按标签浏览
# 语音交互 / voice interaction(24)
Guide Dog 插件通过 MiniMax 为 DeepSeek Harness 添加多模态能力,支持图像描述、内容生成和语音交互。
dsh-voice 是一个全双工语音插件,支持按键说话和实时字幕,使用 SenseVoice 进行中文语音识别,TTS 流式回复,并可打断播放。
dsh-voice 为 DeepSeek Harness 添加语音输入和输出功能,支持浏览器端 STT 和 TTS,实现文本模型的语音交互,无需 API 密钥。
dsh-chatvoice 为 DeepSeek Harness 添加免费、免 API key 的语音输入和 AI 回复朗读功能,基于浏览器原生 Web Speech API,零配置零成本。
为 DeepSeek Harness 提供语音交互:说话实时转录为文字,任务完成后自动播报简短语音摘要,由 AllModels.io 驱动。
基于 Sherpa-ONNX 的全本地离线语音插件,支持中文流式识别与多音色合成,CPU 即可运行,内置 WebUI 按住说话功能。
基于 Qwen Audio Agent 的 DeepSeek Harness 语音控制插件,通过悬浮语音球实现多会话的语音创建、调度与任务状态查看。
dsh-session-assistant 提供语音讨论与草稿管理功能,允许用户在当前会话中通过语音交互维护草稿并授权提交给主 Agent。
为 DSH Web 提供全屏语音通话:点麦克风边说边听,AI 回复实时朗读,支持语速、音色调节与中英双语界面。
DSH 单次语音轮次插件:双向原生音频、会话级 consent 绑定与 Qwen 音频交互,转录仅写入草稿,不提交、不执行工具。
为 DSH Web UI 提供语音交互插件,基于硅基流动 ASR 与 Edge TTS 实现自然语言对话,支持将工具任务委派给后台 Agent,语音仅播报简洁结果。
DSH Web GUI 语音通话助手,提供悬浮球通话面板、FunASR 语音识别、TTS 语音回复、唤醒词模式及子代理任务分发。