前言¶
在 DSH 中寫長提示詞、整理命令或補全代碼說明時，鍵盤輸入有時不夠直接。dsh-dictate 把語音輸入作爲 Composer 的一種輸入方式：先錄音，再轉寫，最後把文字停在 Composer 裏，由用戶繼續審閱、修改和發送。
它不是即時語音對話插件：不會朗讀模型回覆，也不會啓動雙向語音會話。下面介紹它的定位、能力、安裝方式和需要注意的運行邊界。
這是什麼¶
dsh-dictate 是面向 DeepSeek Harness（DSH）Composer 的上下文感知語音輸入插件，GitHub owner 爲 franksong2702。
它默認使用瀏覽器 Web Speech 識別，安裝後即可使用；在受支持平臺上，也可以選擇本地 SenseVoice 增強轉寫。停止錄音後，轉寫結果會留在 Composer 中；如果啓用模型潤色，它會參考當前 Session 中可見的用戶/Assistant 文本整理用詞和標點；發送動作始終由用戶控制。
核心能力¶
默認瀏覽器識別¶
- 麥克風入口位於 DSH Composer 工具欄，錄音和狀態顯示在 Composer 上方。
- Web Speech 模式下，錄音時顯示即時轉寫，最終文字寫入 Composer。
- 需要 Chrome 或 Edge 的 Web Speech API。
- 首次使用需要授予麥克風權限。
- Web Speech API 的音頻由瀏覽器語音服務處理，不經過 DSH 服務端。
可選本地 SenseVoice¶
- 本地 SenseVoice 是實驗性增強轉寫，適用於 Apple Silicon Mac 和 Windows x64。
- 可以從插件設置頁安裝、啓動、停止、檢查狀態。
- 可以顯式開啓“隨 DSH 自動啓動”；該選項默認關閉。
- 首次安裝需下載約 253 MB 的 SenseVoice Q8 模型。
- 運行程序隨插件包提供，並經過 SHA-256 校驗。
- 本地識別是停止錄音後的最終轉寫，提供 VAD 語音確認和約 600 ms 尾音保護，不提供即時臨時文字。
上下文增強¶
- 上下文詞彙提取基於當前 Session 和 Composer；模型不可用時使用規則詞彙。
- 選擇普通話、粵語或繁體中文時，可以啓用“優化中英混合識別”。
- 可選模型潤色使用當前 DSH 可用模型，參考最近 6 條可見用戶/Assistant 文本整理用詞和標點。
- 模型潤色失敗時保留原始轉寫。
發送控制¶
- 模型潤色和自動發送默認關閉。
- 自動發送僅在用戶主動結束錄音時提交。
- 瀏覽器自行結束識別時不會自動發送。
- 本地識別不可用時不會靜默回退，需要用戶明確選擇本次改用瀏覽器識別。
- 已錄製音頻轉寫失敗不會發送到其他服務。
安裝與啓用¶
先安裝到 Web profile：
dsh plugin --profile web add dsh-dictate@latest
安裝完成後，重啓對應的 DSH Web 進程：
dsh web
當前 package.json 版本爲：
0.4.0-alpha.9
快速安裝說明給出的兼容範圍爲：
DSH >=0.1.2-alpha.3 <0.2.0
配置入口如下：
設置 → 插件 → 插件配置 → 上下文語音輸入
瀏覽器語音識別保持默認即可，不需要安裝本地模型。本地 SenseVoice 在受支持平臺上從插件設置頁安裝和啓動。
DSH Web 首次啓動會打印一條帶認證 token 的本機 URL。訪問時應使用啓動輸出中的完整 URL；不要複製或分享其中的 token。
dsh-dictate 作爲 DSH 插件加載運行，會按當前 dsh 進程權限訪問本地文件、迴環接口和系統資源；安裝前應檢查源碼、LICENSE 與 THIRD_PARTY_NOTICES.md 等文件。
典型用法¶
1、單擊 Composer 工具欄中的麥克風開始錄音；再次單擊麥克風或同一個右側修飾鍵結束錄音。
2、macOS 在 Composer 聚焦時單擊右 Command，Windows/Linux 單擊右 Control；按一次開始，再按一次結束。
3、啓用“按住鼠標錄音”後，在 Composer 內按住鼠標 500 ms 開始錄音，鬆開結束並將最終結果寫入輸入框。
4、本地 SenseVoice 模式檢測到持續語音後顯示“已檢測到語音”；停止後由 SenseVoice 返回最終文字。
5、啓用模型潤色後，插件會等待所選模型潤色完成再填入 Composer；潤色失敗時保留原始轉寫。
6、啓用自動發送後，只有用戶主動結束錄音才自動提交；瀏覽器自行結束識別時不會自動發送。
數據範圍與運行環境¶
模型潤色會發送原始轉寫和當前 Session 最近 6 條可見用戶/Assistant 文本給所選模型提供商。它不讀取系統提示詞、工具調用、工具結果、圖片或 Assistant 推理內容；上下文最多 12 KB。
本地端點模式將單聲道音頻轉換爲 16 kHz PCM WAV 後發送到迴環地址的 OpenAI 兼容接口：
/v1/audio/transcriptions
本地運行程序安裝到當前 DSH_HOME：
DSH_HOME
它不修改系統 Python、PATH 或全局軟件包。
從 0.4.0-alpha.8 起，本地 ASR 支持 Apple Silicon Mac 和 Windows x64；macOS Intel、Windows ARM64 和 Linux 繼續使用 Web Speech。
macOS 隨包運行程序採用 ad-hoc 簽名，尚未使用 Apple Developer ID 公證；Windows .exe 明確未簽名並顯示命令行窗口。
插件輔助模型調用不寫入 DSH Session 日誌。
適用場景與注意¶
dsh-dictate 適合在 DSH Composer 中用語音輸入長句、命令、提示詞或代碼說明，並且希望先編輯再發送的場景。它不適合需要朗讀模型回覆、雙向語音會話或即時語音對話的場景。
使用瀏覽器識別時，需要 Chrome 或 Edge 的 Web Speech API；使用本地識別時，需要瀏覽器麥克風與 Web Audio 能力。首次使用兩種模式都需要授予麥克風權限。
資料未明確許可證類型，只出現 LICENSE 文件和 THIRD_PARTY_NOTICES.md。安裝前應按本機安全策略和許可要求檢查來源。
結尾¶
dsh-dictate 的價值在於把聽寫放進 Composer，同時保留用戶編輯和發送控制權。已確認的 GitHub 地址是：
https://github.com/franksong2702/dsh-dictate
所給資料未提供可確認的目錄頁 URL。
