Muxiva Voice for DeepSeek Harness

这是一个面向官方 DeepSeek Harness 的本地优先、可打断、全双工语音插件，底层实时 Pipeline 由 Muxiva 编排。

麦克风、VAD、ASR、分句、TTS、播放和打断链路都留在 Mac 本机；DSH 继续负责有状态 Agent、工具、权限、会话和 Web 聊天记录。

当前是 Alpha：源码联调路径已经建立。Muxiva 0.1.1 已发布 CPython 3.8–3.14 Wheel（包括 macOS universal2）；面向陌生用户的一条命令安装现在只剩 npm 发布门禁。

源码快速开始

前置要求：Apple Silicon Mac、Node.js 22.19+、Python 3.11–3.13、Rust、相邻目录 ../muxiva 中的 Muxiva 源码、已安装的 muxiva CLI 和官方 DSH CLI。

cd muxiva-dsh-voice
npm run doctor -- --fix
npm run models
dsh plugin --profile web add .

然后分别启动：

# 终端 A：Muxiva 本地语音 Graph
npm start

# 终端 B：DSH Web
dsh --profile web

npm start 默认是低开销的无界面产品模式，也可以显式运行 npm run start:headless。 排障或调优时，把终端 A 换成 npm run observe：它会在继续托管认证语音桥的同时打开 同一个 graph.json 的 Muxiva Studio。点击 Run，再打开 ◎ Observe，即可查看各 Node 的延迟/吞吐、各 Edge 的速率/队列年龄、Node 内部缓冲、Trace 和热点判断。 两种模式都会把桥与 Runtime 输出追加到 .muxiva/runtime.log，无界面运行时可直接 tail -f .muxiva/runtime.log 追踪启动失败、ASR/TTS 事件和 Node Host 错误。

进入 DSH 会话后点击输入框上方的大型语音 Orb。光环会跟随输入能量，状态会依次显示“聆听 / 识别 / 思考 / 回答”。再次点击大按钮只会静音/恢复麦克风，WebSocket、AudioWorklet 和 Graph 保持常驻；右侧小“结束”按钮才会关闭链路。Silero VAD 只产生候选，ASR 出现非空文字后才确认打断并清掉旧播放/TTS、取消旧 DSH Turn；空识别会回到聆听，不会卡在思考状态。

边界

• Muxiva 管实时系统：Frame、Graph、有界队列、背压、Signal、取消和可观测性。
• DSH 管 Agent：模型、Session、Tools、Permissions 和 Web UI。
• 本仓库只管桥：DSH Bundle、Web 控件、版本化本地协议和项目 Node Pack。
• 当前没有修改 Muxiva 或 DSH 上游仓库。

模型下载采用固定 revision，并对 Qwen3-TTS 主权重和语音 tokenizer 执行 SHA-256 校验；npm 包本身不重新分发模型。完整说明见 模型和许可证、协议和安全模型。

模型安装完成后，可以运行 npm run test:e2e。它会启动真实的 8-Node Muxiva Graph，认证“中文文本 → normalizer → Qwen3-TTS 24 kHz PCM → 模拟麦克风 → Silero VAD → SenseVoice Final”的闭环，并另外验证英文识别。默认 TTS 是在 Apple Silicon 上通过 MLX 运行的 Qwen3-TTS 0.6B CustomVoice 8-bit，不包含云端 fallback。

第一台性能认证机器是 16 GB MacBook Pro M1 Pro。延迟目标、严格的测量边界和每个 Release 必须提交的版本化实测报告格式见性能与验收。目标值 不会冒充实测值；缺少对应性能报告及文档链接时，npm Release Workflow 会直接失败。