DSH给我输出了一大段插件架构的选型分析，屏幕滚了好几屏。我坐在屏幕前通读两遍，合上电脑，大半内容已经记不清。
很多时候我们并不需要死死盯着屏幕阅读大段文本。通勤路上、饭后散步，眼睛已经很累，大脑还想继续消化这些方案、思路与概念。
DeepSeek Harness一切皆插件的设计理念，社区已经出现了多款朗读插件，但大多依赖Edge TTS，音色偏机械，长时间听很容易疲劳。于是我在原有Omi朗读助手的基础上，开发了dsh-omi-voice，给DSH接入更自然的豆包音色。
为什么我需要在DSH里听回答
阅读长文本有一个现实问题：盯着屏幕阅读，很容易浅读扫过，很多关键逻辑看过就忘。
走路的时候用耳朵接收信息，用耳朵过一遍，信息在脑子里停留的时间更长，第二天还能复述出大致思路。不需要死盯屏幕，双手、眼睛可以解放出来，碎片时间直接利用起来。
我日常的真实使用场景：当DSH输出架构对比、方案选型、问题排查思路、知识点梳理这类大段文字，我不会继续盯着屏幕逐字啃。直接点击朗读，一边在家走动或者简单收拾，一边完整听完整套论述。听完之后，再回到屏幕上针对重点段落细看。
社区现状：现有朗读插件的局限
DSH社区已经诞生了不少TTS朗读类插件，大多基于系统自带语音或 Edge TTS 这类机械音色。它们的优势是开箱即用，不需要额外密钥，零成本。
但缺点同样明显：音色机器感很重，短句尚可，几十分钟长段内容，听觉体验很折磨人。我自己试过几款，试用几次就关掉，很难长期使用。
我想要的是：保留DSH插件体系的原生体验，同时拿到更接近真人说话的流畅音色，于是就有了dsh-omi-voice。
dsh-omi-voice的几个核心特点
🎵 豆包自然音色，不是Edge TTS 底层调用豆包语音合成接口，相比Edge TTS，断句、语气、语速更贴近真人说话，适合长时间收听长文档、方案分析。Edge TTS像新闻播报，字正腔圆但没感情；豆包像真人在跟你说话，有停顿、有语调，听久了不烦躁。
👆 点🔊直接读，不用复制 深度集成DSH，AI回复旁直接出现朗读按钮。点一下就读，暂停后从断点续播。不用选中文本、不用切窗口、不用按快捷键。
🧹 自动过滤代码和表格 只读最终回答，工具日志、思考过程不会读。代码围栏、表格、纯图形内容在请求前自动过滤——DSH经常输出大段代码，全读出来会疯掉。
🔒 插件零Key，引擎本地跑 API Key存在你本机的macOS Keychain里，插件侧完全不接触Key。播放、暂停续播、缓存、文本清洗全部在本地Omi引擎完成，插件只是个"遥控器"——符合《个人信息保护法》最小必要原则。
怎么装？十分钟搞定
- 装插件：一条命令
dsh plugin --profile web add "github:PolinniZhong/dsh-omi-voice#v0.1.2&path:/"（插件无需克隆、无需构建） - 构建并安装本地引擎：按 README 里
engine/的构建脚本（build-service.sh）生成 Omi DSH.app，放入应用程序文件夹 - 在引擎设置页填一次你的豆包API Key
然后在DSH里点🔊就能听了。完整安装命令、构建脚本和参数配置，全部写在GitHub README里，这里不重复。
⚠️ 当前仅支持macOS Apple Silicon，需要macOS 13+。Windows用户暂时用不了。
诚实说一句：这不是免费的。豆包TTS按字符计费，你用自己的Key自己付费，用量因人而异——轻度听几条回复成本很低，长时间连续听长回答费用会上去。能接受Edge TTS机械音的话，现有插件就够用；追求自然音色、愿意为体验付费的，再考虑这个。
好消息是，只有你手动点🔊才会合成，不自动朗读，还有LRU缓存（最近几条）去重，连续重复听同一段不重复扣费。
插件生态才是DSH的真正魅力
DSH刚发布不久，还处在开发者预览阶段。但短短几天，社区已经冒出工具插件、TTS、子Agent扩展等各式各样的周边。
很多人把目光聚焦在模型能力有多强，但对平台而言，真正的生命力来自上层的生态。
"一切皆插件"不只是一句口号。它意味着普通开发者可以基于底座，补齐自己真实使用中的痛点：有人需要朗读，有人需要特殊工具调用，有人要接入自己内部的子Agent。不用改框架源码，写一个插件就行。
dsh-omi-voice只是很小的一个例子，解决的就是我个人真实的收听痛点。
如果你也部署了DSH，且对Edge TTS的音色不满意，可以试试。
GitHub：github.com/PolinniZhong/dsh-omi-voice
觉得有用的话，一颗Star是对独立开发者最好的鼓励。
