dsh-voice-mic

DeepSeek Harness Web GUI 语音输入插件。录音后实时转写并写入输入框，不自动发送。

安装

要求：dsh >=0.1.0-rc.6、Node.js >=18。浏览器识别需 Chrome/Edge；本地后端另需 Python 3.9+。

dsh plugin --profile web add github:Zachary7456/dsh-voice-mic
# 或（npm 发布后）：dsh plugin --profile web add dsh-voice-mic

安装后重启 dsh web。插件带 bundle patch，会自动挂进 profile，无需手动改 cordis.patch.yml。

验证：

dsh --profile web --dump-config | grep dsh-voice-mic
curl -s http://127.0.0.1:3080/plugins/dsh-voice-mic/client.js | head -c 100

使用

• 输入框左侧麦克风按钮：点按切换录音，默认快捷键 Alt+V（设置页可改）
• 录音期间识别结果实时写入输入框草稿；停止后提交，不自动发送
• 快捷键仅在页面获得焦点时生效（浏览器限制）
• 实时写入采用追尾替换：只更新上次追加的尾缀，不覆盖手动输入；无结果或出错时自动回滚

识别引擎

设置 → 语音输入 → 识别引擎，三选一。

浏览器内置（默认）

零配置，走 Web Speech API。中文质量与延迟取决于浏览器与网络。说话停顿导致浏览器自行断开识别会话时，插件自动重启识别器继续监听，直到手动停止。

本地离线后端

设置页一键部署：检测 Python → pip 安装依赖 → 下载模型（断点续传，可取消）→ 启动 asr_server.py → 轮询就绪。已下载的模型会缓存，切换模型免重复下载。

模型：

模型	适用	大小
SenseVoiceSmall int8	中/英/日/韩/粤，日常使用	~158MB
Paraformer	仅普通话，准确率与标点最佳	~223MB

• 模型目录：~/.dsh/voice/models/（可用 DSH_VOICE_MIC_MODEL_DIR 覆盖）；下载缓存：~/.dsh/voice/cache
• 服务端口默认 7860，只绑定 127.0.0.1
• 后端进程由 dsh 托管：dsh 重启后需重新点部署（或配置 autoStart: true 自动拉起）
• 转写期间音频不出本机

云端 API

OpenAI 兼容的 POST /v1/audio/transcriptions（multipart file + model，返回 {text}）。需配置 base URL、API key、模型名；内置 OpenAI / Groq / 硅基流动预设。密钥存于浏览器 localStorage，由浏览器直连服务商，不经过 dsh。

设置页「测试 API 连接」发送静音样本验证配置：401/403 为密钥错误，404 通常表示填了完整端点而不是 base URL。

离线验证完整链路可用仓库内的 mock 服务：

python server/mock_api.py   # 127.0.0.1:7861/v1，key 任意

实时上屏时录音期间约每秒调用一次 API，会产生相应费用。

工作原理

两半结构：

lib/index.js   host 半：配置下发（GET /config）、后端部署管理（/backend/status|deploy|cancel|stop）
lib/client.js  client 半：输入框按钮与快捷键、录音、转写、设置页
server/        本地 ASR 服务（sherpa-onnx + SenseVoice/Paraformer）与 API mock