"你好呀，我是小雅。从今往后，DeepSeek Harness 不只是你的编程搭子——它开口说话了。"
📌 流式数字人（DUIX 口播视频）已包含在本主线：回复实时生成数字人口播视频（≤10s 分段流水线、TTS+画面同步播放、数字人开关、视频保留 200 条）。
🎥 成品展示（抖音）：
这是一位住在你电脑里的 AI 女友：点一下麦克风，她听你说话、跟你拌嘴、把回答一字一句念给你听；你出门了，她追到你的 QQ 上继续聊；旁边那个窗口里的姑娘也不是摆设——她闲着会发呆，说话时会开口。
她有点小脾气，但你大概也会喜欢上这些：
- ⚡ 嘴快：你说完话，她 0.5 秒内开口 —— FunASR 中文识别只要 150ms、TTS 几乎秒开，反应比你还快
- 🎧 耳朵挑：-35dB 噪声门 + silero VAD 双重把关 —— 风扇、键盘、电视声统统进不来，只有你说话她才理
- 📱 粘人：她的回复自动推到你的 QQ（文本 + 语音 + 图片）—— 你不在电脑前，她也能找到你
- 👧 会动：右侧数字人窗口，空闲时发呆、说话时开口 —— 一个会呼吸的 AI，不是冷冰冰的对话框
- 🎬 会演：回复不只是声音——流式数字人（DUIX）把你的回复实时生成口播视频：长回复切成 ≤10 秒小段，边生成画面边合成下一段语音，一段接一段连续播放，TTS 与口型同步开口
- 🔇 懂打断：你插嘴她就闭嘴听你说；想让她把话说完，点一下开关就切回排队模式
- 🔊 声音是你的：TTS 声音克隆（OmniVoice，600+ 语言），音色由你给的参考音频决定，或直接用参数设计音色——她可以长成你喜欢的样子
- 🎛️ 随你调配：数字人开关（开=视频+声音同步 / 关=接近即时的纯语音朗读）、QQ 推送开关、女友窗开关、插话/排队模式，全部工具行一键切换
┌────────────────────────────────────────────┐
│ 浏览器（DSH Web GUI :3080） │
│ ┌──────────┐ ┌─────────────────────────┐ │
│ │ 对话面板 │ │ 女友窗（bg/task 视频） │ │
│ │ 麦克风+⚡ │ │ 数字人视频（同步播放） │ │
│ └──────────┘ └─────────────────────────┘ │
│ 麦克风采集 ──▶ STT ──▶ 代理回复 ──▶ TTS ──▶ 播放 │
│ ▲回复文本 回复文本▼ │
└─────┼──────────────────────┬──────────────┘
│ 插件 QQ 桥 (WS) │ HTTP (CORS)
┌─────▼──────────────────────▼──────────────┐
│ voice_bridge (:8765) │
│ /api/stt FunASR 中文 ASR │
│ /api/tts OmniVoice 克隆（WSL2·FlashInfer 加速）│
│ /api/dh/* DUIX 数字人（分段流水线/播放/开关）│
│ /api/qq/* QQ 桥（收发 + 语音推送） │
│ /api/vad silero 打断 / media 素材 │
└────┬──────────────┬───────────────────────┘
│ OneBot HTTP+WS │ HTTP（提交音频→轮询视频）
┌────▼──────────┐ ┌──▼──────────────────────┐
│ NapCatQQ │ │ DUIX 数字人 (:8383) │
│ 小号在线 │ │ 音频 → 口型同步视频 │
│ → 文本+语音 │ │ → 女友窗同步播放 │
└───────────────┘ └──────────────────────────┘
重启电脑后只需要做两件事：自己先打开 Docker Desktop，然后双击 bridge/start-full-stack.cmd（也可拷到桌面建快捷方式）。脚本会按正确顺序把整条链路拉起来，最后打印一张自检表；浏览器会用带 token 的链接自动打开。