → Xiaomi MiMo 语音朗读，填写 API Key 并保存。

更新或从本地开发版切换到 npm 版时，必须先停止 DSH Web，避免 Windows Junction 被运行中的 Node 进程占用：

.\start\dsh-plugin-reinstall.bat 2.2.0

这个脚本会按顺序停止 DSH Web、卸载当前 profile 中的插件、从 npm 安装指定版本并重新启动 DSH Web。若手动操作，请保持相同顺序：

.\start\dsh-web-stop.bat
dsh plugin --profile web remove dsh-xiaomi-tts
dsh plugin --profile web add dsh-xiaomi-tts@2.2.0
.\start\dsh-web-start.bat

配置

可用内置音色（mimo-v2.5-tts）：

• 中文女声：冰糖、茉莉
• 中文男声：苏打、白桦
• 英文女声：Mia、Chloe
• 英文男声：Milo、Dean

切换到 mimo-v2.5-tts-voicedesign 后，可以通过 Voice Design 用文字创造你想要的声音。插件不会发送 audio.voice，而是只把“自定义音色描述”作为上游 user 消息，把回复正文作为 assistant 消息发送；不会追加预置音色或通用朗读风格提示。音色描述建议写成一到两句，只描述声音本身，例如：

设置卡提供参考页中的常用音色描述模板；下拉框默认选择“自定义”，用户可以直接修改并保存描述。切换到其他模板后再切回“自定义”时，会恢复之前保存的自定义内容。

青年女性，声线清亮、亲切自然，吐字清楚，语速适中，情绪温柔克制。

建议包含年龄段与性别、声音质感、语速节奏和情绪底色，不写场景或动作。预置音色模式仍使用原来的内置音色配置。

预置音色会额外使用 presetStylePrompt 作为朗读风格提示词；它仅在 mimo-v2.5-tts 下发送，不会影响 Voice Design。默认提示词强调清晰自然、轻微湖南语感和冷静克制的表达。

配置项包括 API Key、朗读按钮、自动播报、模型、内置音色、音色描述和音频格式。两个开关默认开启；关闭朗读按钮会同步关闭自动播报，开启自动播报会自动开启朗读按钮。

浏览器可能阻止自动播放；遇到这种情况，请点击回复下方的朗读按钮。

朗读文本处理

朗读只使用清理后的正文，不会修改聊天记录中显示的助手回复。Markdown 链接会保留可读标题并删除链接地址；网址、文件路径、完整代码块、表情符号、图标、零宽字符和控制字符不会发送给 Xiaomi MiMo。括号、方括号、书名号、引号等非断句符号会删除；保留的断句标点会转换为 ASCII 英文标点。流式朗读会累计至少 20 个可朗读字符，回复结束时再发送不足 20 个字符的剩余内容。

隐私

• API Key 仅保存在 DSH Host，不会发送给浏览器。
• 生成语音时，回复正文会发送给 Xiaomi MiMo 服务。
• 音频只通过临时 Blob URL 播放，不会持久化到磁盘。

开发

pnpm install
pnpm typecheck
pnpm test
pnpm pack:check

许可证

MIT