Sunshine334419520/dsh-minimax-voice

English · 特性 · 安装 · 使用 · 工具 · HTTP 接口 · 计费 · MIT

这是 DeepSeek Harness 的社区插件，不是 DeepSeek 或 MiniMax 官方产品。需要 MiniMax 账号，并开通音色复刻、T2A 合成（语音转文字为可选）。

用 10 秒样本复刻一个音色，不花那 9.9 元/音色的复刻费也能先听到效果，然后这个 voice_id 可以给 Agent 用、在设置面板里用，也可以被你自己写的插件调用。反过来，音频也能转成文字。

特性

• 音色复刻 —— mp3 / m4a / wav，10 秒–5 分钟，≤20MB；可选一段 <8 秒的示例音频提升相似度。
• 试听不花钱，费用后置 —— 试听直接用 /v1/voice_clone 返回的 demo_audio，只按 T2A 字符计费，不会触发 9.9 元/音色的复刻费；这笔钱推迟到你第一次真正用该音色合成时才产生。见 计费。
• 降噪开关 —— 复刻前过滤样本底噪，默认开启（MiniMax 接口自身默认是关闭的）。
• 文本转音频 —— 单次 10000 字符，8 种情绪，语速 / 音量 / 语调可调，支持 MiniMax 系统音色与自己的复刻音色。
• 语音转文字 —— asr-1.0，单次 ≤500 秒 / ≤50MB，自动识别语种，支持中英混说，只返回纯文本。
• 四个 Agent 工具 —— 模型自己就能复刻、查列表、合成、转写。
• 设置面板 —— API Key 管理、带试听播放器的复刻表单、TTS 表单、ASR 卡片、可删除的音色库。
• 只在本机跑 —— 数据在 ~/.dsh/minimax-voice/，HTTP 服务绑定 localhost，仅 Harness 界面可达。

为什么试听是免费的

MiniMax 的音色复刻费不在 /v1/voice_clone 上收，而是在第一次用该 voice_id 调用 T2A 合成时收（9.9 元/音色）。所以「先复刻、再合成一段试听」的实现会立刻把费用打进去。

本插件改成读取复刻响应里自带的 demo_audio（接口自己渲染的试听音频），下载到本地播放。音色以 activated: false 入库，面板显示 · 未激活；第一次真正调用 synthesize() 时才置为 true，那也正是 MiniMax 开始计 9.9 元的时刻。

环境要求

• DeepSeek Harness >=0.2.0（含 Web UI 的 Web 版或桌面版）。
• Node.js 22+。
• MiniMax API Key，且账号已开通 T2A 与音色复刻；语音转文字为可选项，单独计费。
• 能访问 api.minimax.chat（国际站）或 api.minimax.cn（国内站）。

安装

让 Agent 帮你装

把下面这段发给任何能执行终端命令的 Agent，把 desktop 换成你的 profile 名（dsh profiles 可列出）：

把 DSH 插件 dsh-minimax-voice 装进我的 desktop profile：
dsh plugin --profile desktop add dsh-minimax-voice --registry=https://registry.npmjs.org/
装完请访问 GET http://127.0.0.1:58500/mmvoice/api/status 确认已加载，
并告诉我 MiniMax API Key 应该填在哪里。

从 npm 安装

dsh plugin --profile desktop add dsh-minimax-voice --registry=https://registry.npmjs.org/

从源码安装

git clone https://github.com/Sunshine334419520/dsh-minimax-voice.git
dsh plugin --profile desktop add /绝对路径/dsh-minimax-voice

重载

桌面版一般会自动加载。如果设置页里没有出现 MiniMax 音色，在「插件」里把它关掉再打开，或重启应用。仅刷新浏览器对宿主代码无效，但面板改动需要刷新页面。

配置

打开 设置 → MiniMax 音色，填入 API Key 保存即可，会写到 ~/.dsh/minimax-voice/secret.json。也可以用环境变量 MINIMAX_API_KEY 或插件配置里的 config.apiKey，优先级为 config.apiKey → MINIMAX_API_KEY → secret.json。

自检：

curl -s http://127.0.0.1:58500/mmvoice/api/status
# {"configured":true,"keySource":"file","dataDir":"/Users/you/.dsh/minimax-voice",
#  "defaultModel":"speech-2.8-hd","voiceCount":3,"previewMode":"demo_audio"}

使用

设置面板

复刻新音色 —— 选一段样本，可改名，保持降噪开启，点「复刻」。音色会出现在列表里，带 ▶ 试听 播放器和 · 未激活 角标，直到你用它合成过一次。

文本转音频 —— 粘贴文本（≤10000 字符），选音色，调语速 / 音量 / 语调 / 情绪，合成。mp3 落在 ~/.dsh/minimax-voice/output/，返回值里有路径。

音频转文字 —— 选文件，可填语种（zh、en…），点「开始转写」。结果出现在只读文本框里并可一键复制；用工具调用时还能直接写进 out_path。

Agent 工具

工具	作用
minimax_voice_clone	从 audio_path 复刻，返回 voice_id 和本地试听路径
minimax_voice_list	列出已保存音色（voice_id、名称、模型、试听路径）
minimax_tts	用 voice_id 合成 text（不传则用最新复刻的音色）
minimax_transcribe	把 audio_path 转成纯文本，可选写到 out_path

// minimax_voice_clone
{ "audio_path": "~/samples/narrator.m4a", "name": "悬疑旁白", "need_noise_reduction": true }

// minimax_tts
{ "text": "第一章，雨夜。", "voice_id": "mvabc123", "model": "speech-2.8-hd",
  "speed": 1.1, "emotion": "calm", "out_path": "~/out/ch1.mp3" }

// minimax_transcribe
{ "audio_path": "~/out/ch1.mp3", "language": "zh", "out_path": "~/out/ch1.txt" }

HTTP 接口

所有路由都在 Harness Web 服务的 /mmvoice/api 下（默认 http://127.0.0.1:58500），无鉴权，实际上只有本机能访问。

方法	路由	参数	返回
GET	/status	—	{ configured, keySource, dataDir, defaultModel, voiceCount, previewMode }
GET	/voices	—	{ voices: Voice[] }
GET	/voices/:id/audio	—	试听 mp3
DELETE	/voices/:id	—	{ removed: true }（仅本地）
POST	/key	{ key }	{ configured: true }
POST	/clone	multipart 或原始音频，?name=&model=&previewText=&noiseReduction=1	Voice
POST	/tts	{ text, voiceId, model, speed, vol, pitch, emotion }	{ path, durationMs, characters, traceId }
POST	/transcribe	原始音频，?filename=&language=	{ text, durationMs, traceId }
GET	/output/:file	—	合成产物
GET	/remote	—	/v1/get_voice 报回来的账号侧音色

curl -X POST --data-binary @sample.mp3 -H "content-type: audio/mpeg" \
  "http://127.0.0.1:58500/mmvoice/api/transcribe?filename=sample.mp3&language=zh"

Cordis 服务

其他插件可以直接注入服务，不必重写一遍 API：

export const inject = ['minimaxVoice']

export function apply(ctx) {
  ctx.tools.register({
    name: 'audiobook_render',
    async execute(args) {
      const { path } = await ctx.minimaxVoice.synthesize({
        voiceId: args.voiceId,
        text: args.paragraph,
        model: 'speech-2.8-hd',
      })
      return { path }
    },
  })
}

方法	签名
status()	{ configured, keySource, dataDir, defaultModel, voiceCount, previewMode }
list() / get(voiceId) / remove(voiceId)	音色注册表读写
audio(voiceId)	本地试听音频 { bytes, path, mime }
clone(request)	{ audioPath | bytes, filename, name, model, previewText, needNoiseReduction, promptAudioPath, promptText, signal, exec }
synthesize(request)	{ text, voiceId, outPath, model, speed, vol, pitch, emotion, format, signal, exec }
transcribe(request)	{ audioPath | bytes, filename, language, outPath, signal, exec }
setApiKey(key)	写入 secret.json
remoteVoices()	MiniMax 账号侧音色列表

Voice：

{ voiceId, name, model, createdAt, durationMs, previewPath, sampleName, activated }

activated === false 表示音色已存在、能试听，但从未合成过：MiniMax 还没有收那 9.9 元。

计费

项目	什么时候扣
音色复刻 9.9 元/音色	用新 voice_id 第一次合成时，而不是复刻时
试听音频	只按 T2A 字符计费（默认那句话不到一分钱）
文本转音频	按 TTS 字符计费，取决于模型（speech-2.8-hd / -turbo 等）
语音转文字	按 ASR 用量单独计费，与 TTS 分开

具体单价见 MiniMax 定价。每次合成面板都会返回 characters，方便对账。

数据与隐私

~/.dsh/minimax-voice/
├── voices.json          音色注册表（以此为准）
├── secret.json          API Key，明文
├── audio/<id>.mp3       复刻试听音频
└── output/*.mp3         合成产物

• secret.json 是明文存的。注意文件权限，或者改用 MINIMAX_API_KEY 环境变量。
• 音频和文本会发给 MiniMax 完成处理，其余数据不出本机。
• remove() 只删本地注册表和试听文件；要连账号侧一起删，请去 MiniMax 控制台。

本地接口安全

/mmvoice/api 能读 API Key、写音频文件、触发计费调用，所以每个请求都要过宿主的信任栅栏：connection.requestRejection() 会校验 Host/Origin（防 DNS 重绑定），并要求已认证的浏览器会话或 API 令牌；不通过就返回 401 或 403。拿不到 connection 服务时，只接受回环地址的同源请求。别的网页因此够不到这些接口，无法花你的 MiniMax 余额或换掉 Key。

常见问题

现象	处理
configured: false	没找到 Key，去面板保存或导出 MINIMAX_API_KEY
装完设置页没出现	在「插件」里关掉再打开，或重启应用
/mmvoice/api/status 返回 404	这个 profile 没加载插件，dsh plugin --profile <name> list 看看
/mmvoice/api/* 返回 401	该请求没有已认证的会话；从 harness 界面里打开面板使用（接口不对其他来源开放）
新音色显示 未激活	正常。还没合成过，所以那 9.9 元也没收
复刻报 400	样本太短 / 太长 / 太安静，或账号没开通复刻权限
转写结果为空	语种提示与音频不符，或者文件基本是纯音乐

开发

git clone https://github.com/Sunshine334419520/dsh-minimax-voice.git
dsh plugin --profile desktop add "$PWD"

宿主侧是纯 ESM（index.js），面板是 Cordis 客户端 bundle（client.js），无构建步骤、无运行时依赖。改完代码后在「插件」里关掉再打开即可重载，面板改动还需刷新页面。

许可证

MIT © 2026 Sunshine334419520