plugin-audio-alert

给 DeepSeek Harness (DSH) 的审批语音告警插件：当 DSH 遇到需要人工审核/审批时，用电脑 TTS 自动语音呼叫你——把"需要你审核"的内容念出来，同时照常在网页上弹出审批按钮让你点。

一句话：AI 需要你点头时，电脑会"开口"喊你，你听到后去网页点确认即可。

纯 Node 实现，无独立进程、无 Python：合成、转码、播放全部在插件内完成，注册进 profile 重启后即用。

---

功能

• 🔔 语音呼叫：审批触发时，用 edge-tts 神经音色外放朗读「需要你审核」的内容。
• 🎭 人物性格文案：播报话术可自定义模板（占位符 {reason} / {tool} / {reasonOrTool}），想让它"病娇软萌妹"口吻说话，改一行就行。
• 🎛️ 音色/音调/语速：可切换 edge-tts 音色，调节 pitch（音调）/ rate（语速）/ volume（音量）。
• 🛟 不碰审批：本插件只负责"播报提醒"，审批决定仍由网页按钮完成，绝不吞掉审批。

本地零大模型下载（edge-tts 走云端），插件本体仅约 10KB。

---

架构

DSH 审批触发（approval/request 瀑布事件）
   └─ plugin-audio-alert（Node 插件，prepend 优先）
        ├─ lib/tts.js      edge-tts 协议（WebSocket）合成 mp3
        ├─ ffmpeg           mp3 → wav
        ├─ PowerShell       外放（阻塞到播完）
        └─ next()  ──────▶ Web 审批卡片（照常弹按钮）

• 插件完全运行在 DSH 的 Node 进程内，没有常驻的独立进程。
• 唯一 npm 依赖是 ws（WebSocket 客户端）；ffmpeg / PowerShell 是临时子进程，用完即退。

---

前置要求

项	要求
系统	Windows 10 / 11（播放走 PowerShell，仅 Windows）
Node	DSH 自带（无需单独装）
网络	edge-tts 需联网
ffmpeg	PATH 里有 ffmpeg 即可；没有则设 AUDIO_ALERT_FFMPEG 指定路径

---

快速开始

第 1 步：装依赖（仅 ws 一个包）

cd /d 本插件目录
npm install

或直接双击 install.bat。

第 2 步：把插件注册进 DSH profile

编辑 %USERPROFILE%\.dsh\profiles\<profile>\cordis.patch.yml（例如 web profile 就是 ~/.dsh/profiles/web/cordis.patch.yml），加入：

- insert:
    - id: audio-alert
      name: 'file:///D:/绝对路径/plugin-audio-alert/lib/index.js'

注意：file:/// 后面用正斜杠的绝对路径，例如 file:///D:/CodeFile/AI_Code/plugins/plugin-audio-alert/lib/index.js。

也可用 pnpm 安装：dsh plugin --profile web add "file:本插件目录的绝对路径"，再把 "plugin-audio-alert" 加进 profile package.json 的 dsh.profile.bundles。

第 3 步：重启 DSH

dsh web

插件是 Host 端插件，必须重启 dsh web 才生效。重启后无需再开任何进程。

第 4 步：触发一次审批测试

随便让 AI 做一件需要提权的事（例如让 AI 写文件到工作区外），审批触发后你应该听到语音播报，同时网页弹出审批按钮。

---

配置

优先用 config.json（插件根目录，改完重启 dsh web 生效）；环境变量可覆盖它（在启动 dsh web 的窗口里设置）。

变量（config.json 键 / 环境变量）	默认	说明
enabled / AUDIO_ALERT_ENABLED	true	启用 / 禁用
voice / AUDIO_ALERT_VOICE	zh-CN-XiaoyiNeural	edge-tts 音色
pitch / AUDIO_ALERT_PITCH	+0Hz	音调（格式 +xHz，如 +25Hz 更甜）
rate / AUDIO_ALERT_RATE	+0%	语速（格式 +x%，如 -10% 更慢/扭捏）
volume / AUDIO_ALERT_VOLUME	+0%	音量（格式 +x%）
textTemplate / AUDIO_ALERT_TEXT_TEMPLATE	DeepSeek 需要你的人工审核：{reasonOrTool}	播报文案模板（人物性格）
ffmpeg / AUDIO_ALERT_FFMPEG	自动探测	ffmpeg 路径（PATH 没有时指定）

config.json 示例：

{
  "enabled": true,
  "voice": "zh-TW-HsiaoChenNeural",
  "pitch": "+0Hz",
  "rate": "+0%",
  "volume": "+0%",
  "textTemplate": "DeepSeek 需要你的人工审核：{reasonOrTool}",
  "ffmpeg": ""
}

播报文案模板占位符：{reason}=审批原因、{tool}=触发工具、{reasonOrTool}=原因或工具。示例（病娇软萌妹口吻）：

set "AUDIO_ALERT_TEXT_TEMPLATE=主人～人家这里有个小请求，想请你确认一下下哦，是关于「{reasonOrTool}」的事情，答应人家好不好嘛～"

set 只对当前 cmd 窗口有效；永久生效用 setx 变量 值（需重开窗口）。

---

音色自定义

换 edge-tts 音色

列出所有音色：

npx edge-tts --list-voices

（或直接用 Python 版 edge-tts --list-voices 看列表。）

常用中文音色：zh-CN-XiaoxiaoNeural（温柔女声）、zh-CN-XiaoyiNeural、zh-CN-YunxiNeural（少年男声）、zh-CN-YunjianNeural（沉稳男声）、zh-TW-HsiaoChenNeural（台湾腔）、zh-HK-HiuMaanNeural（粤语）。

set AUDIO_ALERT_VOICE=zh-CN-XiaoxiaoNeural

调"甜 / 软 / 扭捏"（pitch / rate）

• AUDIO_ALERT_PITCH=+25Hz → 音调更高、更甜（格式必须是 Hz）
• AUDIO_ALERT_RATE=-10% → 语速更慢、更撒娇（格式是 %）

⚠️ 别拉太狠：全局音调/语速偏移会让句尾语气词（"吗/嘛"）失真、像机器人。建议 pitch 0~+30Hz、rate 0~-15%，自然感主要靠文案本身。

人物性格（文案模板）

见上文 AUDIO_ALERT_TEXT_TEMPLATE。要点：语气词（哦/嘛/呢/呀）放在句尾自然位置，别满屏省略号；让 TTS 自己按标点走语调。

---

工作原理

DSH 的审批走 approval/request 瀑布事件（answerer 机制）。本插件用 prepend 抢在 Web 审批 answerer 之前：

1. 拼好性格文案 → lib/tts.js 走 edge-tts 协议合成 mp3 → ffmpeg 转 wav → PowerShell 外放（后台进行，不阻塞）；
2. 立即 next() 委托给 Web 审批 answerer → 网页照常弹按钮。

---

故障排查

现象	原因 / 处理
没声音	看 dsh web 控制台是否有 [audio-alert] 播报失败 警告；常见是 ffmpeg 不在 PATH（设 AUDIO_ALERT_FFMPEG）或没联网
播报报 ffmpeg 相关错误	ffmpeg 不在 PATH；设 AUDIO_ALERT_FFMPEG 指定路径
播报报 403 / WebSocket 错误	网络问题或微软接口变动；确认能联网
审批没语音也没弹窗卡住	检查插件是否已注册进 profile、dsh web 是否重启

---

文件清单

文件	作用
lib/index.js	DSH Cordis 插件本体（审批 answerer + 播报）
lib/tts.js	edge-tts 协议实现（WebSocket 合成 mp3）
config.json	配置文件（音色/音调/语速/文案模板）
package.json	插件包元数据（依赖 ws）
install.bat	一键 npm install
test-speak.mjs	独立播报自检脚本（node test-speak.mjs）
LICENSE	MIT 许可证
README.md / README.en.md	中/英文档

---

限制与说明

• 仅支持 Windows（播放依赖 PowerShell）。
• 本插件只做语音提醒，审批决定仍由网页按钮完成。
• 本插件覆盖的是审批（approval/request）；模型主动提问（ask_user_question）是另一个 seam（userQuestions），未覆盖。
• lib/tts.js 的 edge-tts 协议参考 rany2/edge-tts（MIT）。

许可证

MIT