<h1 align="center">dsh-omi-voice</h1>
<p align="center"> <img src="docs/assets/logo.png" width="140" alt="dsh-omi-voice 鲸鱼 Logo"> </p>
<p align="center"><strong>沉浸式听朗读 · 豆包音质</strong></p> <p align="center">点一下 🔊，把 AI 回复用豆包的自然音色念给你听——无需复制，不做自动朗读</p> <p align="center">DeepSeek Harness 插件 · BYOK · MIT</p>
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）。
<p align="center"> <img src="docs/assets/idle.png" width="360" alt="未朗读状态"> <img src="docs/assets/reading.png" width="360" alt="朗读中状态"> </p>
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 v0.1.2+ |
| 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](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。
<p align="center"><img src="docs/assets/doubao-1-find.png" width="480" alt="找到豆包语音"></p>
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」。
<p align="center"><img src="docs/assets/doubao-2-enable.png" width="480" alt="开通豆包语音合成 1.0"></p>
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。
<p align="center"><img src="docs/assets/doubao-3-create-key.png" width="480" alt="创建 API Key"></p>
> 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#v0.1.2&path:/"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/README.md)：./engine/build/build-service.sh 后 ditto 到 ~/Applications/Omi DSH.app。
使用
<p align="center"> <img src="docs/assets/reading.gif" width="480" alt="点读 → 暂停 → 继续 演示"> </p>
- 🔊 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](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/](engine/README.md)（Omi DSH 本地引擎，Swift 源码 + 构建脚本） - 生态：awesome-dsh-plugin
项目文档
- [AGENTS.md](AGENTS.md) — 给 AI 编码代理的项目说明（Codex 约定）
- [docs/DESIGN.md](docs/DESIGN.md) — 架构与设计
- [docs/DECISIONS.md](docs/DECISIONS.md) — 设计决策记录
- [docs/MEMORY.md](docs/MEMORY.md) — 长期知识库（坑/结论）
- [docs/HANDOFF.md](docs/HANDOFF.md) — 交接与续作
- [docs/API.md](docs/API.md) — 本地协议
License
MIT