dsh-media-bridge
Manifest valid★ 1DSH Plugin: Speech-to-Text / TTS / Image Generation / Video Generation, invoking only one upstream per call, returning structured error codes on failure
dsh-media-bridge · 语音媒体桥
DeepSeek Harness(DSH)配置型插件:给智能体 8 个媒体工具——转写、语音合成、生图、生视频、造音色, 以及配置与诊断。每次调用只打一个上游,失败返回结构化错误码,由调用方决定重试还是换家。
用前必读
- 本仓库不含任何密钥,只有凭据引用名;值由你自己放进 DSH 凭据库。
- 它会把你的文本/图片/音频发给你配置的第三方服务(MiniMax、千问、小米 MiMo、DeepSeek)。
- 调用会产生你账号下的真实费用;生图/生视频不幂等,客户端超时也照常计费。MIT 提供,AS IS。
安装(不需要 npm 账号)
插件不走 npm,package.json 只是 DSH bundle 的清单(且 private: true)。装法和你机器上其他
GitHub 来源的插件一样:
- 把仓库放到 DSH 能读到的目录:
git clone https://github.com/xiaoxia-5201314/dsh-media-bridge.git ~/dsh-media-bridge - 在该 profile 的依赖里加一行
github:xiaoxia-5201314/dsh-media-bridge(本地开发也可用link:/绝对/路径),然后启用。插件会自动注册两行:media-bridge-mcp:stdio 启动server/media_bridge.py,暴露 8 个工具;media-bridge-settings:设置页 +media_bridge_settings工具。
- 必改一处:
cordis.patch.yml里三处路径是按机器写死的——脚本位置、cwd、MEDIA_BRIDGE_CHAINS_FILE。换机器直接覆盖这个文件会让 MCP 行静默启动失败 (仓库里发布的是/PATH/TO/...模板,就是提醒这件事)。 - 填凭据(值不进代码目录):
MINIMAX_API_KEY、QWEN_TOKEN_PLAN_CN_API_KEY、XIAOMI_API_KEY、DEEPSEEK_API_KEY、MINIMAX_CN_API_KEY、QIANWEN_API_KEY。缺哪个,链上对应环节自动跳过; 全缺时只剩check_config。套餐 key 与按量 key/域名不能混用。
工具
| 工具 | 作用 | 费用 |
|---|---|---|
check_config | 报告每家配置状态与默认顺序,只回布尔值,永不输出密钥 | 免费 |
transcribe | 音频→文本;response_format=verbose_json 出说话人分离与逐句时间戳,srt/vtt 落字幕文件 | 按量 |
synthesize | 文本→语音;可带 instruction(方言/情感/语速)、ssml、volume/rate、hot_fix、emotion | 按量 |
generate_image | 文生图;带 images=[1..16] 即改走图片编辑(本地文件自动转 data URI) | 不幂等,超时也计费 |
generate_video | 提交异步任务拿 job_id | 不幂等,超时也计费 |
job_status | 查任务并把成品下载到本地 | 免费查询 |
list_models | 拉厂商模型目录,看有没有新模型 | 免费 |
voice_manage | create_clone(样本音频复刻)/ create_design(文字描述造音色)/ list / status / delete | 创建与查询免费,用它合成按目标模型计费 |
设置页(设置 → 插件 → 语音媒体桥)
六张卡片:降级顺序(拖拽排序、整家停用)、每家的模型顺序(可增删、可折叠)、音色(已汉化, 按厂商+按模型族过滤,ID 与中文名并列)、接口密钥(直接在页面填/清除)、接口地址、花费上限。 保存后运行配置即时生效,下一次调用就用新的顺序/模型/音色。
花费上限
| 档位 | 字段 | 默认 |
|---|---|---|
| 统一日额 | budget.daily_limit_cny | 10 |
| 按品牌 | budget.provider_limit_cny[供应商] | 留空 = 不限 |
| 按模型 | budget.model_limit_cny["供应商:模型"] | 留空 = 不限 |
0 = 关闭该类调用,负数(走工具)= 不限;本地日期零点自动清零。拦截发生在发请求之前,
被挡的调用返回 code=budget_exhausted、不产生费用;成功的调用回显 cost_estimate_cny 与
budget_used_today_cny。账本是与链文件同目录的 media-bridge.usage.json(0600),
账本写不进去时直接拒绝调用——宁可挡住,也不做无记账的扣费。单价是估算,
可用 budget.prices_cny 覆盖自己的实际报价。
主要限制
- 千问套餐端不含
qwen-audio-3.1-*、cosyvoice-*、voice-enrollment(实测Model not exist), 这些只在按量端有;能力矩阵与原因见docs/NOTES.md。 - 音色 ID 绑定模型族,跨族使用会返回
InvalidParameter / Engine error 411;复刻与设计音色还额外绑定 创建时的target_model。 - MiniMax 音色复刻故意没接:首次使用扣 ¥9.9 解锁费,而小米
mimo-v2.5-tts-voiceclone免费可用。 - 表现力参数(
instruction/ssml/emotion/hot_fix)已验证厂商接受且不报错,但效果未经人工听测。 - 单次上限各家不同(如 MiniMax 转写 500 秒 / 50 MB,DeepSeek 120 秒 / 8 MiB),超限在调用前拒绝。
开发
python -m unittest server.test_tts_variants server.test_budget server.test_v09_controls \
server.test_single_target_routing server.test_minimax_video server.test_deepseek_asr \
server.test_minimax_image server.test_list_models server.test_download_naming test_synthesize_runtime
node --test client.test.cjs host.test.mjs
108 Python + 26 JS,全部离线(厂商 HTTP 层被 mock),所以 CI 不需要密钥、也不会产生费用。
许可证:MIT(见 LICENSE)。踩坑与演进记录:docs/NOTES.md。
Comments
Loading…