dsh-tts

在 DSH 流水线里，旁白、对白和字幕往往都要从同一段文字出发，却还要带上可对齐的时间信息。dsh-tts 把合成收成一件边界清晰的事：文字进，音频和逐词时间戳出，哪条 take 更好听、用哪个音色、停顿多长，一律留给调用方，插件只落文件和可度量的数字。

核心能力围绕三条工具展开。tts_speak 负责单段朗读与多人脚本对白，一次合成通常得到音频与同名 words 侧车 JSON；对白场景还会写出 dialogue 清单与全局词级时间轴，形状可直接对接后续的拼接与字幕流程。tts_setup 用来查看引擎是否可用、音色目录与健康检查；tts_guide 则按需提供参数、返回、耗时与边界说明。默认走微软 Edge 大声朗读端点，无需 Key 且带服务端逐词时间戳；需要离线或自有引擎时，可用 command 模式把任意本地 TTS 命令行包进模板与占位符，引擎换代不必改插件。

适合已经在用 DSH 做视频或播客自动化的人：要把文案变成可剪辑的音频素材，并把 words 交给 video_narrate 等兄弟插件做断句与字幕；也适合想先用 Edge 打草稿、再切换到 Piper、Kokoro 等有明确许可的本地引擎的团队。若你只想要一个会选最好听版本的助手，这里不是那种产品，它刻意不做听感判断，只为可重复、可接管的合成契约服务。