deepseek-tts-api

DeepSeek 网页版「朗读」的非官方客户端 + CLI。 点个star谢谢喵

把 DeepSeek 网页上的朗读功能，搬到命令行里。

Node 包 + CLI，命令名：

dstts

当前版本：0.2.0

环境要求：Node.js >= 22

运行时零依赖，直接用 Node 自带的 fetch 和 WebSocket。

GitHub · 个人主页 / 打赏 · @Eyeing0721

---

能拿来干嘛

# 看音色
dstts voices

# 下载试听
dstts demo mira -o 试听.mp3

# 检查账号
dstts probe

# 直接念一段文字
dstts say "今天辛苦了，早点睡。"

# 念已经聊过的某条回答
dstts read --session <id> --message <id>

# PCM 封成 WAV
dstts wav in.pcm out.wav

就这么简单。

---

上手

先看下面的「登录态」。 所有命令都要登录态，一条都不能少 —— 包括 voices 和 demo。 没设 token 直接跑，只会收到一句 缺少登录态。

直接跑

现在 npm 还没发布，所以先从 GitHub 跑：

# 不用安装，直接跑
npx github:Eyeing0721/deepseek-tts-api voices

也可以全局装：

npm install -g .
dstts voices

或者克隆下来：

node bin/dstts.mjs voices

---

登录态

需要一个 userToken。

登录 chat.deepseek.com，按 F12 打开 DevTools。

Mac：

Option + Command + I

打开 Console / 控制台，输入：

JSON.parse(localStorage.getItem('userToken')).value

拿到的就是 userToken。

它是一串 64 字符的字符串。

Console 不让粘贴的时候，先手打：

allow pasting

回车，再贴上面的代码。

怎么传

bash / macOS：

export DS_TOKEN='那串东西'

Windows PowerShell：

$env:DS_TOKEN = '那串东西'

也可以直接：

dstts voices --token <值>

所有命令都需要登录态，包括 voices 和 demo。

token 只从 DS_TOKEN 和 --token 读，不写文件，也不打进日志。

---

音色

目前有这几只：

ID	中文名	英文名	性别	描述	语言
mira	贝壳	Mira	female	百变活泼（可以唱歌）	29
echo	白浪	Echo	male	明朗坚定	29
stella	海星	Stella	female	俏皮甜美	10
tide	暗潮	Tide	male	低沉浑厚	10

默认是：

mira

海星和暗潮支持：

ar en id ja ko ms th vi yue zh

还带粤语。

---

voices

看看现在有哪些音色：

dstts voices

想拿 JSON：

dstts voices --json

输出大概这样：

音色列表（官方接口 /api/v0/chat/tts/voices）
默认 mira   当前 mira

  mira     贝壳   female  百变活泼   29 种语言  试听 29 个  (默认)
  echo     白浪   male    明朗坚定   29 种语言  试听 29 个
  stella   海星   female  俏皮甜美   10 种语言  试听 10 个
  tide     暗潮   male    低沉浑厚   10 种语言  试听 10 个

---

demo

想先听听某个音色长什么样：

dstts demo mira -o 试听.mp3

指定语言：

dstts demo tide --lang yue -o 粤语试听.mp3

不写 -o 的话，默认文件名：

demo-<音色>-<语言>.mp3

---

probe

先测一下账号这边能不能正常走：

dstts probe

也可以带上会话和消息：

dstts probe --session <id> --message <id>

会依次检查音色、票据和 WebSocket，然后给结果。

dstts probe --json

还能直接拿结构化结果。

---

say

最适合日常玩的就是这个。

dstts say "今天天气不错，适合睡觉。"

换音色：

dstts say "念这句" --voice tide -o tide.wav

想把临时会话留下：

dstts say "别删会话" --keep

也能调等待时间和 PoW：

dstts say "..." --wait 60000 --max-iterations 5000000

额外请求头：

dstts say "..." --header "名字: 值"

--header 可以重复传。

默认输出：

ds-say-<时间戳>.wav

它是怎么念出来的

DeepSeek 的 TTS 接口只接收：

chat_session_id
message_id

服务端会自己根据这两个 id 找内容。

同时，它只念模型消息，用户自己发的那条消息不能直接拿去合成。

所以 say 会先建一个临时会话，让模型把你给的文字原样复述出来：

请把下面这段文字原样输出一遍，不要翻译、不要总结、不要解释、不要加引号或任何前后缀，一个字都不要改：

<你给的文本>

拿到模型消息的 message_id 后，再交给 TTS。

整个过程：

建会话
→ 解 PoW
→ 发复述提示语
→ 拉 history
→ 拿 message_id
→ 合成
→ 删掉临时会话

所以你写：

dstts say "今天早点睡"

它真的会自己走完这一整套，然后给你一个可以直接播放的 WAV。

---

read

已经有会话和消息了，就直接读：

dstts read --session <会话id> --message <消息id> -o out.wav

换音色：

dstts read --session <id> --message <id> --voice tide --format pcm

其中：

• session 是网页 URL 里的 /a/chat/s/<uuid> 那一段
• message 是对应消息的 message_id

不写 -o：

ds-tts-<message_id>.wav

---

wav

裸 PCM 套个 WAV 头：

dstts wav in.pcm out.wav

默认：

24000 Hz
单声道
16 bit

也可以自己指定：

dstts wav in.pcm out.wav --rate 16000 --channels 2

长度对不上 blockAlign 的话会直接报错。

---

通用选项

选项	说明
-o, --out <路径>	输出文件
--format <格式>	pcm（默认）或 opus
--voice <id>	切换音色
--token <值>	userToken
--timeout <ms>	超时，默认 read=90000 / probe=15000
--json	JSON 输出
-h, --help	帮助
--version	版本

---

错误码

真遇到报错，CLI 会直接给中文提示，对着看就好：

码	名字	中文
0	SUCCESS	—
1	INTERNAL_ERROR	服务端内部错误
2	INVALID_INPUT	请求参数不对（会话 id / 消息 id 大概率是错的）
3	SERVICE_ERROR	服务端业务异常
4	QUOTA_EXCEEDED	朗读额度用完了（今日限额）
5	RATE_LIMIT_REACHED	请求太频繁，被限流了
6	NO_CONTENT	这条消息没有可朗读的正文
7	UNSUPPORTED_LANGUAGE	当前语言不支持朗读
8	VOICE_UNSUPPORTED_LANGUAGE	这个音色不支持当前语言
9	NOT_AVAILABLE	服务端未对该账号放行（NOT_AVAILABLE，灰测/地区限制）
10	RESUME_EXPIRED	续传票据过期了
11	FORBIDDEN	被拒绝（FORBIDDEN）
12	CONTENT_FILTER	内容被安全过滤挡了

另外还有：

auth：
缺少登录态：没有 userToken（DS_TOKEN 环境变量和 --token 都是空的）。取 userToken 的办法见 README 的「上手」一节

以及普通参数错误：

参数错误：不认识的选项：--via

---

几个小提醒

票是一次性的

票有效期是 600 秒，而且只能用一次。

所以每次建立 WebSocket 之前，程序都会重新取票。

朗读目前正在公测

账号是否能用，由服务端决定。

碰到：

code=9 NOT_AVAILABLE

或者：

code=11 FORBIDDEN

就是当前账号没拿到权限。

opus 是裸 Opus

format=opus 拿到的是裸 Opus 包，没有 Ogg 容器。

想拿来直接播放，默认用 pcm 就行。它会自动封成 WAV。

say 会建临时会话

每次 say 都会创建一个临时会话。

默认念完就删，--keep 可以留下。

PoW 会占一点时间

每次合成前都要做一次工作量证明。

一般大约：

300 ~ 900ms

默认最多算：

5000000 次

---

性能

实测大概是这个感觉：

命令	耗时
dstts voices	0.22 s
dstts probe	0.26 s
dstts say 短句（11 字 → 1.8s 音频）	3.2 ~ 4.2 s
dstts say 长文本（101 字 → 19.0s 音频）	7.1 s
npx github:... help 首次运行	11.1 s

短句主要是固定流程占时间。

长一点的文本，整体会快不少。

---

Node 里直接用

import { writeFile } from 'node:fs/promises';
import { synthesize, pcmToWav } from 'deepseek-tts-api';

const r = await synthesize({
  sessionId: '...',
  messageId: '...'
});

await writeFile('out.wav', pcmToWav(r.audio));

不传 token 的话，会直接读：

DS_TOKEN

synthesize() 会返回音频、帧信息、票据、会话信息等完整结果。

流式播放也可以：

onChunk: (buf) => play(buf)

常用导出：

issueTicket
listVoices
setVoice
resolveDemoUrl
probeProtocol
createSession
deleteSession
fetchMessages
putText
say
pcmToWav
wavHeader
parseWavHeader
DeepSeekTtsError
ErrorCode
codeName
codeHint
VOICES
PCM
FORMATS
TOKEN_ENV
parseArgv

错误统一是：

catch (e) {
  e.kind;
  e.code;
  e.codeName;
  e.describe();
}

---

项目结构

bin/dstts.mjs          CLI
src/constants.mjs      端点、音色表、错误码、PCM 参数
src/http.mjs           取票 / 音色列表 / 切音色 / demo
src/frames.mjs         WebSocket 帧处理
src/tts.mjs            synthesize()
src/wav.mjs            PCM → WAV
src/probe.mjs          probeProtocol()
src/deepseek-hash.mjs  PoW 哈希
src/pow.mjs            Challenge / PoW
src/session.mjs        会话与 say()
src/cli-args.mjs       参数解析
src/errors.mjs         错误码与中文提示
src/index.mjs          导出

test/                  测试
docs/PROTOCOL.md       协议细节

---

许可证

MIT

版权：

Eyeing0721

仅供个人学习和技术研究

---

觉得好玩就点个 Star

这个项目折腾了不少细节，觉得有点意思的话，帮忙点个 ⭐ Star。

Star 对作者来说真的很有用，更新的时候也更有动力。

⭐ GitHub

也可以来我的主页逛逛：

https://0721.luxe/

喜欢的话，顺手请我喝杯奶茶也好呀。