dsh-voice-call

主要功能

• offer_call 工具触发振铃，人类可选择接听、拒接或稍后再说，接听后台合成语音并本地播放，拒接/推迟结果会返回给 agent
• speak 工具可直接朗读文本，真实调用本地播放器（Windows PowerShell SoundPlayer、macOS afplay、Linux aplay）
• transcribe 工具将语音转成文字消息，支持 whisper-local/openai/macOS 原生等后端，可选跨会话投递
• /voice 斜杠命令可查看语音状态、开关朗读回复、直接说出指定文本
• 内置 9 种 CustomVoice 音色，含 2 种中文方言（北京话、四川话）
• 本地优先运行，基于 CrispASR 引擎与 Qwen3-TTS GGUF 模型合成，可完全离线，任何音频行为均需模型主动调用工具或人类接听触发

适合什么时候用

• 希望 agent 在完成任务或达到里程碑时主动语音通知你，由你决定是否接听
• 需要在会话中把语音输入转成文字消息，或让 agent 朗读回复内容
• 希望在完全离线、本地环境下使用中文方言等多音色 TTS/STT 能力

安装后会多出什么

使用前需要

• Node.js ≥ 20（运行测试需 22.18+）
• dsh CLI（@deepseek-ai/dsh），当前版本 0.1.0-rc.6
• 本地语音引擎 CrispASR ≥ 0.8.28，及 Qwen3-TTS GGUF 模型（talker + codec）
• 已配置可用的 LLM API 凭据（dsh agent 运行所需）
• 需在 profile 的 cordis.patch.yml 中按 id 手动配置 tts/stt/callMode 等字段，且 durableEvents 在 rc.6 下须保持 false