@memef1f1y/dsh-plugin-tts 0.6.2 → 0.6.3
This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.
- package/README.md +67 -27
- package/README.zh.md +290 -263
- package/docs/USER-GUIDE.md +72 -17
- package/docs/acceptance-checklist.md +3 -3
- package/docs/scroll-follow-v2.md +102 -0
- package/lib/client.js +242 -130
- package/lib/index.mjs +86 -8
- package/package.json +1 -1
- package/tests/client-load.mjs +33 -20
- package/tests/smoke.mjs +55 -0
package/README.zh.md
CHANGED
|
@@ -1,263 +1,290 @@
|
|
|
1
|
-
<p align="center">
|
|
2
|
-
<img src="logo.png" alt="dsh-plugin-tts" width="140" />
|
|
3
|
-
</p>
|
|
4
|
-
|
|
5
|
-
<h1 align="center">dsh-plugin-tts</h1>
|
|
6
|
-
|
|
7
|
-
<p align="center">
|
|
8
|
-
<a href="LICENSE"><img src="https://img.shields.io/badge/license-MIT-green" alt="license"></a>
|
|
9
|
-
<a href="https://github.com/awesome-dsh-plugin/awesome-dsh-plugin"><img src="https://awesome-dsh-plugin.com/badge.svg" alt="Awesome"></a>
|
|
10
|
-
<a href="https://nodejs.org"><img src="https://img.shields.io/badge/node-22%2B-blue" alt="node"></a>
|
|
11
|
-
<a href="tests/smoke.mjs"><img src="https://img.shields.io/badge/tests-
|
|
12
|
-
<a href="https://github.com/1624318455/dsh-plugin-tts"><img src="https://img.shields.io/github/stars/1624318455/dsh-plugin-tts" alt="stars"></a>
|
|
13
|
-
<a href="https://github.com/1624318455/dsh-plugin-tts/commits/main"><img src="https://img.shields.io/github/last-commit/1624318455/dsh-plugin-tts" alt="last commit"></a>
|
|
14
|
-
</p>
|
|
15
|
-
|
|
16
|
-
## 跳转
|
|
17
|
-
|
|
18
|
-
- **[English README](README.md)**（English
|
|
19
|
-
- **[
|
|
20
|
-
- **[
|
|
21
|
-
- **[
|
|
22
|
-
|
|
23
|
-
|
|
24
|
-
|
|
25
|
-
|
|
26
|
-
|
|
27
|
-
|
|
28
|
-
|
|
29
|
-
|
|
30
|
-
|
|
31
|
-
|
|
32
|
-
|
|
33
|
-
|
|
34
|
-
|
|
35
|
-
|
|
36
|
-
|
|
37
|
-
|
|
38
|
-
|
|
39
|
-
|
|
40
|
-
|
|
41
|
-
|
|
42
|
-
|
|
43
|
-
|
|
44
|
-
|
|
45
|
-
|
|
46
|
-
|
|
47
|
-
**（English，与本页逐节对应）
|
|
19
|
+
- **[使用手册（执行手册）](docs/USER-GUIDE.md)**（第一次用，逐步骤上手）
|
|
20
|
+
- **[RVC 自定义音色指南](docs/RVC-GUIDE.md)**（自定义音色 · 分块渐进播放 · 紧凑索引 · 音色包 · 便携运行时）
|
|
21
|
+
- **[Index-TTS2 指南](docs/INDEX-TTS2-GUIDE.md)**（本机参考音频音色）
|
|
22
|
+
- **[CosyVoice 指南](docs/COSYVOICE-GUIDE.md)**（本机提示音频零样本克隆，CosyVoice-2.0-0.5B）
|
|
23
|
+
- **[Cloud TTS 指南](docs/CLOUD-GUIDE.md)**（谷歌付费音色 · API Key · 用量与计费口径）
|
|
24
|
+
- **[Edge TTS 指南](docs/EDGE-GUIDE.md)**（默认在线朗读）
|
|
25
|
+
- **[自适应分块设计文档](docs/adaptive-chunked-playback.md)**（长文无缝朗读的设计与实测）
|
|
26
|
+
|
|
27
|
+
---
|
|
28
|
+
|
|
29
|
+
# dsh-plugin-tts — Edge TTS + RVC / Index-TTS2 / CosyVoice / Cloud 语音大集成
|
|
30
|
+
|
|
31
|
+
DeepSeek Harness 语音插件：给 AI 回复加朗读——开箱即用微软免费在线音色（Edge TTS），
|
|
32
|
+
也能用**你自己训练的 RVC 音色**、**本机 Index-TTS2 参考音频音色**、**本机 CosyVoice
|
|
33
|
+
提示音频零样本克隆**或**谷歌 Cloud TTS 付费音色**朗读；长回复**自适应分块渐进播放、
|
|
34
|
+
段间无缝**；音色可**从音色包仓库一键安装**；还提供**免装 RVC WebUI 的便携运行时**。
|
|
35
|
+
|
|
36
|
+
> 📖 **第一次用？看[《使用手册（执行手册）》](docs/USER-GUIDE.md)**——每一步都有
|
|
37
|
+
> "做什么 / 怎么做 / 怎么算成功"，从朗读、RVC 音色到音色包下载全覆盖。
|
|
38
|
+
|
|
39
|
+
## 功能
|
|
40
|
+
|
|
41
|
+
1. **消息朗读按钮**：每条 AI 回复左下角操作行新增「朗读」按钮，点击朗读该条消息
|
|
42
|
+
（按钮显示音柱跳动动画），再次点击停止。
|
|
43
|
+
2. **自动朗读开关**：输入框左下角的喇叭按钮；开启后每条新完成的 AI 回复自动朗读
|
|
44
|
+
（按钮带圆形高亮），关闭则不自动朗读。
|
|
45
|
+
|
|
46
|
+
|
|
47
|
+
|
|
48
|
+
|
|
49
|
+
3. **语音设置面板**：侧边栏「设置 → 插件」新增「语音」标签页：
|
|
50
|
+
- **TTS提供者**：Edge TTS（免费在线）/ 自定义音色（RVC）/ 本地音色（Index-TTS2）/ 本地克隆（CosyVoice）/ Cloud TTS（谷歌付费）
|
|
51
|
+
- **朗读音色**：22 个经实测可用的 Edge TTS 音色（默认 晓萱 zh-CN-XiaoxuanNeural）；
|
|
52
|
+
Cloud 组 8 个 cmn-CN 音色（默认 cmn-CN-Wavenet-A，也可手输 voice id）
|
|
53
|
+
- **声音调节**：语速 / 音调 / 音量（0 = 默认，Edge 与 Cloud 共用）
|
|
54
|
+
- **RVC 配置**：服务地址 + 模型（.pth）/ 索引（.index）选择、原声音色、声音调节与高级参数——详见[《RVC 指南》](docs/RVC-GUIDE.md)
|
|
55
|
+
- **Index-TTS2 配置**：服务地址（默认 7880）+ 参考音色选择/刷新/上传 + 朗读前清洗开关 + 情感控制 + 采样参数——详见[《Index-TTS2 指南》](docs/INDEX-TTS2-GUIDE.md)
|
|
56
|
+
- **CosyVoice 配置**：服务地址（默认 7890）+ 提示音频选择/刷新/上传 +
|
|
57
|
+
提示文字稿（必填，按顺序全文填写）+ 语速（0.5–2.0）+ 随机种子（0 = 随机）——详见[《CosyVoice 指南》](docs/COSYVOICE-GUIDE.md)
|
|
58
|
+
- **Cloud 配置**：API Key（只存本机 Host 文件，输入框写后即清）+ Project ID（可选）+
|
|
59
|
+
测试连接 + 本月分档用量（Standard 400 万 / Wavenet·Neural2·Chirp3 各 100 万）——详见[《Cloud 指南》](docs/CLOUD-GUIDE.md)
|
|
60
|
+
- **音色包**：从音色包仓库一键下载安装音色
|
|
61
|
+
- **试听测试**：输入文本 + 播放按钮（播放中显示旋转 loading，可点击停止；失败时红字提示）
|
|
62
|
+
4. **RVC 自定义音色**：用你自己训练的 RVC 模型朗读，全程本机计算，支持
|
|
63
|
+
免索引模式、高级参数（详见[《RVC 指南》](docs/RVC-GUIDE.md)）。
|
|
64
|
+
5. **长文本无缝朗读**：自适应分块渐进播放——探测校准块大小、边播边合成、Web Audio
|
|
65
|
+
采样级拼接、段间无停顿（详见[设计文档](docs/adaptive-chunked-playback.md)）。
|
|
66
|
+
6. **朗读时 mini 播放器**：暂停/继续 + 倍速（1x / 1.25x / 1.5x），分块长读显示可见的
|
|
67
|
+
「第 x/y 段」计数。
|
|
68
|
+
7. **主题化 tooltip + RVC 首次引导**：悬浮提示用主题 token（`--dsw-*`）渲染；RVC 面板顶部
|
|
69
|
+
内嵌首次使用三步引导（分 OS 启动命令 + 一键诊断）。
|
|
70
|
+
8. **音频下载**：每条消息操作行新增下载按钮保存合成音频——Edge/Cloud 读出 MP3，
|
|
71
|
+
本地链路（RVC/Index-TTS2/CosyVoice）读出 WAV；复用进程内缓存，刚读过的消息一点即下。
|
|
72
|
+
分段长文目前没有单个输出文件，会提示"暂不支持导出"而非做无用功的重合成。
|
|
73
|
+
9. **朗读选中文本**：在消息里选中文本会在选区上方出现「朗读选中」悬浮按钮，点按只朗读该选中片段。
|
|
74
|
+
10. **长读流式（Edge 同样支持）**：纯 Edge 长文本也走自适应分块渐进播放——第一块先响、其余边播边合成，
|
|
75
|
+
不再干等整段合成完成。
|
|
76
|
+
11. **审批语音提醒**：可选地把 Agent 审批事件用语音播报。开启后：审批请求（`approval/asked`）会
|
|
77
|
+
**打断当前朗读**（Agent 正在等这个决定），审批结果（`approval/decided`）仅在空闲时播报。
|
|
78
|
+
播报固定走 Edge TTS（不依赖 RVC 服务）、用自己的提醒音色、按审批 id 去重、默认关闭。
|
|
79
|
+
（范围说明：任务完成播报留待后续阶段——jobs 子系统目前没有本插件可观察的会话事件通道。）
|
|
80
|
+
12. **干净朗读、RVC 静默**：朗读前清洗消息 Markdown（代码块、表格、链接、引用、任务列表），
|
|
81
|
+
不再读出一堆符号；可选「朗读原始 Markdown 符号」开关保留逐字朗读（适合读源码）。
|
|
82
|
+
Edge 模式下 RVC 面板完全隐藏，只留一行「需要克隆音色？」入口，普通朗读零配置零感知。
|
|
83
|
+
|
|
84
|
+
## 要求
|
|
85
|
+
|
|
86
|
+
- DeepSeek Harness `web` profile（`dsh web`）
|
|
87
|
+
- Node.js ≥ 22（worker 使用原生 `WebSocket`）
|
|
88
|
+
- 仅**本地音色链路**需要额外准备（Edge/Cloud 开箱即用）：
|
|
89
|
+
- **RVC 自定义音色**：本机 RVC 推理环境（RVC WebUI 或便携运行时，
|
|
90
|
+
并在使用前启动 `rvc-server.py`）——见[《RVC 指南》](docs/RVC-GUIDE.md)
|
|
91
|
+
「启动本地 RVC 服务」和[《使用手册》](docs/USER-GUIDE.md) §4.2，macOS 用户同样先看这里。
|
|
92
|
+
- **Index-TTS2 音色**：本机 `index-tts2-nvidia` 包的 API 服务
|
|
93
|
+
（`启动api服务.bat`，默认端口 7880）——见[《Index-TTS2 指南》](docs/INDEX-TTS2-GUIDE.md)。
|
|
94
|
+
- **CosyVoice 克隆**：本机 CosyVoice-2.0-0.5B 包的 `cosy-server.py`
|
|
95
|
+
（`启动cosy服务.bat`，默认端口 7890）——见[《CosyVoice 指南》](docs/COSYVOICE-GUIDE.md)。
|
|
96
|
+
|
|
97
|
+
## 安装
|
|
98
|
+
|
|
99
|
+
四种等价方式（任选其一）：
|
|
100
|
+
|
|
101
|
+
```sh
|
|
102
|
+
# dsh-market 界面：在 market 里搜索插件名安装
|
|
103
|
+
# npm 包：
|
|
104
|
+
dsh plugin --profile web add "@memef1f1y/dsh-plugin-tts"
|
|
105
|
+
# GitHub 源码：
|
|
106
|
+
dsh plugin --profile web add "github:1624318455/dsh-plugin-tts#main"
|
|
107
|
+
# 或本地开发：
|
|
108
|
+
dsh plugin --profile web add "file:/path/to/dsh-plugin-tts/plugin"
|
|
109
|
+
```
|
|
110
|
+
|
|
111
|
+
重启 `dsh web` 后作为 profile bundle 自动加载，无需手动启用。
|
|
112
|
+
注意先卸载已有的再装另一种来源：它们注册的是同一个 loader 条目 id（`tts`），
|
|
113
|
+
安装器遇到重复 id 会直接回滚而不是覆盖。
|
|
114
|
+
|
|
115
|
+
## 可用音色（经实测，Edge TTS）
|
|
116
|
+
|
|
117
|
+
| 区域 | 音色 |
|
|
118
|
+
| -------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------- |
|
|
119
|
+
| 简体中文 | 晓萱 Xiaoxuan · 晓伊 Xiaoyi · 云希 Yunxi · 云扬 Yunyang · 晓晓 Xiaoxiao · 云健 Yunjian · 云夏 Yunxia · 晓北(辽宁) liaoning-Xiaobei · 晓妮(陕西) shaanxi-Xiaoni |
|
|
120
|
+
| 台湾 | 曉臻 HsiaoChen · 曉雨 HsiaoYu · 雲哲 YunJhe |
|
|
121
|
+
| 香港 | 曉佳 HiuGaai · 曉曼 HiuMaan · 雲龍 WanLung |
|
|
122
|
+
| 英文 | Aria · Jenny · Guy · Sonia(英) |
|
|
123
|
+
| 日/韩/法 | 七海 Nanami · SunHi · Denise |
|
|
124
|
+
|
|
125
|
+
> 注：Xiaohan / Xiaomeng / Xiaorui / Xiaoshuang 等旧音色已被 Edge 端点移除（返回
|
|
126
|
+
> `1007 Unsupported voice`），未列入。
|
|
127
|
+
|
|
128
|
+
## 架构
|
|
129
|
+
|
|
130
|
+
| 层 | 位置 | 职责 |
|
|
131
|
+
| ------ | --------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ |
|
|
132
|
+
| Host | `lib/index.mjs` | 注册 webServer 路由：`/dsh-tts-api/speak`（全链路合成/分块队列）、`/dsh-tts-audio/<id>`（音频字节）、`/dsh-tts-api/rvc-next`（取下一段/取消任务）、`/dsh-tts-api/rvc-files` + `/rvc-compact-index` + `/rvc-packs*`（RVC 服务代理/音色包）、`/dsh-tts-api/index-*` 与 `/dsh-tts-api/cosy-*`（本地服务代理+配置）、`/dsh-tts-api/cloud-*`（Cloud Key/用量/连通测试）、`/dsh-tts-api/notify`（审批提醒队列）、`/dsh-tts-api/diagnose`（一键诊断）；用 `node -e` 运行零依赖 Edge worker |
|
|
133
|
+
| Client | `lib/client.js` | `shell.overlay` 里的 Web Audio 分块播放器（采样级拼接，`<audio>` 降级）+ UI（朗读按钮 / 自动朗读开关 / 语音设置面板），通过 `fetch` 调 Host 路由 |
|
|
134
|
+
|
|
135
|
+
TTS 引擎：worker 协议镜像 [node-edge-tts@1.2.10](https://github.com/SchneeHertz/node-edge-tts)：
|
|
136
|
+
`Sec-MS-GEC` 查询参数（ticks 向下取整到 5 分钟边界）、
|
|
137
|
+
`Sec-MS-GEC-Version=1-143.0.3650.75`、二进制帧 `Path:audio` 前缀、
|
|
138
|
+
`xml:lang` 由音色 locale 推导、1006 异常关闭自动重试一次。音频输出
|
|
139
|
+
`audio-24khz-48kbitrate-mono-mp3`。
|
|
140
|
+
|
|
141
|
+
## 边界行为
|
|
142
|
+
|
|
143
|
+
- 自动朗读中点击同一消息朗读按钮 → 停止；点击另一消息 → 打断自动、改手动朗读。
|
|
144
|
+
- 手动朗读中关闭自动开关 → **不打断**手动；自动朗读中关闭 → 停止自动朗读。
|
|
145
|
+
- 新消息完成（自动开启）→ 打断当前、朗读最新；无文本消息跳过；切换会话只停自动来源。
|
|
146
|
+
- 停止 / 换消息时**立即取消**当前分块 job（RVC job 会通知 Host），本地转换服务停止调度后续块、及时释放 GPU/内存
|
|
147
|
+
（不必等惰性回收）。
|
|
148
|
+
- 同一段文本+音色重复朗读 → **复用进程内音频缓存**（不重复合成）；若缓存底层文件已被系统清理，
|
|
149
|
+
会自动重新合成而非返回失效的 404 URL。
|
|
150
|
+
- Edge 音色被端点移除（`1007 Unsupported voice`）→ 从选择列表剔除并**自动回退默认音色**。
|
|
151
|
+
- 分段播放严格按序号供应：后台预热绝不会超过按需请求，某段合成失败（重试一次仍失败）会弹
|
|
152
|
+
「某段音频加载失败，已跳过 (x/y)」toast 并继续播下一段，顺序永不错乱。
|
|
153
|
+
- **首次用户手势即解锁自动播放**（resume Web Audio 上下文 + 播放静音片段），朗读不会因浏览器自动
|
|
154
|
+
播放策略被静默拦截。
|
|
155
|
+
- `Esc` / `S`（非输入框内）停止当前朗读。
|
|
156
|
+
- 合成/播放失败（消息朗读与自动朗读路径）→ **弹出主题化 toast 提示**（不再静默失败；
|
|
157
|
+
试听面板仍保留内联红字）。RVC 模式下错误 toast 带**一键「改用 Edge TTS 朗读」**动作；
|
|
158
|
+
若在 RVC 设置里开启**「RVC 失败时自动改用 Edge TTS」**（默认关闭——RVC 为纯本地处理，
|
|
159
|
+
自动降级会把文本发送给微软在线端点），RVC 朗读失败会自动改用 RVC 底噪音色经 Edge 重读，
|
|
160
|
+
并弹 warn toast 提示。
|
|
161
|
+
- **智能分句**：分块切分绝不切断 URL / 邮箱 / 小数 / 版本号（如"3.14"）；硬切会滑到
|
|
162
|
+
词/标点边界；末尾的极短句会并入前一块，避免听感像结巴。
|
|
163
|
+
- **审批语音提醒（opt-in）**：Host 订阅 `session/event` 火线（`approval/asked` /
|
|
164
|
+
`approval/decided`）并按审批 id 去重；客户端轮询 `/dsh-tts-api/notify?s=N`——
|
|
165
|
+
首次轮询只做基线同步（刷新不重播旧提醒）；播报失败静默（不弹错误 toast，避免 Agent
|
|
166
|
+
循环期间刷屏）。
|
|
167
|
+
|
|
168
|
+
## 设置持久化
|
|
169
|
+
|
|
170
|
+
分层存储：
|
|
171
|
+
|
|
172
|
+
- **Host 文件**（`~/.dsh/tts-rvc/settings.json`，
|
|
173
|
+
`{ version: 1, rvc: …, index: …, cosy: …, cloud: … }`）：
|
|
174
|
+
服务类配置——RVC 服务地址/模型与索引路径、Index-TTS2 与 CosyVoice 服务地址、
|
|
175
|
+
Cloud API Key（+ 可选 Project ID）。多浏览器共享，清浏览器数据、
|
|
176
|
+
无痕模式、换浏览器都不丢；经 `GET /dsh-tts-api/rvc-config` +
|
|
177
|
+
`POST /dsh-tts-api/rvc-config-save`（以及对应的 `index-config`、`cosy-config`、
|
|
178
|
+
`cloud-config` 路由）读写，老 `localStorage` 值一次性上迁，之后以文件为准。
|
|
179
|
+
- **localStorage**（`dsh-tts-settings`）：只存 UI 偏好——音色、自动朗读开关、
|
|
180
|
+
提供者、声音调节、原始 Markdown 开关、审批提醒与其余 RVC 偏好。不再存
|
|
181
|
+
服务地址 / 模型 / 索引。
|
|
182
|
+
|
|
183
|
+
设置面板「恢复默认设置」一键复位并清除两层（Host 文件为 best-effort）。
|
|
184
|
+
|
|
185
|
+
## RVC 自定义音色
|
|
186
|
+
|
|
187
|
+
用你本地训练的 **RVC 模型**做音色转换：设置面板把 TTS提供者切到「自定义音色（RVC）」
|
|
188
|
+
即可。**第一次用 RVC 先做两件事**：①准备模型文件（.pth）；②启动本地 RVC 服务——
|
|
189
|
+
macOS/Windows/Linux 的启动命令见 [《RVC 指南》](docs/RVC-GUIDE.md) 或
|
|
190
|
+
[《使用手册》](docs/USER-GUIDE.md) §4.2。涵盖**服务启动、面板配置、长文无缝播放、紧凑索引、
|
|
191
|
+
音色包一键安装、便携运行时、设置项详解与排查**——完整内容见 **[《RVC 自定义音色指南》](docs/RVC-GUIDE.md)**。
|
|
192
|
+
|
|
193
|
+
|
|
194
|
+
|
|
195
|
+
|
|
196
|
+
|
|
197
|
+
|
|
198
|
+
|
|
199
|
+
> 公开音色仓库示例：[rvc-for-tts](https://github.com/1624318455/rvc-for-tts)
|
|
200
|
+
> （设置 → 语音 → 音色包 → 仓库地址填 `https://raw.githubusercontent.com/1624318455/rvc-for-tts/main`）。
|
|
201
|
+
|
|
202
|
+
## 疑难排查（Edge TTS）
|
|
203
|
+
|
|
204
|
+
- **403 / `Sec-MS-GEC` 被拒**：Edge 端点协议或版本校验变更，更新
|
|
205
|
+
`lib/index.mjs` 内 worker 的 `CHROMIUM_FULL_VERSION` / `TRUSTED_CLIENT_TOKEN`。
|
|
206
|
+
- **`1007 Unsupported voice`**：所选音色已被端点移除，换用上表列出的音色。
|
|
207
|
+
- **无声音**：确认系统音量、浏览器自动播放策略（先与页面交互一次）或合成日志
|
|
208
|
+
（`dsh web` 控制台 `[tts]` 前缀错误）。
|
|
209
|
+
- **分段朗读跳段/乱序**：先确认控制台第一行构建号是最新的（含按序号供应修复的老版本会有 1/3/2 错序）；
|
|
210
|
+
若新版仍跳并弹出「已跳过」toast，把设置 → 语音 → 诊断 →「导出诊断日志」发给开发者。
|
|
211
|
+
|
|
212
|
+
> RVC 相关排查见 [《RVC 指南》疑难排查](docs/RVC-GUIDE.md#rvc-疑难排查)。
|
|
213
|
+
> Index-TTS2 / CosyVoice / Cloud 排查见各自指南的疑难排查节。
|
|
214
|
+
|
|
215
|
+
## 常见问题（FAQ）
|
|
216
|
+
|
|
217
|
+
**Q：体积大吗？**
|
|
218
|
+
- 默认体验（Edge TTS）：插件本体很小（MB 级），**不需要下载任何服务或模型**。
|
|
219
|
+
- 想用自定义音色（RVC）才需要本地 RVC 便携包，体积主要来自**自带的离线 Python 运行时 + 推理依赖 + 预训练模型**：
|
|
220
|
+
| 平台 | 压缩包 | 解压后 |
|
|
221
|
+
|---|---:|---:|
|
|
222
|
+
| macOS（Apple Silicon） | ~660 MB | ~1.3 GB |
|
|
223
|
+
| Windows（纯 CPU 精简版） | ~1–2 GB | ~2–3 GB |
|
|
224
|
+
| Windows（保留 NVIDIA GPU 加速） | ~6 GB | ~7 GB |
|
|
225
|
+
- 上面这些是自包含运行包的体积；**完整版 RVC WebUI 有 7.8GB**，本插件用不到的 WebUI/训练/实时变声都不会带。
|
|
226
|
+
- Index-TTS2 / CosyVoice 同样是本地包（体积随版本变，见各自指南的准备节）。
|
|
227
|
+
|
|
228
|
+
**Q：依赖大吗？**
|
|
229
|
+
- 不小，但**完全不需要你安装**：RVC 便携包自包含 Python、ffmpeg（Windows）/PyAV（macOS）以及全部推理依赖，解压即用，无编译、无环境配置。
|
|
230
|
+
- 插件本体依赖极简，只在确实用到时才加载。
|
|
231
|
+
|
|
232
|
+
**Q：需要本地 TTS 模型吗？**
|
|
233
|
+
- 用默认 Edge TTS 或 Cloud TTS：**不需要本地模型**（在线合成）。
|
|
234
|
+
- 用自定义音色（RVC）：需要**你自己的** RVC 音色模型（`.pth`），可选加一个 `.index` 索引；预训练的 hubert / rmvpe 已随便携包带好，你只需提供自己训练的模型。
|
|
235
|
+
- 用 Index-TTS2 / CosyVoice：不用训练——给本地包准备**参考/提示音频**（几秒清晰人声）并在面板里选中即可，详见[《Index-TTS2 指南》](docs/INDEX-TTS2-GUIDE.md)与[《CosyVoice 指南》](docs/COSYVOICE-GUIDE.md)。
|
|
236
|
+
|
|
237
|
+
**Q：好装吗？**
|
|
238
|
+
- 插件按常规方式安装即可。
|
|
239
|
+
- 用 RVC 时：下载对应平台的便携包 → 解压 → 运行启动脚本（mac 双击 `.command`，Windows 双击 `.bat`）→ 把 `.pth` 放进 `assets/weights` → 在插件面板里点「浏览」选模型即可。
|
|
240
|
+
- Index-TTS2 / CosyVoice 同样三步（备包 → 保持服务运行 → 面板选音色）；Cloud 只需往设置里粘 API Key。各指南里都有 walkthrough。
|
|
241
|
+
- 无需编译、无需手动装 Python/ffmpeg。注意 **mac 首次启动会慢几十秒**（macOS 首次扫描解压出的运行库，一次性行为），之后启动只要几秒。
|
|
242
|
+
|
|
243
|
+
**Q：需要付费 API 吗？**
|
|
244
|
+
- 不需要：默认 Edge TTS 免费（无 API key），RVC / Index-TTS2 / CosyVoice 完全本地推理、免费（但各需自己的本地服务包先跑起来，见上文「要求」）。
|
|
245
|
+
- 谷歌 Cloud TTS 按量付费，需自备 API Key：中文标准音色每月前 400 万字符免费，Wavenet/Neural2/Chirp 每月前 100 万字符免费（本地计数，官方以 Google Cloud Billing 为准），详见[《Cloud 指南》](docs/CLOUD-GUIDE.md)。
|
|
246
|
+
- 提示：Edge TTS 是微软公开的端侧免费能力，个人使用没问题；商用 / 高并发请留意微软服务条款。
|
|
247
|
+
|
|
248
|
+
**Q：改动 DSH 本体了吗？**
|
|
249
|
+
- 没改。这是一个**独立插件**，通过 dsh 的插件机制加载，不修改 DSH 主程序本体，可随时安装 / 停用 / 卸载，不影响 DSH 与其它插件。
|
|
250
|
+
|
|
251
|
+
**其他常见疑问**
|
|
252
|
+
- **需要显卡吗？** 不需要，CPU 就能跑。要更快可用 Apple Silicon 的 MPS（macOS）或 NVIDIA GPU（Windows，需用 CUDA 版 torch，体积随之增大）。
|
|
253
|
+
- **隐私如何？** RVC / Index-TTS2 / CosyVoice 转换完全在本地进行，音频不上传；Edge TTS 与 Cloud TTS 会把要朗读的文本发到在线端点合成（选择合适的音色前请注意）。
|
|
254
|
+
- **只支持 Apple Silicon 吗？** macOS 版目前是 arm64，支持 M1–M5；Intel Mac 需另行提供 x86_64 版。
|
|
255
|
+
|
|
256
|
+
## 界面语言（i18n）
|
|
257
|
+
|
|
258
|
+
插件设置面板顶部有「界面语言」选择：**自动（跟随浏览器）/ 中文 / English**。
|
|
259
|
+
- 默认「自动」：按浏览器/系统语言显示（简体中文及其他 → 中文，其余 → English）。
|
|
260
|
+
- 切换后**立即生效**，并持久化到 localStorage（`dsh-tts-lang`），刷新/重开面板不丢。
|
|
261
|
+
- 覆盖范围：整个设置面板 + 气泡/朗读按钮 + 诊断 + 音色包面板，以及 RVC 服务的报错/进度提示。
|
|
262
|
+
|
|
263
|
+
## 开发
|
|
264
|
+
|
|
265
|
+
```sh
|
|
266
|
+
node tests/smoke.mjs # 冒烟测试：fake ctx 注册路由 + 真实 Edge TTS 合成 + 音频回放断言
|
|
267
|
+
npm run test:all # 全量：smoke + live + patch + i18n + client-load
|
|
268
|
+
```
|
|
269
|
+
|
|
270
|
+
改 `lib/` 后的热更新（Windows 下 `file:` 安装是**复制**而非符号链接，
|
|
271
|
+
运行中的 dsh 读的是 profile 副本）：
|
|
272
|
+
|
|
273
|
+
```powershell
|
|
274
|
+
Copy-Item lib/* $env:USERPROFILE\.dsh\profiles\web\node_modules\@memef1f1y\dsh-plugin-tts\lib\ -Recurse -Force
|
|
275
|
+
# 然后刷新浏览器即可（bundle 每次请求重新读盘；勿用 pnpm install --force 覆盖）
|
|
276
|
+
```
|
|
277
|
+
|
|
278
|
+
## 已知限制
|
|
279
|
+
|
|
280
|
+
- 音色 / 自动朗读开关 / TTS 提供者 / RVC 配置已分层持久化（服务类走 Host 文件，
|
|
281
|
+
UI 偏好走 localStorage，见上文「设置持久化」）并跨刷新保留
|
|
282
|
+
（见上文「设置持久化」）；但**音频缓存本身仅进程内**（音频写在 OS 临时目录，由系统清理），
|
|
283
|
+
完全重启后每段文本第一次朗读会重新合成。
|
|
284
|
+
- 合成音频写入 OS 临时目录，由系统清理。
|
|
285
|
+
- 中英文**布局/视觉**（英文文本较长可能换行/溢出，主题变量 `--dsw-*` 适配）需在**装有所插件的真实 dsh 界面**里人工确认——
|
|
286
|
+
本插件无独立 HTML，UI 由 dsh web 宿主注入 slots 渲染，无法脱离宿主做 headless 截图对比（`tests/client-load.mjs` 只做内存渲染断言，不生成真实 DOM/CSS）。
|
|
287
|
+
|
|
288
|
+
## License
|
|
289
|
+
|
|
290
|
+
MIT
|