@opensquad/dsh-voice-input

DeepSeek Harness 语音输入插件：在 Web 对话输入框旁添加一个麦克风按钮，录音后调用本地 SenseVoice 服务转写成文本，自动填入输入框。首次使用会引导下载模型并显示实时进度。

英文版 / English: README_EN.md

功能

• 🎤 输入框旁麦克风按钮，一键录音转文字
• ⬇️ 首次使用自动下载模型（约 230MB），按钮上显示圆环进度 + 实时百分比
• ⚙ 独立管理按钮：查看/卸载已安装的语音模型
• 自动拉起本地 SenseVoice 服务（模型就绪时）

依赖

这是一个全自动插件：Python 后端（依赖安装 + 进程启动）由插件在 dsh 启动时自动完成，首次使用模型也自动下载。 你只需要：

手动安装 Python 3.10+

插件会自动安装剩下的 Python 依赖（flask / onnxruntime 等），你只需装好 Python 本身。

1. 打开 python.org/downloads，下载最新的 Python 3.10+（Windows 选 Windows installer (64-bit)）。
2. 运行安装程序，务必勾选底部的 Add python.exe to PATH，再点 Install Now。
3. 安装完成后，重新打开一个终端（PowerShell / CMD），验证安装成功：

   python --version
   # 期望输出类似: Python 3.12.x（3.10 或更高即可）

手动安装 ffmpeg（可选）

浏览器端会把录音转成标准 WAV，正常使用不需要 ffmpeg。它仅在服务端收到异常/无法识别的音频时作为兜底转码使用，建议安装以免个别浏览器录音无法转写。

• Windows：在 PowerShell 里执行

  winget install ffmpeg

  安装完成后重启终端，验证：

  ffmpeg -version

• macOS（需先装 Homebrew）：

  brew install ffmpeg

• Linux (Debian/Ubuntu)：

  sudo apt update && sudo apt install -y ffmpeg

• 通用方式：也可访问 ffmpeg.org/download.html 下载，解压后把 bin 目录加入系统的 PATH 环境变量。

插件启动时自动完成：

1. 探测 Python → 自动安装 flask / onnxruntime / librosa / soundfile / pyyaml 等依赖（首次较慢）
2. 自动拉起下载网关（gateway.py :7102）
3. 首次使用 → 自动下载模型（约 230MB）并启动转写服务（service.py :7101）

安装插件

dsh plugin --profile web add @opensquad/dsh-voice-input

重启 dsh 后，插件会在后台自动准备后端，输入框旁会出现麦克风按钮。

使用

1. 重启 dsh 后稍等片刻（首次会自动装 Python 依赖并启动后端）。
2. 点击麦克风 → 首次会确认下载模型 → 等待进度完成 → 自动启动服务。
3. 再次点击麦克风开始录音，再点一次停止并转写，文字自动填入输入框。

模型已安装时，点旁边的 ⚙ 可卸载后重新下载。

兼容性

• Node.js ≥ 22.19.0
• Python 3.10+（且 python 在 PATH）
• DeepSeek Harness（Web profile）
• 浏览器需支持 MediaRecorder / getUserMedia

License

MIT