dsh-talk cierra el bucle de voz en ambos sentidos:

• Herramienta speak — el agente lee sus respuestas en voz alta. Motores TTS: voz del navegador, edge-tts (voces neuronales en red) o piper (local). El audio se reproduce en el navegador; en los hosts que pueden transportarlo, el registro de sesión guarda la locución saneada (ver Límites de seguridad).
• Botón de micrófono — pulsa, habla y la transcripción aterriza en la caja de entrada (o se envía directamente). Motores STT: Web Speech del navegador (con resultados intermedios), un servidor HTTP FunASR o whisper.cpp local.
• Hablar interrumpe — empezar a hablar detiene la reproducción (canal client→host sobre el espacio talk).
• Anuncios de eventos — fin de turno, aprobaciones pendientes (seguro en cascada: nunca bloquea la puerta) y errores, con interruptor de silencio y frases configurables.
• Pestaña de ajustes — selección de motor/idioma e interruptores de anuncios, guardados como operaciones append-only del parche de perfil con copias de seguridad.

# 1. instala el bundle en tu perfil
dsh plugin --profile web add "github:PerryLink/dsh-talk#main"

# o desde npm (versiones publicadas)
dsh plugin --profile web add dsh-talk

# 2. reinicia y verifica la fila
dsh --profile web --dump-config | grep -A2 'id: talk'

Luego pulsa el micrófono junto al compositor y habla; o pide al agente que hable:

> Di "hola" con la herramienta speak.

• Canal git (último main): dsh plugin --profile web add "github:PerryLink/dsh-talk#main" — el script prepare compila solo con dependencias de producción.
• Canal npm (versiones publicadas): dsh plugin --profile web add dsh-talk.
• Canal tarball: pnpm pack en este repositorio y luego dsh plugin --profile web add ./dsh-talk-<version>.tgz.
• Desinstalar: dsh plugin --profile web remove dsh-talk (o elimina la fila del parche del perfil).

Si pnpm informa ERR_PNPM_IGNORED_BUILDS para este paquete (la validación inofensiva del binario de esbuild), añade allowBuilds: { esbuild: true } a tu pnpm-workspace.yaml — el CLI dsh imprime el fragmento exacto.

Todos los ajustes son campos Config de Schemastery (modificables desde cordis.yml). cordis.patch.yml documenta cada clave.

stt.silenceFinaliseMs y record.vad.silenceMs son mecanismos distintos: el primero finaliza la transcripción de Web Speech cuando el reconocimiento continuo deja de oír voz; el segundo es el detector por energía de MediaRecorder que termina la grabación (y la envía cuando record.autoSubmit está activo). Funcionan en canalizaciones diferentes y no comparten estado.

• Permisos: el plugin solo guarda una caché de audio en memoria con límite de bytes; el permiso de micrófono lo gestiona el navegador. La pestaña de ajustes solo añade fragmentos al parche del perfil con copia de seguridad — nunca reescribe el archivo.
• Datos: el audio nunca entra en el contexto del modelo ni en el registro de sesión. Donde el vocabulario de sesión del host lo acepta, el evento dsh-talk/speech lleva el id de locución, motor, razón, tamaño, texto saneado y, cuando corresponde, voz, velocidad y tono del navegador; en hosts sin envoltura el evento no se escribe en absoluto. Toda superficie de visualización/registro redacta credenciales, JWT, cabeceras bearer y rutas temporales.
• Red: solo se contactan los motores que configures. edge-tts realiza síntesis de red, FunASR usa su endpoint configurado y webkitSpeechRecognition de Chrome envía el audio del micrófono a los servidores de Google para transcribirlo; la reproducción de speechSynthesis del navegador permanece local.

• Visible para el modelo ⟺ registrado — el modelo solo ve el valor canónico y el texto renderizado de la herramienta speak. El evento dsh-talk/speech se añade solo cuando el host puede transportarlo (ver Compatibilidad del host); los eventos tool/call + tool/result siguen siendo siempre el rastro reconstruible.
• Los anuncios de aprobación nunca bloquean — el listener de approval/request siempre llama a next().
• Salida saneada — credenciales y rutas temporales de audio nunca llegan a registros ni pantallas.
• Compatibilidad del host — el evento dsh-talk/speech se añade a través de una compuerta adaptativa. Los hosts cuyo vocabulario de tipos conocidos cubre el evento lo añaden directamente; los hosts con la opción ignorable lo añaden con la marca; los hosts sin envoltura — toda línea publicada hasta 0.1.1-rc.2, y 0.1.2-alpha.1, que eliminó la envoltura y falla cerrado ante tipos desconocidos — no reciben ningún append, de modo que la voz nunca puede contaminar el registro de sesión en esas líneas. Ahí el historial de reproducción en vivo queda vacío y los resultados de la herramienta speak son el rastro reconstruible.
• Fallo ruidoso — motores inválidos, valores fuera de rango y motores sin su modelo/endpoint requerido fallan al montar.

• Soporte de navegador: Web Speech y MediaRecorder se detectan por capacidades; sin ellos el botón se desactiva y los motores del host (FunASR/whisper.cpp) pueden transcribir si están configurados.
• Los motores locales se instalan aparte: los ejecutables y modelos de edge-tts, piper y whisper.cpp deben instalarse por separado.
• Formato de grabación: el navegador graba con su códec nativo de MediaRecorder; whisper.cpp puede requerir una grabadora WAV o una conversión en el servidor.
• Los ajustes aplican al recargar: la pestaña añade al parche del perfil; una recarga del perfil (o reinicio de la web) activa los cambios.
• El historial de reproducción en vivo queda vacío en hosts sin envoltura: en 0.1.1-rc.2 y 0.1.2-alpha.1 el vocabulario del host no conoce dsh-talk/speech, así que la compuerta no escribe nada y la lista de reproducción de la sesión en el cliente queda vacía. La voz en sí, el micrófono, la pestaña de ajustes y la herramienta no se ven afectados.
• Los registros antiguos escritos por dsh-talk ≤ 0.2.1 pueden requerir reparación antes de cargar en frío: las versiones hasta 0.2.1 añadían eventos dsh-talk/speech sin marcar. En hosts 0.1.0-rc.7 o posteriores, una sesión cuyo registro ya los contiene falla en su siguiente carga en frío con SessionFormatUnsupportedError. Reparación: detén el host, haz una copia del registro .jsonl de la sesión, añade "ignorable":true como miembro de primer nivel en cada línea JSON cuyo "type" sea "dsh-talk/speech" (por ejemplo, inserta "ignorable":true, justo después de la { inicial) y vuelve a abrir la sesión. Nada más cambia y no se pierde nada; los appends nuevos de esta versión nunca añaden eventos sin marcar.

pnpm install        # node ^22.19 || >=24
pnpm run typecheck  # tsc: src + tests contra el checkout local del harness
pnpm run typecheck:ci  # tsc contra los tipos publicados 0.1.1-rc.2 (sin paths)
pnpm test           # vitest: 77 tests, 13 suites
pnpm run build      # declaraciones tsc + bundles tsdown (lib/)
pnpm run verify:self-contained  # las specs de dependencias resuelven desde el registry
pnpm run verify:artifacts       # caras ESM construidas + handshake ModuleLoader del cliente
pnpm pack           # el tarball publicado

dsh, dsh-plugin, deepseek-harness, deepseek, cordis, voice, speech, tts, stt, speech-to-text, text-to-speech, microphone

• @PerryLink — creador y mantenedor: pipeline de voz, motores de habla, grabadora de micrófono, anuncios de eventos, unidad de proyección y la documentación en cinco idiomas.

Este proyecto es uno de los 33 complementos de DeepSeek Harness mantenidos por PerryLink. Si este te ayuda, probablemente los demás también:

Apache License 2.0 © 2026 dsh-talk contributors