Schumchanvi/dsh-voice-input-cn

README 摘要

dsh-voice-input-cn DeepSeek Harness Web 语音输入插件（国内可用版） 在聊天输入框添加麦克风按钮，点击说话即可将语音转为文字填入草稿。基于 阿里云 DashScope ASR （国内直连可用），替代原版依赖的 Google Web Speech API（国内无法访问）。 本项目 fork 自 NewDaNew/dsh-voice-input ，原版使用 Web Speech API（Google 云端），在国内直连不可用；本版重写了识别引擎为 阿里云 DashScope ASR + 本地 bridge 。 🛠 开发工具 ：本插件在 DeepSeek Harness (DSH) 中开发与调试（代码重构、排障、测试均由 DSH 辅助完成）。DSH 是一个开源 AI 助手框架：https://github.com/deepseek-ai/dsh ✨ 功能 - 🎤 输入框麦克风按钮，点击开始说话，静音 1.5 秒自动停止 - 📝 识别文字 实时填入输入框 （光标位置插入，不覆盖已有草稿） - 🔀 中文 / English 语言切换 - 📨 可选"识别后自动发送" - 🔌 本地 bridge（Python）中转，国内直连阿里云，低延迟 🧱 架构 为什么需要本地 bridge？ DashScope 的 ASR WebSocket 握手依赖官方 SDK 的内部鉴权逻辑，浏览器裸 WebSocket 直连会 401。bridge 用官方 Python SDK 处理鉴权，浏览器只负责录音和显示。 📦 安装 1. 安装插件 或用 dshmarket 安装（如果已上架）。 2. 安装 bridge 依赖（Python 3.10+） 3. 启动 bridge bridge 默认监听 127.0.0.1:8765 （仅本机，不暴露公网）。 4. 配置 API Key 1. 刷新 DSH 页面 2. 点击输入框旁的麦克风按钮 → 右侧小箭头（⌄）打开设置 3. 填入 DashScope API Key （阿里云百炼获取） 4. 选择语言，保存 🎤 使用 1. 点击麦克风按钮开始 2. 正常说话（文字会实时填入输入框） 3. 停顿 1.5 秒或再次点击 → 自动结束 4. 若开启"自动发送"则直接提交，否则可继续编辑后手动发送 🔧 配置项（设置菜单） 项 说明 DashScope API Key 阿里云百炼 API Key（存 localStorage） 识别后自动发送 识别完成自动提交草稿 识别语言 自动 / 中文 / English 📝 与原版的区别 原版 (dsh-voice-input) 本版 (dsh-voice-input-cn) 识别引擎 Web Speech API（Google 云端） 阿里云 DashScop…

分类