前言¶

在 DSH Desktop 的聊天框中使用語音輸入時，dsh-audio-copilot 提供了一個麥克風按鈕：點擊後說話，多引擎轉寫後自動填入輸入框。

這是什麼¶

dsh-audio-copilot 是 ai-yucheng 維護的 DSH 語音輸入插件。它的主要能力是 ASR/語音輸入：瀏覽器端進行麥克風錄音，服務端調用所選引擎轉寫，再將結果填入聊天輸入框。

該插件資料標明基於 DSH 0.1.0-rc.7 線，許可證爲 MIT。使用前置條件包括 DSH Desktop、Node.js ≥ 20，以及 ffmpeg / ffprobe 在 PATH 中。

聊天輸入框旁提供麥克風按鈕：點擊後說話，轉寫結果自動填入輸入框。
支持 zhipu、local、gemini、openai 四種語音轉寫引擎。
local 引擎使用本地 faster-whisper 離線轉寫。首次使用會下載模型，約 460MB small 或約 1.5GB medium，之後離線可用。
zhipu 引擎使用 GLM-ASR-2512，支持中文普通話、四川/粵/閩/吳方言及數十種外語。
最長錄音 28 秒，到點自動停止；更長音頻需要分段錄音。
gemini 引擎遇到免費額度 429 限流時，會按提示等待後重試一次；免費檔每時段 20 次請求。
zhipu 引擎遇到 webm 時，服務端使用 ffmpeg 自動轉成 16kHz wav。
轉寫失敗會給出提示；如果文本注入輸入框失敗，會自動把結果複製到剪貼板。
配置項有 schema 校驗。
轉寫文件大小上限爲 25MB，maxAudioBytes 默認 26214400；ASR 超時默認 120000 毫秒。

先確認前置條件：DSH Desktop 可用，Node.js ≥ 20，ffmpeg / ffprobe 已在 PATH。

1、在 DSH 的 profile web 目錄克隆倉庫：

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

2、將插件以本地鏈接方式加入 profile。將路徑替換爲實際克隆目錄：

pnpm add dsh-audio-copilot@link:C:/絕對路徑/dsh-audio-copilot

3、在 profile 的 package.json 的 dsh.profile.bundles 數組中追加：

"dsh-audio-copilot"

按所選引擎配置 API key。資料給出的示例是：使用 zhipu 時配置 ZHIPU_API_KEY，使用 gemini 時配置 GEMINI_API_KEY。

在 profile 的 cordis.patch.yml 中配置插件鍵。下面示例展示需要配置的鍵，具體端點和模型值按所選引擎填寫：

- id: audio-copilot
  config:
    asrEngine: zhipu
    asrBaseUrl: <按所選端點填寫>
    asrModel: <按所選模型填寫>
    asrApiKeyEnv: ZHIPU_API_KEY

配置完成後，依次執行：

1、重啓 DSH Desktop。
2、硬刷新瀏覽器：Ctrl+Shift+R。
3、點擊聊天框工具欄的麥克風按鈕，允許瀏覽器麥克風權限。
4、說話並停止，轉寫文字自動填入輸入框。

可用以下命令驗證配置：

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

適合在 DSH 聊天框中使用語音輸入、希望轉寫結果直接進入輸入框的場景。若關注中文方言，可優先關注 zhipu；若需要離線或減少外部依賴，可關注 local；若使用 gemini 或 openai，需要先準備對應 API key。

由於插件以當前 DSH 進程權限運行，且會涉及本地錄音、本地 ffmpeg / ffprobe、部分外部 ASR 服務與配置校驗，安裝前應檢查源碼和許可證。本文介紹的許可證爲 MIT。