dsh-gpt-sovits

dsh-gpt-sovits

中文 · [English](#english)

给 DeepSeek Harness（DSH）Web GUI 接入 GPT-SoVITS 语音合成：每条助手回复一键朗读、自动朗读开关、音色预设与设置面板。用你自己本地部署的引擎和音色，完全离线、不经云端。

> 代码是 AI 写的，声音是作者训练的。

> 本项目由 DeepSeek（deepseek-flash） 在 DSH 会话中逐轮写成 —— 出主意、修 bug、写测试、读宿主源码、量自己的宿主。完整过程见 [它是怎么来的](./docs/README.zh.md#它是怎么来的)。

dsh plugin --profile desktop add github:91koukou/dsh-gpt-sovits

本仓库不附带任何模型权重、参考音频或音频样本，也不替你启动引擎 —— 这些都由你自己准备。

---

核心特性

| 特性 | 说明 |

|---|---|

| 逐条朗读 | 每条定稿回复的操作条上有 🔊 按钮；播放中再点即停，点别的回复直接切换（单信道抢占） |

| 自动朗读（排队） | 输入栏左侧小喇叭开关。流式回复只读新增且已到句号的部分，一句接一句念完，绝不打断正在念的那句；同一条回复只读一次（刷新、切会话都不重复） |

| 启动内存检测 | 每次启动 DSH 先读一次可用内存：低于红线（默认 4.0 GB）就不自动启动引擎，插件本身照常加载（设置页、日志、模型都在），状态卡里写明原因并可一键「启动引擎」；红线与开关在设置页调整 |

| 启动问候 | 每 0.5 秒向空闲引擎请求一次问候语，识别到引擎开始工作就停止（状态每 0.1 秒检测）。它既是"插件活了"的信号，也顺带预热引擎 |

| 流式／总结分流 | 处理过程一句一请求（cut0，起播最早）；定稿总结打包成块交给引擎切（cut5，请求数少、快一倍） |

| 新一轮取消上一轮 | 按外壳自己的轮次计数判定，新一轮开始清空待播队列、作废飞行中的合成；轮次内不打断 |

| 切换会话即停播 | 判据是外壳发给每个槽位的 sessionId，存在模块级变量里 —— 切换会话会卸载重挂整棵子树，存在组件里的值永远发现不了切换 |

| 把符号念成人话 | cmd.exe → 「cmd点exe」、3-10 → 「3到10」、3/4 → 「4分之3」、C:\Users → 「C:杠Users」、是/否 → 「是或否」 |

| 单位不会念错 | 120km/h → 「120千米每小时」、100MB/s → 「100兆字节每秒」、2.4GHz → 「2点4吉赫兹」。词表方式，新增单位只需加一行 |

| 停顿由标点决定 | 关掉引擎自带静音，裁掉每段音频尾部静音，再按标点插入停顿：句号 340ms、逗号 150ms、省略号 460ms、段落 520ms |

| 中文分句完整 | 。！？；… 及其连写都是句末，句末引号归前句；段落是硬边界，不会被合并 |

| 音频只在内存 | 不为每句话写 WAV 到硬盘，直接从内存服务，条数与字节双重上限；升级时自动回收旧版遗留文件 |

| 逐句语速与情感 | 语速、temperature、top-k、top-p 随每一句发出，改动从下一句生效；音量是播放属性，改了立刻生效 |

| 音色预设 | 名称 + 参考音频 + 参考文本 + 参考语言，可增删、可设默认；成对权重未变时跳过切换，免得每次朗读都重载模型 |

| 只读该读的 | 代码块整块略过、URL/路径/哈希/长标识符替换成"链接/路径/编号/长代码"、表格不念分隔线、反引号里的符号念名字 |

| 设置面板 | 设置 → 语音朗读（GPT-SoVITS）。含运行状况、内嵌引擎控制台（stdout/stderr + 启动器判定 + 生成记录）、引擎地址、音色、语速、采样步数、音量、试听。保存即生效 |

| 只监听本机 | 所有路由拒绝非 loopback 来源，写接口额外校验同源 |

---

快速开始

1. 前置条件

1. 一份已部署好的 GPT-SoVITS（api_v2.py 能跑起来）

2. 至少一对自己训练的 GPT（.ckpt）+ SoVITS（.pth） 权重，以及一段参考音频

3. DSH 桌面版或 Web 版

2. 启动引擎

插件只负责"说话"，不负责起引擎：

cd <你的 GPT-SoVITS 目录>
runtime\python.exe api_v2.py -a 127.0.0.1 -p 9880 -c GPT_SoVITS/configs/tts_infer.yaml

首次要等模型加载完（约 12–30 秒）。

> 健康探测打的是 GET /control。该接口不带参数时按设计返回 HTTP 400，所以插件把 400 视为"活着"，只有连不上才算"未连接"。

3. 安装插件

dsh plugin --profile desktop add github:91koukou/dsh-gpt-sovits

装完刷新页面（客户端半身在启动图里合成，新插件需要一次页面加载才会出现）。

卸载：dsh plugin --profile desktop remove dsh-gpt-sovits

4. 配置

打开 设置 → 语音朗读（GPT-SoVITS），填引擎地址与至少一组音色预设。

| 项 | 默认 | 说明 |

|---|---|---|

| 引擎地址 | http://127.0.0.1:9880 | api_v2.py 的监听地址 |

| 音色预设 | 空 | 名称 + 参考音频路径 + 参考音频文本 + 参考语言 |

| 朗读文本语言 | zh | zh/en/ja/ko/yue/auto |

| 语速 | 1.0 | 对应引擎的 speed_factor，0.5–2.0 |

| 采样步数 | 32 | 嫌慢就降到 16，这是最有效的加速手段 |

| 音量 / 播放倍速 | 90% / 1× | 浏览器侧，仅影响本机播放 |