前言¶

在 DSH Desktop 的聊天框中使用语音输入时，dsh-audio-copilot 提供了一个麦克风按钮：点击后说话，多引擎转写后自动填入输入框。

这是什么¶

dsh-audio-copilot 是 ai-yucheng 维护的 DSH 语音输入插件。它的主要能力是 ASR/语音输入：浏览器端进行麦克风录音，服务端调用所选引擎转写，再将结果填入聊天输入框。

该插件资料标明基于 DSH 0.1.0-rc.7 线，许可证为 MIT。使用前置条件包括 DSH Desktop、Node.js ≥ 20，以及 ffmpeg / ffprobe 在 PATH 中。

聊天输入框旁提供麦克风按钮：点击后说话，转写结果自动填入输入框。
支持 zhipu、local、gemini、openai 四种语音转写引擎。
local 引擎使用本地 faster-whisper 离线转写。首次使用会下载模型，约 460MB small 或约 1.5GB medium，之后离线可用。
zhipu 引擎使用 GLM-ASR-2512，支持中文普通话、四川/粤/闽/吴方言及数十种外语。
最长录音 28 秒，到点自动停止；更长音频需要分段录音。
gemini 引擎遇到免费额度 429 限流时，会按提示等待后重试一次；免费档每时段 20 次请求。
zhipu 引擎遇到 webm 时，服务端使用 ffmpeg 自动转成 16kHz wav。
转写失败会给出提示；如果文本注入输入框失败，会自动把结果复制到剪贴板。
配置项有 schema 校验。
转写文件大小上限为 25MB，maxAudioBytes 默认 26214400；ASR 超时默认 120000 毫秒。

先确认前置条件：DSH Desktop 可用，Node.js ≥ 20，ffmpeg / ffprobe 已在 PATH。

1、在 DSH 的 profile web 目录克隆仓库：

git clone https://github.com/ai-yucheng/dsh-audio-copilot.git

2、将插件以本地链接方式加入 profile。将路径替换为实际克隆目录：

pnpm add dsh-audio-copilot@link:C:/绝对路径/dsh-audio-copilot

3、在 profile 的 package.json 的 dsh.profile.bundles 数组中追加：

"dsh-audio-copilot"

按所选引擎配置 API key。资料给出的示例是：使用 zhipu 时配置 ZHIPU_API_KEY，使用 gemini 时配置 GEMINI_API_KEY。

在 profile 的 cordis.patch.yml 中配置插件键。下面示例展示需要配置的键，具体端点和模型值按所选引擎填写：

- id: audio-copilot
  config:
    asrEngine: zhipu
    asrBaseUrl: <按所选端点填写>
    asrModel: <按所选模型填写>
    asrApiKeyEnv: ZHIPU_API_KEY

配置完成后，依次执行：

1、重启 DSH Desktop。
2、硬刷新浏览器：Ctrl+Shift+R。
3、点击聊天框工具栏的麦克风按钮，允许浏览器麦克风权限。
4、说话并停止，转写文字自动填入输入框。

可用以下命令验证配置：

dsh --profile web --dump-config | grep audio-copilot

适合在 DSH 聊天框中使用语音输入、希望转写结果直接进入输入框的场景。若关注中文方言，可优先关注 zhipu；若需要离线或减少外部依赖，可关注 local；若使用 gemini 或 openai，需要先准备对应 API key。

由于插件以当前 DSH 进程权限运行，且会涉及本地录音、本地 ffmpeg / ffprobe、部分外部 ASR 服务与配置校验，安装前应检查源码和许可证。本文介绍的许可证为 MIT。