DSH Qwen Voice

简体中文 | English

这是一个基于 Qwen Audio Agent
构建的 DeepSeek Harness Web 实验性语音控制插件。

如果没有 Qwen Audio Agent，就不会有这个项目。本项目使用 Qwen Audio
Agent 作为实时语音引擎，并在其基础上增加 DeepSeek Harness 插件界面、
ACP 桥接和多会话任务路由。衷心感谢 Qwen Audio Agent 的维护者和所有贡献者，
感谢他们将优秀的实时语音 Agent 能力开源给社区。

插件会在 Harness 页面加入一个悬浮语音球。切换 DSH 会话时，实时语音连接不会
断开。用户可以在同一个浏览器标签页中，通过语音创建、继续和调度多个有名称的
DSH 会话，并在悬浮面板中查看任务状态。

主要功能

  • 切换 Harness 会话时保持实时语音连接；
  • 通过自然语言创建、继续和调度多个 DSH 会话；
  • 在一个浏览器标签页中并行安排多个任务；
  • 显示最新任务及其执行状态；
  • 支持中断语音播放；
  • 中断任务时显示处理中状态，并根据 Gateway 返回结果确认成功或报告失败；
  • 任务完成后及时播报，不必等待全部任务结束；
  • 通过播放状态回执减少重复播报；
  • 根据任务目标生成更容易识别的侧边栏会话名称。

兼容版本

  • DeepSeek Harness Web 0.1.0-rc.6
  • Qwen Audio Agent 1.10.0
  • 同时满足两个上游项目要求的 Node.js 版本
  • 提供 Windows 启动脚本；插件和 ACP 桥接本身使用跨平台 Node.js

本项目是社区集成，不是 DeepSeek 或 Qwen 的官方版本。两个上游项目仍在快速
迭代，因此目前需要严格匹配上述版本。

安装

npm.cmd install --global qwen-audio-agent@1.10.0
pnpm install
pnpm typecheck
pnpm build
pnpm setup:qwen
pnpm --dir bridge install
npx.cmd -p @deepseek-ai/dsh@0.1.0-rc.6 dsh plugin --profile web add .

复制 start-qwen-dsh-voice.example.cmd，保存为你自己的本地启动脚本。
如果需要，请修改其中的 ACP_WORKSPACE，然后启动语音 Gateway：

.\start-qwen-dsh-voice.example.cmd webui

重启 DSH Web，并打开 http://127.0.0.1:3080。

Qwen 或 DashScope 凭证只保存在 Qwen Audio Agent 的本地配置中。仓库和 DSH
浏览器插件包均不包含 API Key。

临时兼容补丁

pnpm setup:qwen 会对全局安装的 Qwen Audio Agent 1.10.0 应用带版本检查的
兼容修改：

  • 为同时发出的语音任务建立独立的协调通道；
  • 每个认证用户只保留一个长期 ACP Coordinator Session；
  • 允许管理员明确配置的 DSH 本机回环地址跨端口访问 Gateway。
  • 安装带鉴权的本地 DSH Session API，并接入 Task Manager 生命周期；
  • 在任务快照中保留目标 Session 身份；
  • 存在旧的“继续时直接选第一个 Session”分支时将其禁用。

脚本遇到未知版本时会拒绝修改，并且可以安全地重复运行。重新安装 Qwen Audio
Agent 会移除这些临时修改；之后重新执行 pnpm setup:qwen 即可恢复完整接线。

开发与验证

pnpm typecheck
pnpm build
pnpm --dir bridge test

ACP 桥接只允许访问本机回环地址。悬浮语音客户端默认连接
127.0.0.1:3101 的本地 Gateway。

已知限制

  • 当前开发预览版只验证了 DSH 0.1.0-rc.6；
  • Qwen 兼容补丁是临时方案，后续应尽量替换为上游正式扩展接口；
  • 会话名称根据语音任务目标生成，表达含糊时可能仍需手动重命名。

致谢

特别感谢
Qwen Audio Agent 团队和所有贡献者。
他们开发并开源了本项目赖以运行的实时语音前端、Gateway、音频传输、模型供应商
接入和 Agent 协调基础能力。本仓库的重点是将这些能力接入 DeepSeek Harness，
它不是对 Qwen Audio Agent 的替代品，也不是独立重写版本。

同时感谢 DeepSeek Harness 团队提供插件平台和开发者社区。

社区讨论

许可证

本项目采用 MIT 许可证。改编的 Qwen Audio Agent 音频传输逻辑记录在 NOTICE
中；Qwen Audio Agent 采用 Apache-2.0 许可证。重新分发本集成时，请保留相关
上游署名。

协调会话绑定

语音悬浮面板会显示当前 Coordinator。首次使用时，在目标 DSH 会话中点击
“设为协调会话”；需要更换时，在新会话中点击“由当前会话接管”并确认。
Session ID 由 DSH 当前会话状态提供并由 Gateway 再次验证，用户无需复制或编辑。

本地 rebind-coordinator 命令仅作为网页不可用时的灾难恢复手段。