前言¶
DeepSeek Harness 是一個插件化平臺。在使用 Web Profile 進行對話或開發智能體時，語音輸入是常見需求。本插件爲 DSH 提供了本地化的語音轉文字能力，避免了將音頻流上傳至雲端，適合對隱私或網絡環境有要求的場景。
插件簡介¶
插件名稱爲 opensquad-ai/dsh-voice-input，由 opensquad-ai 維護。它基於 FunAudioLLM 的 SenseVoice 模型，在 Web Profile 的對話輸入框旁集成麥克風按鈕。錄音後，插件會調用本地服務將音頻轉爲文本並填入輸入框。
前置條件¶
使用該插件需要滿足以下環境要求：
- Python 3.10+：插件會自動安裝
flask、onnxruntime、librosa、soundfile、pyyaml等依賴，但需要手動安裝 Python 本身。 - Node.js >= 22.19.0：DSH 平臺本身需要滿足的版本要求。
- 瀏覽器支持：瀏覽器需支持
MediaRecorder和getUserMedia接口。
（可選）ffmpeg：用於異常音頻的兜底轉碼。瀏覽器端通常將錄音轉爲標準 WAV，正常使用不需要 ffmpeg，但建議安裝以防個別瀏覽器兼容性問題。
安裝與啓用¶
在終端中執行以下命令即可完成安裝：
dsh plugin --profile web add @opensquad/dsh-voice-input
安裝完成後，重啓 DeepSeek Harness。插件會在後臺自動探測 Python 環境、安裝剩餘依賴並啓動後端服務。
核心功能¶
該插件主要提供以下能力：
- 一鍵錄音轉文字：在輸入框旁顯示麥克風按鈕，點擊開始錄音，再次點擊停止並轉寫，文字自動填入輸入框。
- 自動模型管理：首次使用時，插件會自動下載 SenseVoice 模型（約 230MB），並在按鈕上顯示圓環進度和實時百分比。
- 獨立管理按鈕：除了錄音按鈕，插件還提供獨立的管理按鈕，用於查看已安裝的模型或卸載模型重新下載。
- 自動拉起服務：插件會自動啓動本地 Flask 服務（端口 7101）和下載網關（端口 7102），無需手動配置。
典型用法¶
完成安裝和重啓後，按以下步驟使用：
- 初始化：重啓 dsh 後稍等片刻，後臺會自動安裝 Python 依賴並啓動服務。
- 首次使用：點擊麥克風圖標，確認下載模型，等待進度條完成。此時服務會自動就緒。
- 錄音轉寫：再次點擊麥克風開始錄音，說話完畢後點擊停止，轉寫後的文本會自動出現在輸入框中。
適用場景與注意¶
- 該插件在 DeepSeek Harness 的 Web Profile 下運行。
- 插件以當前 dsh 進程的權限運行，安裝前建議檢查源碼與許可證。
- 模型下載與依賴安裝過程在首次使用時可能較慢，請耐心等待。
技術細節¶
插件的後端邏輯由插件自動管理。啓動流程如下：
- 探測 Python 環境。
- 自動執行
pip install安裝依賴。 - 啓動下載網關（
gateway.py:7102）。 - 檢測模型是否已存在，若未存在則下載並啓動轉寫服務（
service.py:7101）。
許可證¶
該插件採用 MIT 許可證開源。
