@dsh-voice/bundle

主要功能

• transcribe 工具将口述音频（文件或麦克风录音）转写为文字，并作为用户消息插入对话，而非工具输出。
• speak 工具在后台任务中合成语音并播放，立即返回 jobId，不阻塞当前回合；失败时以提示形式注入而不中断对话。
• 聊天界面展示带播放/暂停、时长、后端标记与转写文本的语音卡片，音频文件缺失时自动降级为纯文本卡片。
• /voice 命令可开关自动朗读回复、查看状态，或直接从输入框发送一段文字合成语音。
• 支持多种可选的语音转文字与文字转语音后端（whisper.cpp、macOS 内置识别、OpenAI、say、piper、edge-tts），默认离线优先，云端后端需显式配置才会启用。
• 所有音频以本地文件形式存放于 ~/.dsh/voice，会话记录中仅保存引用与转写文本，不上传音频本身。

适合什么时候用

• 离开键盘时想用语音口述一条指令，让 agent 转写后继续处理任务。
• 长时间构建或无人值守的后台任务运行时，想让 agent 用语音播报结果而不是盯着日志。
• 更喜欢终端 agent 用语音朗读回复，减少阅读大段文字输出的负担。

安装后会多出什么

使用前需要

• 需要 DSH web 平台客户端（依赖 dsh-client-runtime 与 dsh-client-ui-conversation）。
• 语音转文字默认使用离线后端（whisper.cpp 二进制或 macOS 内置 SFSpeechRecognizer），录音功能需要 ffmpeg 或内置 swift shim。
• 文字转语音默认使用 macOS 自带 say 命令，也可配置本地 piper 或云端 edge-tts。
• 若启用 OpenAI 语音转文字后端，需要配置 OPENAI_API_KEY。
• 与 dsh-crosstalk 插件配合使用可将语音转写发送给其他本地会话（可选）。