dsh-speech-sherpa

DeepSeek Harness（dsh）本地离线语音插件，基于 Sherpa-ONNX。

• 全本地离线，不联网、不收费、CPU 可运行
• STT：Zipformer 中文流式识别（stt_transcribe）
• TTS：VITS 中文多音色（tts_speak）
• WebUI 按住说话：聊天输入框工具行 🎤 按钮——按住录音、松开发送（最长 120 秒，带倒计时）

架构

dsh-speech-sherpa/
├── index.mjs            # host 插件（Cordis）：注册 3 个工具 + HTTP 路由
├── remote.mjs           # HTTP 路由（/speech-api/*，浏览器录音按钮直调）
├── http-body.mjs        # HTTP 请求体读取
├── core/                # 平台无关核心（STT/TTS/模型管理/WAV 编解码）
│   ├── index.js         #   createSpeechService() 门面
│   ├── models.js        #   模型管理（状态/下载/断点续传/镜像回退）
│   ├── stt.js           #   语音识别（wav 文件 / data URL）
│   ├── tts.js           #   语音合成（data URL / wav 文件）
│   └── wav.js           #   WAV 编解码 + 8kHz→16kHz 重采样
├── client/              # 浏览器端插件（录音按钮）
│   ├── index.ts         #   源码（TSX）
│   └── dist/client.js   #   构建产物（CJS factory bundle）
├── cordis.bundle.yml    # dsh bundle patch（dsh plugin add 安装）
├── cordis.patch.yml     # --patch 开发加载示例
└── scripts/
    ├── build-client.mjs # 构建 client bundle（esbuild）
    └── verify-dsh.mjs   # 插件契约验证（mock cordis ctx）

安装

dsh plugin --profile  add /path/to/dsh-speech-sherpa
# 或从 git：dsh plugin --profile  add github:you/dsh-speech-sherpa

开发期用 --patch：

cd 
pnpm dsh --profile web --patch C:\Users\Administrator\Documents\dsh-speech-sherpa\cordis.patch.yml --port 3099

工具

工具	输入	输出
stt_transcribe	audioPath（wav 文件）或 audioBase64（data URL）	{text}
tts_speak	text、speed?、sid?、inline?	{audioPath, text, dataUrl?}
sherpa_models_download	kinds?（['stt','tts']）	{results, modelDir}

模型自愈：stt_transcribe/tts_speak 发现模型缺失会报错并提示调用 ，agent 可自行下载。