Zachary7456/dsh-voice-mic

README 摘要

dsh-voice-mic English 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+ 。 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： 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： 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： 录音与转写： - 浏览器引擎：Web Speech 的 interim 结果直…

分类