beiyege-01/dsh-voice-ai-girlfriend

解决的问题

与 AI 进行文字交流既缓慢又缺乏人情味。本项目为 DeepSeek Harness 添加了语音输入和输出功能，让你能够与 AI 对话并听到它的回应。它还通过一个与语音同步口型的数字人形象为 AI 赋予了视觉呈现。对于不在电脑前的用户，它还可以将消息和语音笔记推送到 QQ。

工作原理

该插件运行在 DeepSeek Harness (DSH) 之上。一个独立的桥接服务 (Python/FastAPI) 负责繁重的工作：它捕获你的麦克风音频，使用 FunASR 进行中文语音识别将其转换为文本，将文本发送到 DSH 对话（通过插件集成），然后获取 AI 的回复，使用 OmniVoice（或作为备选的 Qwen3-TTS）将其转换为语音，并通过扬声器播放。如果启用了数字人模式，语音还会被发送到 DUIX 引擎，该引擎会渲染一个口型同步的数字人视频，并在侧边窗口播放。该桥接服务还管理中断逻辑——当你说话时，AI 会停止说话并开始倾听。一个独立的 QQ 桥接允许你通过手机与 AI 聊天；AI 会以文本和语音消息进行回复。

适用人群

本项目适合那些已经在使用 DeepSeek Harness 并希望获得更自然、语音驱动交互的用户。它需要一台配备 NVIDIA GPU 的 Windows PC（建议 16GB VRAM），并且你需要为 TTS 引擎设置 WSL2，为数字人设置 Docker，并可选择安装 NapCatQQ 以实现 QQ 集成。这是一个对爱好者友好的设置，但需要一定的技术基础。

亮点

• 快速响应：语音转文本约 150ms，在你停止说话后约 0.5 秒开始语音输出。
• 噪声过滤：使用 -35dB 噪声门和 silero VAD，确保背景声音不会触发 AI。
• 语音克隆：你可以提供一段你的声音（或任何声音）样本，AI 就会听起来像那样。
• 流式数字人：回复被拆分为 ≤10 秒的片段，无缝生成并播放，并带有口型同步。
• 中断处理：你可以打断 AI，它会停止并倾听。
• 持久化数字人窗口，在不说话时有闲置动画。
• QQ 集成：发送和接收消息，包括语音和图片。
• 简单的一键启动脚本，可启动整个堆栈。