DeepSeek Harness 语音输入插件介绍

前言¶

DeepSeek Harness 是一个插件化平台。在使用 Web Profile 进行对话或开发智能体时，语音输入是常见需求。本插件为 DSH 提供了本地化的语音转文字能力，避免了将音频流上传至云端，适合对隐私或网络环境有要求的场景。

插件简介¶

插件名称为 opensquad-ai/dsh-voice-input，由 opensquad-ai 维护。它基于 FunAudioLLM 的 SenseVoice 模型，在 Web Profile 的对话输入框旁集成麦克风按钮。录音后，插件会调用本地服务将音频转为文本并填入输入框。

前置条件¶

使用该插件需要满足以下环境要求：

• Python 3.10+：插件会自动安装 flask、onnxruntime、librosa、soundfile、pyyaml 等依赖，但需要手动安装 Python 本身。
• Node.js >= 22.19.0：DSH 平台本身需要满足的版本要求。
• 浏览器支持：浏览器需支持 MediaRecorder 和 getUserMedia 接口。

（可选）ffmpeg：用于异常音频的兜底转码。浏览器端通常将录音转为标准 WAV，正常使用不需要 ffmpeg，但建议安装以防个别浏览器兼容性问题。

安装与启用¶

在终端中执行以下命令即可完成安装：

dsh plugin --profile web add @opensquad/dsh-voice-input

安装完成后，重启 DeepSeek Harness。插件会在后台自动探测 Python 环境、安装剩余依赖并启动后端服务。

核心功能¶

该插件主要提供以下能力：

1. 一键录音转文字：在输入框旁显示麦克风按钮，点击开始录音，再次点击停止并转写，文字自动填入输入框。
2. 自动模型管理：首次使用时，插件会自动下载 SenseVoice 模型（约 230MB），并在按钮上显示圆环进度和实时百分比。
3. 独立管理按钮：除了录音按钮，插件还提供独立的管理按钮，用于查看已安装的模型或卸载模型重新下载。
4. 自动拉起服务：插件会自动启动本地 Flask 服务（端口 7101）和下载网关（端口 7102），无需手动配置。

典型用法¶

完成安装和重启后，按以下步骤使用：

1. 初始化：重启 dsh 后稍等片刻，后台会自动安装 Python 依赖并启动服务。
2. 首次使用：点击麦克风图标，确认下载模型，等待进度条完成。此时服务会自动就绪。
3. 录音转写：再次点击麦克风开始录音，说话完毕后点击停止，转写后的文本会自动出现在输入框中。

适用场景与注意¶

• 该插件在 DeepSeek Harness 的 Web Profile 下运行。
• 插件以当前 dsh 进程的权限运行，安装前建议检查源码与许可证。
• 模型下载与依赖安装过程在首次使用时可能较慢，请耐心等待。

技术细节¶

插件的后端逻辑由插件自动管理。启动流程如下：

1. 探测 Python 环境。
2. 自动执行 pip install 安装依赖。
3. 启动下载网关（gateway.py :7102）。
4. 检测模型是否已存在，若未存在则下载并启动转写服务（service.py :7101）。

许可证¶

该插件采用 MIT 许可证开源。