前言¶

DeepSeek Harness 的插件机制允许把客户端能力挂进 Web UI。对于主要在 composer 中写消息的使用者来说，语音转草稿、按住说话、助手回复朗读，会比纯键盘输入多一种交互方式。下面介绍 @zhangbo-cn/dsh-client-ui-voice-input，它由 Zhangbo-cn 维护，以 MIT 许可证发布，主要作用于 DeepSeek Harness Web 的 composer 区域。

这是什么¶

该插件在 composer 工具行加入一个线性 mic 按钮。它做三件事：把说话内容逐字写入草稿；支持按住 mic 录音并松开发送；在满足条件时朗读助手回复。

识别通过浏览器 Web Speech API 运行，不需要 API key。回复朗读优先走宿主 Edge TTS 的 /api/tts，浏览器 speechSynthesis 作为 fallback。

核心能力¶

点按监听¶

1、点按 mic 开始监听，图标进入 DeepSeek 蓝并脉冲。
2、说话后，识别结果逐字写入草稿；mic 在静默期间仍保持监听。
3、可以随时用 composer 的发送按钮发送，也可以继续追加语音。
4、再次点按 mic 停止监听。

静默结束时，识别段会自动重启，用于跨过静默保持监听。资料说明中把每段 continuous: false 描述为有意选择，以避免 continuous: true 在某些浏览器下不返回 onresult 的问题。

与 composer 的关系¶

语音结果追加到当前草稿，而不是覆盖已有内容。发送后草稿清空；如果继续监听，则在新的 recognizer 上继续，不把旧语音文本回填到输入框。

按住说话¶

按住 mic 约 250 ms 以上并开始说话，松开后发送。发送后，如果最近 5 分钟内使用过 mic，则下一次助手回复启用朗读；未最近使用 mic 的纯打字发送不触发回复朗读。

可选自动发送¶

配置 autoSendOnSilenceMs 后，停止说话达到该时长会自动发送消息。默认值为 0，表示关闭。

回复朗读¶

助手回复在模型生成过程中按完整句子进入朗读队列；最后一句不完整内容在生成结束时朗读。

朗读期间暂停识别，避免扬声器回声；朗读结束后，如果原本处于监听状态，则恢复识别。点按 mic 可以停止朗读。

安装与启用¶

先执行安装命令：

dsh plugin add @zhangbo-cn/dsh-client-ui-voice-input

该命令按 npm 包名安装插件。刷新 Web UI 后，composer 工具行出现 mic 按钮即可开始使用。

注意需要使用 0.1.1+。0.1.0 曾以错误 ModuleLoader id 注册浏览器 bundle，导致 Harness 报出 loaded without registering "@zhangbo-cn/dsh-client-ui-voice-input"。如果停留在 0.1.0，先升级/重装，再硬刷新 Web UI。

从 DeepSeek Harness checkout 挂载¶

如果是从 DeepSeek Harness checkout 开发，而不是直接安装 npm 包，可以在 web-app browser roster 中挂载该包：

- id: ui-voice-input
  name: '@zhangbo-cn/dsh-client-ui-voice-input'

为了让回复朗读走更可靠的宿主 Edge TTS 路径，同时挂载：

- id: tts-edge
  name: '@deepseek-ai/dsh-tts-edge'

该挂载用于注册 /api/tts。没有它时，回复朗读仍可使用浏览器 speechSynthesis，但资料说明其效果不如宿主 Edge 神经语音。

经过上面的挂载步骤后，使用仓库构建客户端 bundle：

pnpm --filter @zhangbo-cn/dsh-client-ui-voice-input run bundle

典型配置¶

可在插件配置中设置识别语言、流式中间结果和自动发送静默窗口：

- id: ui-voice-input
  name: '@zhangbo-cn/dsh-client-ui-voice-input'
  config:
    language: 'zh-CN'
    interimResults: true
    autoSendOnSilenceMs: 0

默认值为：language 为 zh-CN，interimResults 为 true，autoSendOnSilenceMs 为 0（关闭）。

适用场景与注意¶

该插件适合需要在 DeepSeek Harness Web composer 中使用语音输入、按住说话发送、或希望助手回复自动朗读的场景。由于它在客户端浏览器中运行识别，依赖浏览器对 Web Speech API 的支持。

Firefox 的 mic input 不受支持，这是浏览器限制，不是插件问题；插件会 feature-detect 并禁用 mic，并给出提示。回复播放仍可通过 /api/tts 或 speechSynthesis。

已抓取资料中的 package.json 显示部分 peerDependencies，包括 @deepseek-ai/cordis ^4.0.1，以及 @deepseek-ai/dsh-client-locale、@deepseek-ai/dsh-client-runtime 的 rc 版本要求；资料末尾被截断，完整依赖以仓库 package.json 为准。

安装前建议检查源码与 MIT 许可证。该插件以当前 dsh 进程权限运行，因此安装前应确认来源可信。

相关页面¶

社区目录：https://www.skillhub.cn/plugins/Zhangbo-cn/dsh-voice-input-plugin
GitHub：https://github.com/Zhangbo-cn/dsh-voice-input-plugin