Vorpal-poem/dsh-doubao-voice

README 摘要

dsh-doubao-voice 🎤 DeepSeek Harness 语音输入插件 ：接入 火山引擎流式大模型语音识别（豆包 Seed ASR / sauc） ，浏览器采集麦克风 → 经宿主 WebSocket 中继到豆包 → 识别结果流式回填输入框 。 Voice input plugin for DeepSeek Harness powered by Volcengine streaming ASR (Doubao Seed ASR). 功能 / Features - 输入框左侧麦克风按钮 + 全局快捷键（默认 Alt+V ） - 四态指示： 正在准备中 （转圈）/ 正在听写 （音量动态条）/ 收尾中 （转圈） - 真流式：16kHz/16bit/单声道 PCM 按 200ms 分块上行，识别文本边说边上屏 - 识别结果 不自动发送 ，可编辑确认；取消录音自动回滚 - 中途修正原位替换、多停顿长录音不堆叠（LCP 合并算法，含确定性测试） - 设置页管理凭据/热词/语言/快捷键/最长录音时长（默认 300s） - 凭据存 /.dsh/dsh-doubao-voice.json （ACL 收紧到当前用户，仅本机可读） 安装 / Install 安装后重启 dsh web ，刷新页面。 配置 / Configuration 设置 → 语音输入（豆包）： - App ID / Access Token ：火山引擎控制台 → 智能语音 → 流式大模型语音识别 （兼容旧版控制台鉴权： X-Api-App-Key / X-Api-Access-Key ） - Resource ID ：默认 volc.seedasr.sauc.duration （豆包流式语音识别模型 2.0 小时版） - 热词 ：逗号/分号分隔，最多 100 个 - 语言 ： zh-CN / en-US / ja-JP 等（BCP-47） 也可用环境变量（优先级高于文件）： 架构 / Architecture - 上行：二进制 = 200ms PCM 块（6400B）；文本 {"type":"end" "cancel"} - 下行： {"type":"ready" "transcript",text,isFinal "error",message "done",text} - 认证走 WebSocket 请求头（Node 原生 WebSocket 不支持自定义头，宿主侧使用 ws 库） 测试 / Tests 致谢 / Credits - 协议层实现基于 Proma 桌面端 doubao-asr-service.ts 的调研复刻（二进制帧协议、参数与解析逻辑） - 接口参数与响应字段对照 火山引擎官方文档 （单向/双向流式语音识别 WebSocket）实测校准 - 运行依赖： ws （WebSoc…

分类