dsh-voice-ai-girlfriend 是一款为 DeepSeek Harness（DSH）打造的语音 AI 女友插件：她听你说话、陪你聊天，并把回答一字一句念给你听。她的声音不是固定的——核心魔法就是声音克隆：你只需录制一段参考音频，AI 女友从此就用那个音色开口；还能在voices/文件夹里建出多个音色，在工具行一键切换。这篇指南带你完成「准备参考音频 → 配置默认音色 → 多音色库」全流程，全程无需改代码。

dsh-voice-ai-girlfriend 语音AI女友音色克隆效果展示

一、先懂原理：声音克隆靠什么决定音色？

整个链路是：麦克风 → FunASR 语音识别 → DSH 大模型回复 → OmniVoice 声音克隆 TTS → 播放。TTS 引擎默认使用 OmniVoice（支持 600+ 语言，克隆/设计双模式），也可降级到 Qwen3-TTS-1.7B-Base。

她的音色由参考音频决定，项目按文件夹内容自动识别 3 种音色类型（扫描逻辑见 bridge/voice_bridge.py#L687-L743）：

二、第一步：录制一段 10 秒的参考音频（决定音色上限）

参考音频是整个声音克隆的灵魂，请这样准备：

• 时长：10 秒左右（5~20 秒均可），单一完整句子，不要跨句截取
• 质量：干净人声、无背景音乐、无环境杂音
• 内容：用你自己的话自然朗读即可，说什么都可以
• 命名：文件叫ref_audio.wav，放到项目根目录（和bridge/同级）

⚠️ 最关键的一点：你还要写一个ref_text.txt，内容必须和录音逐字一致（含标点）——克隆质量高度依赖文本与录音的匹配，错一个字音色都可能跑偏。

三、第二步：配置默认音色（只改 1 个必改项）

在项目根目录复制配置模板：

copy bridge\bridge-config.example.json bridge\bridge-config.json

打开 bridge/bridge-config.json，和音色相关的只有两处：

说明两点：

• tts.ref_audio默认读取项目根的ref_audio.wav，不用动；切回 Qwen3 备选引擎时，tts.ref_text也要填参考音频实际朗读的文本
• 默认音色的优先级：persona.default_voice指定的音色 → 第一个 OmniVoice 音色 → 第一个 Qwen3 音色，所以只要在配置里写对文件夹名即可

四、第三步：在 voices/ 建多音色库，工具行一键切换

每个子文件夹 = 一个音色，文件夹名即音色名。例如：

voices/ ├── 小雅/ │ ├── ref_audio.wav # 约 10 秒干净人声参考音频 │ ├── ref_text.txt # 音频实际朗读的文本（UTF-8，逐字一致） │ └── omnivoice.txt # 空标记文件：改用 OmniVoice 高保真克隆 └── 成熟男声/ └── design.json # 参数设计音色，无需任何音频

想"捏"一个不用录音的音色？在design.json里写参数即可，支持label、gender、age、pitch、style、accent、dialect等字段，不确定的直接填"Auto"（参数设计细节见 bridge/voice_bridge.py#L394-L401）：

{ "label": "成熟男声", "gender": "Male", "pitch": "Low", "style": "Gentle", "lang": "Chinese" }

添加完成后重启桥接（bridge\start-bridge.cmd），新音色会自动出现在 DSH 输入框上方工具行的「🎙️ 音色」按钮列表里：

• 点一下即可切换，热切换、下一段合成立刻生效，无需重启（接口见 bridge/voice_bridge.py#L1596-L1619）
• 选择自动记忆在 localStorage，刷新页面不丢失
• 音色、数字人形象、待机动画三类素材互相独立，随时自由组合

五、验证声音克隆是否成功：一条命令试听

启动桥接后，另开一个终端（venv 已激活）运行官方冒烟测试脚本 bridge/smoke_tts.py：

venv-speech\Scripts\python.exe bridge\smoke_tts.py --text "你好，我是小雅。"

跑完会在项目根目录生成tts_out.wav——播放它，听到的声音就是你的克隆音色，说明 TTS 链路已通。也可以在 DSH 里直接点麦克风说一句话，等回复朗读出来对照听。

六、排错：声音不像参考音频怎么办？

七、相关文件速查

• 完整安装与配置说明：README.md
• 配置模板（含tts.ref_audio/ref_text、persona.default_voice）：bridge/bridge-config.example.json
• 音色扫描与三种引擎识别逻辑：bridge/voice_bridge.py#L687-L743
• TTS 试听脚本：bridge/smoke_tts.py
• 插件安装与工具行功能：dsh-plugin/README.md

总结：声音克隆 = 一段 10 秒干净录音 + 逐字一致的朗读文本；多音色 =voices/下建文件夹，重启桥接后工具行一键热切换。配好之后，你的 AI 女友就会用你喜欢的声音，每天开口说话。