前言¶
DeepSeek Harness（DSH）採用插件化架構，允許通過插件擴展功能。在構建智能體應用時，語音輸入是高頻需求。下面介紹 dsh-voice-input 插件，它通過瀏覽器原生能力實現語音轉文字，無需額外服務端部署。
插件簡介¶
- 名稱：
dsh-voice-input - 維護者：
difimim - 許可證：MIT
- 核心價值：在輸入框加入麥克風按鈕，利用瀏覽器 Web Speech API 將語音實時轉換爲文字填入輸入框，實現零成本語音交互。
安裝與啓用¶
這是標準的 DSH 插件 bundle，使用官方 CLI 安裝。安裝後需要重啓 DSH 進程才能生效。
安裝命令：
dsh plugin --profile web add @difimim/dsh-voice-input
安裝完成後，重啓 DSH 服務：
dsh web
若使用其他 profile（如
tui），命令格式同理：
bash dsh plugin --profile tui add @difimim/dsh-voice-input
核心功能¶
- 輸入框工具欄集成：在輸入框工具行左側新增麥克風按鈕，用於開始或停止收音。
- 實時識別：邊說邊將中間結果寫進輸入框草稿，無需等待識別完成。
- 追加式寫入：不清空已有文字，識別結果追加到當前草稿末尾，支持與手打內容共存。
- 零成本零服務端：直接複用瀏覽器內置 Web Speech API，無需自建識別服務。
- 主題適配：按鈕顏色使用 DSH 主題變量，自動適配明暗色模式。
使用方法¶
- 開始收音：點擊輸入框工具行左側的麥克風圖標。按鈕會變紅並出現脈衝動畫。
- 說話與輸入：直接說話，識別出的文字會實時出現在輸入框內。
- 停止收音：再點擊一次麥克風圖標（圖標變爲方塊狀），停止收音。
- 發送：確認文字無誤後，正常回車發送。
技術細節與注意事項¶
- 識別引擎：依賴瀏覽器內置的
SpeechRecognition（或webkitSpeechRecognition）接口。 - 識別語言：默認語言爲中文（
zh-CN）。 - 寫入方式：通過輸入框 Slot 提供的
inputActions.setDraft()方法寫入草稿。
兼容性與限制：
- 瀏覽器要求：Chrome / Edge / Safari（較新版本）支持；Firefox 不支持 Web Speech API。
- 網絡依賴：識別服務需要聯網，音頻會被髮送到瀏覽器廠商的識別服務器。
- 權限提示：首次點擊麥克風會彈出系統授權窗口，需點擊“允許”。
- 隱私說明：當前方案爲了實現零部署，會將語音數據發送到瀏覽器廠商的雲端識別服務。如果對隱私有極高要求或需要完全離線，當前版本不滿足需求。
總結¶
dsh-voice-input 爲 DSH 提供了一個輕量級的語音輸入方案，適合希望在現有 DSH 環境中快速增加語音交互能力的開發者。更多細節與源碼，請訪問其目錄頁或 GitHub 倉庫。
