dsh-voice-bridge · 贾维斯语音助手（DSH 插件）

给 DSH 加一套「喊名字就对话」的语音能力：

• 🎙 唤醒词：「贾维斯」——本地关键词检测（sherpa-onnx），不上传音频
• 📝 语音转文字：本地 SenseVoice，中文识别，说完自动填进输入框并发送
• 🔊 朗读回答：微软在线语音（晓晓/云希，接近真人），失败自动退回系统语音
• ✋ 可打断：我念到一半喊「贾维斯」立刻停；说「续 / 继续」从断点接着念
• ⌨️ 打字不念：只有用嘴问的才朗读，打字问的只出文字

安装

前提：Windows + 已安装 DSH（脚本要用 DSH 自带的 Python）。

1. 把本仓库下载/解压到可写目录（不要放 C:\Program Files），例如 D:\Jarvis。
2. 右键 install.ps1 → 「使用 PowerShell 运行」。 它会装 Python 依赖、让你说一句话挑麦克风、写 jarvis\device.json。
3. DSH → 插件面板 → 添加本地目录 → 填本文件夹根目录（含 package.json 那一层）。
4. 重启 DSH。之后每次启动都会自动拉起「听」和「说」两个后台进程，关掉 DSH 一起退出。

用法

• 说「贾维斯」→ 听到“叮”→ 说你要做的事；说完停一下（短命令 0.7 秒收尾，长句 2 秒）。
• 文字自动填进输入框并自动发送（不想发就半秒内按退格删掉）。
• 我回答时用语音念；打字问的不念。
• 念到一半喊「贾维斯」可打断；再说「续 / 继续 / 接着」从断点续播。

换声音 / 调语速

改 jarvis\voice.json，重启 DSH：

{"voice":"zh-CN-YunxiNeural","rate":"+10%"}

可选：zh-CN-YunxiNeural 云希（年轻男）、zh-CN-YunjianNeural 云健（成熟男）、 zh-CN-YunyangNeural 云扬（播报）、zh-CN-XiaoxiaoNeural 晓晓（女）。

换唤醒词

改 jarvis\kw_raw.txt（一行一个，格式 贾维斯 @贾维斯），然后：

$py = "$env:USERPROFILE\.dsh\dsh-runtimes\dsh-primary-runtime\dependencies\python\python.exe"
& $py .\jarvis\make_keywords.py .\models\sherpa-onnx-kws-zipformer-wenetspeech-3.3M-2024-01-01\tokens.txt .\jarvis\keywords.txt

灵敏度在 jarvis\jarvis_listen.py 的 build_kws() 里： keywords_score 越大越容易触发，keywords_threshold 越小越容易触发。

目录

dsh-voice-bridge/
├─ install.ps1            一键装依赖 + 挑麦克风
├─ package.json / cordis.patch.yml
├─ lib/index.js           服务端：拉起两个 Python 进程、提供本地接口
├─ lib/client.js          界面：把文字原生插入输入框并发送（不抢焦点）
├─ jarvis/                Python 脚本、唤醒词、音色、设备配置
└─ models/                唤醒词模型（31MB）+ 第三方许可说明

隐私

• 唤醒词检测、语音识别全部在本地，音频不出机器。
• 只有「朗读」会把文本发给微软在线语音；断网会自动用 Windows 本地语音。
• 本地接口只监听本机，并拒绝跨站请求。

常见问题

现象	处理
喊了没反应	跑 python jarvis\mic_probe.py 8 看哪个设备有声音，把设备号写进 jarvis\device.json
太容易误触发	把 keywords_score 调回 1.0～1.5
一直没声音	看 jarvis\speak.log；确认没有被别的程序占用扬声器
听不清 / 识别错	靠近麦克风，或在安静环境重试
装了两个同名插件	会各自拉起一套进程，务必只留一个

已知限制

• 只支持 Windows（用到了 MCI 播放、SAPI、DSH 自带 Python 路径）。
• 唤醒词对普通话口音敏感度有差异，可自行调灵敏度。
• jarvis/voice.log、speak.log 会持续增长，长期使用可定期清理。

许可

代码 MIT。第三方模型见 models/NOTICE.md。