dsh-voice
DeepSeek Harness 语音输入插件:麦克风 → 本地/浏览器识别 → 文本进会话(纯输入,与 agent preset 解耦)
AI 分析
适合习惯语音输入的用户。支持本地原生识别与浏览器 Web Speech 双引擎，提供边说边看的流式定稿体验，通过快捷键或图标触发。
インストール
$
npx -p @deepseek-ai/dsh dsh plugin --profile web add github:3274375092/dsh-voiceドキュメント
README 全文を読む ↗可选: 配置(编辑 ~/.dsh/profiles/web/cordis.patch.yml)
```yaml
- id: voice
config:
modelDir: './dsh-voice-models' # 原生识别模型目录
hotkey: 'ctrl+space' # 全局快捷键
vadThreshold: 0.3 # 越低越不吞句首尾
tailPadSeconds: 0.6 # 尾音补偿时长
dsh web # 输入框左侧 🎤 或 Ctrl+Space
详见 USAGE.md 与 INSTALL.md。
工作原理
浏览器采麦(自动重采样 16k)
→ PCM base64 分块(256ms)→ /voice RPC 通道(loopback)
→ host: silero VAD + zipformer2 流式解码
→ partial 逐块回传(边说边看)/ final 定稿(精确句首 + 0.6s 尾音补偿)
→ conversation 服务提交(与打字同路)
双引擎:客户端 ping /voice 探测 host 原生能力;不可用自动降级浏览器 Web Speech。
开发
pnpm install --ignore-workspace # 独立依赖(不依赖 DSH monorepo)
pnpm test # 单测(含真实模型冒烟)
pnpm typecheck && pnpm build # 构建(tsc host 半 + tsdown client 半)
结构:src/index.ts(host 半)/ src/client/(浏览器半)/ src/core/(识别核心)/ tools/(线协议冒烟 + 模型下载)。
License
MIT