dsh-voice-ai-girlfriend 是一款为 DeepSeek Harness（DSH）打造的语音 AI 女友插件：点一下麦克风，它用 FunASR/Whisper 听懂你说话，再用 OmniVoice/Qwen3-TTS 克隆音色逐句朗读回复，右侧数字人窗口同步开口。安装这类多引擎语音项目，环境没配好是最大的坑。本文给出一份安装前环境检查清单，把显存、CUDA 驱动、WSL2 一次性装齐，装完照着自检表过一遍就能开工。

语音AI女友插件 dsh-voice-ai-girlfriend 女友窗中的数字人形象

一、硬件检查清单：显存、显卡、磁盘先看这里

⚠️ 一句话结论：必须有 NVIDIA 独立显卡（模型推理依赖 CUDA），显存16GB 起步，8GB 不推荐。

nvidia-smi是最硬核的一条：如果提示「不是内部或外部命令」，说明没有 NVIDIA 显卡或驱动没装好——这种情况装不了本项目，先别往下走。

显存占用速查（运行时实测）

💡 小建议：16GB 显存下 OmniVoice 与 DUIX 数字人建议错峰工作（TTS 合成完再生成视频），这也是项目默认的分段流水线思路。

二、软件环境清单：WSL2、CUDA、Docker 一次装齐

以下软件全部为一次性安装，装完各用一条命令验证。

1. Python：安装时务必勾选 "Add Python to PATH"

这是新手最容易漏的一步。不勾选的话，后面所有python命令都会找不到，官方 Python 安装包下载即可，一路下一步。

2. CUDA：你其实不需要单独装 CUDA Toolkit

✅ 本项目不需要手动安装 CUDA Toolkit——pip安装的 PyTorch 自带 CUDA 运行库，只要 NVIDIA 驱动够新就行。驱动太旧才是 CUDA 报错的常见根源，建议直接更新到最新驱动。

3. WSL2：OmniVoice TTS 的家

项目默认 TTS 引擎已从 Qwen3-TTS 换成OmniVoice（600+ 语言、声音克隆 + 音色设计双模式），跑在 WSL2 里并用FlashInfer做 CUDA Graph 加速。收益非常直观：

WSL2 内部环境的关键点（装环境时注意）：

• 用 uv 建虚拟环境：torch 2.13.0+cu130 + flashinfer 0.6.18 + nvcc cu13；
• Blackwell 架构（RTX 50 系，sm_120）必须用 cu13 系列，cu129 会报「requires GPUs with sm75」；
• WSL2 里若残留旧版 nvcc（如 12.8）会干扰 flashinfer 的版本检测，启动服务前要把CUDA_HOME指向 cu13 的 nvcc 目录。

这些繁琐操作项目已经封装好：双击 bridge/start-omnivoice-wsl.cmd（逻辑见 bridge/start-omnivoice-wsl.ps1），它会自动拉起 WSL2 → 取 IP → 同步桥接配置 → 等:9877就绪。

⚠️WSL2 IP 是动态的：重启后可能变化，Windows 侧必须通过 IP（wsl hostname -I查询）访问http://<WSL2-IP>:9877，localhost 转发在 WSL2 网络模式下不可用。上面的一键脚本会在 IP 变化时自动更新bridge-config.json的omnivoice.base并重启桥接，不用手工改。

4. Docker Desktop：数字人（DUIX）的容器

可选增强项。项目提供了精简适配版 compose（bridge/docker-compose-5060ti.yml），已适配 RTX 50 系列（5060 Ti / 5090 同架构），去掉了原项目的 Fish Speech 与 FunASR，只保留数字人视频生成服务（宿主端口:8383，冷启动 1-3 分钟）。不想出数字人视频可以先跳过，纯语音模式完全可用。

三、硬盘空间预估：预留 30GB 才从容

依赖清单见 bridge/requirements.txt（pip install -r bridge/requirements.txt会装 PyTorch、transformers、speech-to-speech 等，体积大、耗时长，耐心等待）。

四、装完环境后的 5 步自检

全部通过后，就可以进入正式安装（克隆仓库 → 建 venv → 装模型 → 填 bridge/bridge-config.example.json 复制出的配置）。

[ ] 1. winver —— Windows 10/11 64 位 [ ] 2. nvidia-smi —— 显卡信息正常，显存 ≥ 16GB [ ] 3. python --version —— 3.10+（PATH 生效） [ ] 4. wsl -d Ubuntu-22.04 -- hostname -I —— 有 IP 输出 [ ] 5. docker --version —— Docker Desktop 可正常启动

五、常见问题快查

环境清单全部打勾后，后续只需：克隆仓库 →python -m venv venv-speech建虚拟环境 → 装依赖 → 放模型与参考音频 → 双击 bridge/start-full-stack.cmd 一键拉起全栈，浏览器里就能听到她开口了。🎙️