dsh-realtime-voice

如果你每天和 DSH Agent 打交道，大概率经历过这样的场景——想追加一步操作、纠正一个参数，或者随口问一句进度，却得摘下耳机、把手指悬到键盘上、在输入框里打一行字再按回车。dsh-realtime-voice 就是为此而生：它把 Qwen Audio Realtime 的低延迟语音会话直接注入 DSH 自带的 3080 WebUI，拨号按钮出现在发送键旁边，不新开页面、不另起端口、不改 DSH 源码。拿起就能说，说累了随时打断，说完挂断，干净利落。

架构上是一个双平面模型。Qwen Audio Realtime 负责所有的听、说和自然问答，在毫秒级完成对话交互；一旦涉及文件操作、应用调用、联网检索、打印输出等真实执行任务，才通过四个窄语义 Function Call（交接、取消、审批、追问）把完整意图精准传递给 DSH 会话中绑定的 Agent 模型。插件同时订阅 DSH 的阶段消息、审批请求、追问和终态事件，回灌到语音通道中播报，形成说、做、报的完整闭环。可拖动语音浮窗、全双工实时打断、三层声学打断策略、三十秒断线恢复租约、WebUI 与微信小程序共用的统一协议——这些细节确保一通长通话不会因为网络抖动就前功尽弃。

它适合已经在 DSH 工作流中跑长任务、调多工具、走多步骤 Agent 的开发者和技术用户。你不需要重新设计交互流程，只需要戴上耳机，用说话代替打字，让语音成为你和 Agent 之间最自然的那条线。