前言¶

DSH 的插件体系强调「一切皆插件」，Web GUI 的交互能力可以通过插件扩展。如果经常要在 DSH 的 Web GUI 里填写较长提示词，直接打字可能不如听写方便；已有做法通常是先调用外部转写工具，再把结果复制回输入框。下面介绍的 dsh-stt-input 插件把这一步放在 DSH 的 Web 输入框内：点击输入框旁的麦克风按钮开始录音，停止后把识别文字填入输入框。

这是什么¶

baisama-cloud/dsh-stt-input 是 DeepSeek Harness（DSH）Web GUI 的语音输入插件，许可证为 MIT。它解决的是在 DSH Web GUI 中把语音转成文字并写入输入框的问题。

插件注册了三项界面位：

输入框工具行的麦克风按钮
输入框下方的状态条
设置页中的「语音输入」配置项

核心功能¶

两种识别引擎¶

浏览器本地识别使用 Web Speech API（SpeechRecognition），Chrome/Edge 可用，零配置、无需 API Key，可边说边把中间结果写进输入框。

API 识别使用 MediaRecorder 录音，通过 OpenAI 兼容接口转写，支持 OpenAI、Groq 或自定义服务。使用的接口为：

/v1/audio/transcriptions

模型与配置¶

可选模型包括：

whisper-1
whisper-large-v3
whisper-large-v3-turbo
distil-whisper-large-v3-en

也可以使用自定义模型名。

可配置项包括：

服务预设
API Base URL
API Key
识别语言
写入方式：追加到输入框 / 替换输入框内容

状态与密钥保存¶

输入框下方显示实时状态条，包括录音计时、识别中状态与错误信息。

API Key 仅保存在页面内存中，不落盘、不打日志；非密钥配置通过 localStorage 在刷新后保留。

安装与启用¶

安装前确认 Node 环境满足：

node >=18.18

下面按 tarball 方式安装到 DSH web profile：

pnpm pack
# 把 dsh-stt-input-*.tgz 复制到 web profile 并添加依赖，
# 例如在 ~/.dsh/profiles/web 下：pnpm add ../path/to/dsh-stt-input-0.1.0.tgz
# 然后重启 `dsh web`。

先打包插件，再把生成的 tarball 添加到指定 web profile 的依赖中，最后重启 dsh web 使插件生效。

典型用法¶

1、打开 设置 → 语音输入 选择引擎。

2、如果使用浏览器本地识别，无需其他配置，仅支持 Chrome/Edge。

3、如果使用 API 识别，选择预设（OpenAI 或 Groq）、选择模型，并粘贴 API Key。Groq 的 whisper-large-v3 目前免费。

4、点击输入框旁的麦克风按钮开始录音，说话，再点一次停止；识别文字进入输入框，回车发送。

Firefox 请使用 API 引擎。

适用场景与注意¶

该插件适合在 Chrome/Edge 中使用浏览器本地识别，或需要调用 OpenAI 兼容 Whisper 服务的场景。写入方式可选择追加到输入框或替换输入框内容，适合对草稿输入已有内容的情况。

插件启用后会以当前 dsh 进程权限运行，安装前应检查源码、依赖与 MIT 许可证。

参考链接¶

社区目录页：https://www.skillhub.cn/plugins/baisama-cloud/dsh-stt-input

GitHub 仓库：https://github.com/baisama-cloud/dsh-stt-input

目录页为社区目录，独立站点，与 DeepSeek / 幻方无官方从属关系。