dsh-voice

dsh-voice 插件旨在解决语音交互中的延迟与打断难题，为 DeepSeek Harness 带来全双工语音模式。传统语音助手往往需要等待对方说完才能回应，而这个插件通过流式 ASR → LLM → TTS 架构，实现了近乎实时的对话体验——用户说话时，系统可以一边听、一边处理、一边合成语音回复，并支持真正的“打断”功能：当用户再次开口时，助手会立即停止播放并转向处理新的输入。其核心能力包括按键说话（press-to-talk）、实时字幕显示、基于 SenseVoice 的中文优化语音识别（带标点和逆文本正则化），以及三层打断检测机制（清除播放队列、提升合成任务 epoch、取消运行中的回复）。插件还通过缓存代理和增量解码优化性能，确保流畅的多轮语音交互。适合需要自然语音交互的开发者、AI 应用构建者，以及任何希望为 DeepSeek Harness 添加高质量中文语音能力的用户。