DSH 语音输入插件

给 DeepSeek Harness 的输入框加一个麦克风按钮：点一下开始录音，再点一下结束，文字自动插入光标处。

插件只是"客户端"——录音在你的浏览器里完成，音频通过 HTTP 发给你自己的语音识别服务。不含任何内置服务地址或密钥，接哪个后端完全由你决定。

---

特性

• 🎙 一键录音：点击开始 / 结束，录音中按钮展开成声浪动画
• 🚀 任意后端：任何 OpenAI 风格的 /v1/audio/transcriptions 接口都能接（自建、OpenAI、Azure、硅基流动…）
• 🧹 静音过滤：没说话时服务返回的「嗯。」「Silence.」不会插进输入框
• ⏱ 自动停止：最长 60 秒，短于 0.4 秒的误触直接丢弃
• 🔒 隐私：录音只在内存里，不落盘、不留历史
• 🌏 中英双语界面

---

安装

前置条件

• DeepSeek Harness（桌面版或 Web 版均可）
• 一个能从浏览器访问、且允许跨域的语音识别接口

步骤

① 获取插件

任选一种：

# 方式 A：克隆仓库
git clone https://github.com/nncscn/dsh-voice.git

或直接下载发布页的压缩包：

https://github.com/nncscn/dsh-voice/releases

② 安装到 Harness

在 Harness 的对话里让 AI 执行，或用插件管理界面：

plugin_manager  install_bundle  target: "你解压出来的 dsh-voice 目录"

安装成功后，输入框右侧、发送按钮左边就会出现麦克风图标（见上图）。

---

首次配置

插件默认不连接任何服务器，第一次使用需要配置。

打开设置面板

长按麦克风按钮约 0.5 秒（或聚焦按钮后按 Shift + Enter），会弹出设置面板：

填写各项

字段	填什么	示例
接口地址	你的 ASR 服务地址	http://192.168.1.10:8010
接口类型	一般选 OpenAI 兼容	见下方说明
认证头	一般留空（自动）	auto
API Key	服务需要鉴权时填	sk-xxxx
语言	识别语言	Chinese 或 zh，自动识别填 auto
模型名	服务端要求的模型标识	whisper-1、Qwen3-ASR-1.7B
响应字段	一般留空（自动识别）	text / data.text

点「测试连接」验证

会发送一段 0.5 秒静音去探活，按钮旁边显示结果：

• ✅ 连接成功 — 说明地址、密钥、协议都对
• ❌ 鉴权失败 (401) — API Key 不对
• ❌ 请求失败 (404) — 地址路径错
• ❌ 连接超时 — 服务没启动或网络不通

确认无误后点 保存，配置会记住，下次不用再填。

---

支持的接口类型

类型	适用服务	请求方式
OpenAI 兼容	OpenAI、硅基流动、各类自建服务	multipart/form-data + Authorization: Bearer
Azure OpenAI	Azure 上的 Whisper 部署	multipart/form-data + api-key 头
JSON + Base64	只收 JSON 的自建服务	JSON 体 { audio, language, model }

地址填写规则

你填	实际请求
192.168.1.10:8010	http://192.168.1.10:8010/v1/audio/transcriptions
https://api.xxx.com/v1	https://api.xxx.com/v1/audio/transcriptions
https://api.xxx.com/custom/path	原样使用
Azure 的完整部署地址	原样使用（含 ?api-version=）

---

常见后端配置示例

1. OpenAI 官方

字段	值
接口地址	https://api.openai.com/v1/audio/transcriptions
接口类型	OpenAI 兼容
API Key	sk-...
模型名	whisper-1 或 gpt-4o-transcribe
语言	zh

2. 自建 transcribe.cpp / whisper.cpp

字段	值
接口地址	http://192.168.1.10:8010
接口类型	OpenAI 兼容
API Key	服务端设置的 token
语言	Chinese

3. Azure OpenAI

字段	值
接口地址	https://你的资源.openai.azure.com/openai/deployments/whisper/audio/transcriptions?api-version=2024-06-01
接口类型	Azure OpenAI
API Key	Azure 的 key
模型名	可留空

---

使用

1. 点击麦克风 → 按钮展开成声浪条（下图），开始录音
2. 再点一下（或点条上的停止键）→ 停止并上传
3. 按钮转圈 → 转写完成后文字自动插入输入框

说话时波形随音量起伏；停止后蓝条向右收回，露出下面的工具栏。

---

常见问题

Q：点了没反应？

先看按钮是否变红——变红说明出错，鼠标悬停看原因。最常见是没配地址（长按设置）。

Q：识别出来是「嗯。」或空白？

插件会过滤纯语气词和静音标记，不会插入。

Q：提示「无法连接」？

① 服务是否启动；② 地址端口是否正确；③ 浏览器能否访问（跨域 CORS 是否允许）。

Q：提示「鉴权失败」？

API Key 不对，或该服务用的是自定义头（在「认证头」里填，如 x-api-key）。

Q：能识别多长的音频？

默认上限 60 秒，超过会自动停止并转写已录部分。

Q：录音会上传到哪里？

只发到你自己配置的那个地址，插件本身不经过任何第三方服务器。

---

隐私说明

• 音频只在内存中，不写入磁盘
• 插件不保存任何转写历史
• 配置（地址、Key）存在浏览器 localStorage
• 建议使用可撤销的专用 Key

---

许可证

MIT