流式同频
回答逐字显示，语音按句合成，字幕逐词对齐。文字和声音不是两段，是同一条流。
SOFTEA · PERSONAL SITE
茶乐派
做游戏，也做会说话的工具。
向下 · 三件作品01 / 作品
三件仍在生长中的东西
游戏是入口，往后是工具与开源。
01正在做
计科混世
长治学院 · 计科2601
星穹幻境，四境回廊。和四十一人一起，把课堂规则打碎。
点击即玩
02已上线
双环
DOUBLE RING · 双环嵌套
双环嵌套的弹幕场。一次装进口袋，随时开一局。
点击即下载
03已上线
呛水的鱼
恶搞模拟器 · 水槽观察
喂鱼、换水、看它呛水。一个不太正经的模拟器。
点击即玩
01 · 正在做
计科混世
星穹幻境，四境回廊。和四十一人一起，把课堂规则打碎。
02 / 手记
—— SOFTEA
03 / 开源插件
Voice-Nebula
一款面向 DSH 的流式语音输出插件
文字先出现，声音按句跟上。说到一半可以打断，方言、语气、音色、模型各自独立。 宿主半在 Node，浏览器半在 React，中间走 SSE。
一句话打断
检测到说话，先停播放，再取消当前回合；正在生成的文字一起停。不是等它说完再处理。
口语化复述
独立模型把书面回答改写成能听的话，而不是照本宣科。复述模型和强度可以单独关掉。
六个开关
方言、语气、音色、回答模型、复述模型、思考强度，各自独立。前置状态会直接告诉你哪一环没就绪。
零密钥 TTS
默认走 Edge TTS，装好即可发声，不需要再配一把语音密钥。付费引擎留了适配位。
本地技术站
架构、原理、过去与未来，都在插件自己的页面里；简版和详版可以切换，不靠外部文档。
04 / 两半架构
一整套，切成两半
两侧不互相 import，只走一条注册在 /voice-nebula 下的路由。宿主管模型与语音，浏览器管麦克风、播放和字幕。
宿主半 / NODE
Cordis 插件
- 7 条 HTTP 路由 + SSE
- 模型调用、语音合成、会话状态
- 验收 21 / 21
浏览器半 / REACT
4 个 slot
- 麦克风、音频播放、逐词字幕
- 悬浮球与设置面板
- 验收 40 / 40
05 / 全栈开源
宿主、客户端、测试、文档，在同一棵树里。
没有藏在 SDK 里的黑盒，也没有“开源了但跑不起来”的半个仓库。验收脚本和实现放在一起，改完就能重跑。
06 / 未来
下一步，不写在已完成的清单里
下面四条都还没发布。写在这里，是为了让“接下来做什么”有据可查。
- 01
流式 ASR
首字延迟压到 800ms 以内，让“打断”真正即时。
未发布 - 02
方言扩到 12 种
从现在的 5 种继续扩，先补使用频率最高的几种。
未发布 - 03
真人音色克隆
先做 3 个样本盲测；不稳就回退到同方言的预置音色。
未发布 - 04
延迟统计
首包、首句、整段的 p50 / p95，进面板，不进感觉。
未发布
04 / 同行者
小鲸黛
B 站虚拟 UP 主
从 Day 0 开始，一天一条地讲自己的日子。
「从今天起，这个号我说了算。」
Day 0 · 2026-10-20 · 01:16 · B 站投稿，含 AI 生成内容 若播放器被拦截，在 B 站打开 ↗