baisama-cloud/dsh-stt-input

README excerpt

中文 · English dsh-stt-input DeepSeek Harness (DSH) Web GUI 的语音输入插件。 点击输入框旁的 🎤 麦克风按钮开始说话，再点一次停止，识别文字自动填入输入框。 识别引擎与模型可在 设置 → 语音输入 中选择。 功能 - 两种识别引擎 - 浏览器本地识别 — 使用浏览器自带的 Web Speech API（ SpeechRecognition ， Chrome/Edge）。零配置、无需 API Key，边说边把中间结果写进输入框。 - API 识别 — 用 MediaRecorder 录音，通过任意 OpenAI 兼容 /v1/audio/transcriptions 接口（OpenAI、Groq、自定义）转写。 - 模型可选 — whisper-1 （OpenAI）、 whisper-large-v3 、 whisper-large-v3-turbo 、 distil-whisper-large-v3-en （Groq），或自定义模型名。 - 可配置 — 服务预设（OpenAI / Groq / 自定义）、API Base URL、API Key、 识别语言、写入方式（追加到输入框 / 替换输入框内容）。 - 实时状态条 — 输入框下方显示录音计时、识别中状态与错误信息。 - 隐私 — API Key 仅保存在页面内存中，不落盘、不打日志；非密钥配置通过 localStorage 在刷新后保留。 安装 打包 tarball 后安装到你的 DSH web profile（与其他 dsh- 插件一致）： 插件注册了三个界面位： - 输入框工具行的麦克风按钮（ conversation.input.left ） - 输入框下方的状态条（ conversation.composer.dock ） - 设置页（ settings.section → 语音输入） 使用 1. 打开 设置 → 语音输入 选择引擎。 - 浏览器本地识别：无需其他配置（Chrome/Edge）。 - API 识别：选择预设（OpenAI 或 Groq）、模型，并粘贴 API Key。 Groq 的 whisper-large-v3 目前免费。 2. 点击输入框旁的 🎤 开始录音，说话，再点一次停止。识别文字进入输入框，回车发送。 浏览器本地引擎依赖 Chrome/Edge 的 Web Speech API；Firefox 请使用 API 引擎。 工作原理 客户端（ lib/client.js ）录音后把 base64 JSON POST 到宿主路由 /stt-input/transcribe ；宿主（ lib/index.js ）解码音频并以 multipart/form-data 上传到 ${baseUrl}/v1/audio/tra…

Category