ai-yucheng/dsh-audio-copilot ↗★ 1
dsh-audio-copilot
Audio Copilot for DeepSeek Harness: transcribe audio (ASR) and synthesize speech (TTS) — gives text-only agents ears and a voice. Windows-local SAPI TTS out of the box; OpenAI-compatible ASR/TTS endpoints configurable. Includes an in-composer voice-input (mic) button.
AI 분석
为纯文本智能体赋予语音输入和语音播报能力。适合需要与 DSH 进行语音交互、解放双手的用户。必要条件是需配置 ASR/TTS 兼容端点，Windows 用户可直接使用本地 SAPI。
설치
$
npx -p @deepseek-ai/dsh dsh plugin --profile web add github:ai-yucheng/dsh-audio-copilot⚙️ 配置
在 profile 的 cordis.patch.yml 里覆盖(所有键都有默认值,不配也能用 TTS):
- id: audio-copilot
config:
# ASR:OpenAI 兼容 /audio/transcriptions 端点
asrBaseUrl: https://open.bigmodel.cn/api/paas/v4
asrModel: glm-4v-asr
asrApiKeyEnv: ZHIPU_API_KEY
# TTS 引擎:sapi | edge | openai
ttsEngine: sapi
ttsBaseUrl: https://open.bigmodel.cn/api/paas/v4
ttsModel: glm-tts
ttsApiKeyEnv: ZHIPU_API_KEY
ttsVoice: Microsoft Huihui Desktop
| 键 | 默认 | 说明 |
|---|---|---|
asrBaseUrl | https://open.bigmodel.cn/api/paas/v4 | ASR 端点根(OpenAI 兼容) |
asrModel | glm-4v-asr | ASR 模型名 |
asrApiKeyEnv | ZHIPU_API_KEY | 持 key 的环境变量名 |
ttsEngine | sapi | TTS 引擎:sapi(本地)/ edge(在线)/ openai(兼容端点) |
ttsBaseUrl | https://open.bigmodel.cn/api/paas/v4 | openai 引擎端点 |
ttsModel | glm-tts | openai 引擎模型 |
ttsApiKeyEnv | ZHIPU_API_KEY | openai 引擎 key 环境变量 |
ttsVoice | Microsoft Huihui Desktop | 默认音色 |
maxAudioBytes | 26214400 | 转写文件大小上限 |
transcribeTimeoutMs | 120000 | ASR 超时 |
ttsTimeoutMs | 90000 | TTS 超时 |
maxSegments | 20 | audio_ask 返回的命中片段上限 |
🎯 使用示例
在会话里对模型说:
- 「把这个录音转成文字:
C:\meeting.wav」 - 「读一下这段总结的语音版」
- 「这个会议录音里,3 分钟的时候说了什么?」
- 「把这段代码用语音念出来」