dsh-speech

DSH 官方宿主没有任何语音能力位——LLM 扩展点只认 chat 模态，附件通道只收图片。dsh-speech 通过标准 webServer 路由注册扩展点旁挂一组独立的语音服务面：/s/api 提供批量语音转写与合成，/s/ws 提供实时转录 WebSocket 会话通道。手机 App 或局域网内任意客户端凭同一个 Bearer token 即可直接调用，无需改动 DSH 源码，也无需重新编译下载。

四族适配器撑起核心能力层：阿里云百炼原生协议（批量 ASR/TTS 加句级实时转录）、OpenAI 兼容接口（OpenAI、Groq、硅基流动、自建网关，换厂商只改配置）、本地自建服务直连（SenseVoice 与 CosyVoice2，含流式合成与声纹说话人分离）、流式 WebSocket 上游（Deepgram、FunASR、sherpa-onnx、讯飞 IAT/RTASR/TTS）。批量识别、语音合成、实时转录三个选择器互相独立，可自由混搭，例如百炼批量识别加本地合成加 Deepgram 实时转录。实时转写支持 VAD 句级分段、伪流式逐字预览、本地声纹聚类说话人分离，以及讯飞长音频多人实时转写（roleType=2）与在线多方言合成。编辑器内置拉取平台最新模型按钮，模型改名时一键刷新，无需改代码。

适合需要为移动端或局域网桌面客户端接入语音输入与语音输出的团队；需要在一条管线中同时调度多家云端及本地语音模型的开发人员；以及希望一条插件命令即可在 DSH 宿主上获得完整 ASR/TTS/实时转录服务面、不 fork 不编译的用户。