前言¶
在 dsh web 里和模型对话，长一点的提示词往往要敲上好几分钟。输入框本身没有语音入口，想口述通常只能借助系统听写再粘贴，或者直接改 Harness 的 DOM 往页面里塞控件——后者页面一升级就可能失效。
下面介绍的 dsh-speech-input 走的是另一条路：通过官方插槽在输入框右侧加一个原生麦克风按钮，点击开始听写，识别结果实时写入当前草稿，再次点击停止并补全句末标点，全程绝不自动发送消息。
DSH 的理念是「一切皆插件」，输入框增强正是插件体系覆盖的范围。
这是什么¶
dsh-speech-input 是 liznee 维护的 DeepSeek Harness 插件，当前版本 v0.2.3（2026-08-29），许可证为 MIT。它是一个纯浏览器插件：不需要额外的 API key、服务端，也不用下载模型。
它解决的问题很具体：为 DeepSeek Harness Web 输入框增加原生麦克风按钮，点击开始听写、识别结果实时写入当前草稿，再次点击停止并补全句末标点，绝不自动发送消息。
核心功能¶
接入方式：官方插槽与公开接口¶
插件使用官方 conversation.input.right 插槽渲染麦克风按钮，不查询、也不改写 Harness DOM。识别文字只通过 Harness 公开的 inputActions.setDraft() 写入普通草稿，模型看不到音频或识别状态。
听写行为¶
- 支持 Chrome / Edge 的 Web Speech API，中英文跟随浏览器语言
- 中间识别结果原位更新，不会反复叠加同一句话
- 听写期间手工补写的内容会保留
- 持续 5 秒无语音自动停止并保留已听写文字；时长可在
src/client/index.js的DEFAULT_SILENCE_TIMEOUT_MS调整，设为0可关闭自动停止 - 听写中按 Enter 立即停止并保留已听写文字（补好句末标点）
听写中的界面¶
听写时输入框会显示一个椭圆胶囊：左侧圆环是取消 ×，中间是实时音量条，右侧五根音量条是停止按钮。
音量条不是循环假动画：插件通过 Web Audio API 在本地计算麦克风 RMS，展示最近 16 个真实音量样本。
听写期间，Harness 的发送按钮和 Enter 发送会由官方接口置灰禁用，停止或取消后恢复，不存在说到一半被发出去的情况。
取消与资源清理¶
- 点击取消会移除本轮语音产生的全部文字，并保留开始听写前的草稿
- 权限、麦克风或网络硬错误会给出明确提示
- 页面切换或插件卸载时中止识别并释放麦克风
- 支持键盘焦点、屏幕阅读器状态播报和减少动态效果偏好
安装与启用¶
从 GitHub 安装到 web profile：
dsh plugin --profile web add github:liznee/dsh-speech-input
插件已发布到 npm，也可以直接安装：
dsh plugin --profile web add dsh-speech-input
想本地验证，可以先打一个 tarball 再安装：
npm ci
npm test
npm pack
dsh plugin --profile web add ./dsh-speech-input-0.2.1.tgz
仓库已提交预构建的 lib/，Git 安装不会执行构建脚本，也不需要在 pnpm-workspace.yaml 中授权 allowBuilds。安装或升级后需要重启 dsh web。
想在本地开发，需要 Node.js 20 以上版本，常用命令如下：
npm ci
npm test
npm run test:coverage
npm run pack:check
构建产物是 Harness 的懒加载 CommonJS module-factory 格式。
典型用法¶
1、点击输入框右侧的麦克风按钮开始听写，识别结果实时写入当前草稿，中间结果原位更新。
2、再次点击停止，插件会补全句末标点。
3、想直接结束，按 Enter：听写立即停止并保留已听写文字（补好句末标点），再按一次 Enter 发送。
4、想丢弃本轮内容，点击胶囊左侧的取消，本轮语音产生的全部文字会被移除，草稿恢复为开始听写前的状态。
隐私与已知限制¶
先说插件自身的行为：不保存音频、不写日志、不上传音频，也不会把音频发给 Harness 或 DeepSeek。为了显示真实音量，插件会额外打开一条本地麦克风流，只连接到 Web Audio AnalyserNode 计算 RMS，不播放、不录制、不上传，停止或取消时立即关闭音轨。
需要特别注意的是识别路径：Web Speech API 的处理由浏览器决定，Edge/Chrome 通常会把识别音频交给浏览器厂商的在线语音服务，这不是离线识别。不能接受这条数据路径的话，请不要授权麦克风。
已知限制：
- Firefox 当前没有可用的 Web Speech
SpeechRecognition实现，按钮会禁用 - 浏览器语言就是识别语言，首个版本没有独立语言设置
- 插件只写草稿，绝不自动发送
适用场景与注意¶
适合两类人：
- 经常在 dsh web 里输入长提示词、想减少打字的用户；
- 想参考输入框增强类插件写法的开发者，它的接入方式（
conversation.input.right插槽加inputActions.setDraft()）本身就是一个可以对照的实现。
使用前注意：
- 插件以当前 dsh 进程权限运行，安装前建议先检查源码与许可证。许可证为 MIT，详见仓库中的 LICENSE 与 NOTICE；
- Chrome/Edge 的识别走浏览器厂商的在线服务，在隐私敏感的环境里使用前先确认能接受这条路径；
- Firefox 用户目前无法使用。
结尾¶
dsh-speech-input 做的事情不大：一个麦克风按钮、一段实时听写、一条只写草稿的通路。但实现相当克制——官方插槽接入、公开接口写草稿、退出时释放麦克风、把识别路径的隐私影响写清楚。如果你经常在 dsh web 里打长段提示词，或者正在找输入框增强类插件的参考实现，值得一试。
- 社区目录页：https://www.skillhub.cn/plugins/liznee/dsh-speech-input
- 源码仓库：https://github.com/liznee/dsh-speech-input
其中目录是社区维护的独立站点，与 DeepSeek、幻方没有官方从属关系。
