DSH Desktop 的本地智能体开发中，语音交互是一个常见需求。目前大多数方案需要调用云端 API，存在延迟和隐私顾虑。dshtools-sensevoice-input 插件提供了一种完全本地化的解决方案。它利用 FunASR 和 SenseVoiceSmall 模型，在用户点击输入框旁的麦克风按钮后，直接将识别出的文本写入草稿区。
核心功能¶
- 集成麦克风与草稿写入：在 DSH Desktop 的 composer 输入框左下角集成了麦克风按钮。点击后录音，识别文本会自动通过
inputActions.setDraft写入输入框草稿。 - 语言与情感标签解析：识别结果包含语言和情感标签（例如
zh · NEUTRAL），方便后续处理。 - 纯本地推理：基于 FunASR 和 SenseVoiceSmall 模型进行推理，不依赖任何云服务，音频数据不出本机。
- 模型懒加载与自愈：模型采用懒加载机制，首次加载耗时 10–30 秒，后续单次识别仅需几秒。Python 进程崩溃后具备自愈能力。
- 主题自适应：UI 界面会自动适配当前的主题。
安装与启用¶
1. 准备推理环境¶
插件需要本地 Python 环境。首次使用需运行安装脚本，该过程会下载模型，占用约 5GB 空间。
.\scripts\setup.ps1
默认安装路径为 ~\.dsh-sensevoice，模型缓存于 ~\.cache\modelscope。也可通过环境变量 DSHSENSEVOICE_PYTHON 指定 Python 解释器。
2. 安装插件¶
安装后需重启 DSH Desktop。
dsh plugin --profile desktop add dshtools-sensevoice-input
若需要从 GitHub 源码安装：
dsh plugin --profile desktop add github:ilovedyou6666-hub/dshtools-sensevoice-input
3. 卸载¶
dsh plugin --profile desktop remove dshtools-sensevoice-input
典型用法¶
- 点击输入框左下角的 🎤 按钮开始录音（最长 60 秒）。
- 等待界面提示「♪ SenseVoice 正在识别…」，识别完成的文本会自动填入输入框。
- 悬浮按钮可显示模型就绪状态。若识别失败，会显示具体原因，点击即可重试。
注意事项¶
- 离线批处理：目前不支持流式输出，为离线批处理模式，单段录音时长限制为 60 秒。
- 首次识别延迟：首次使用时，CPU 加载模型需要 10–30 秒，这是正常现象。
- 权限范围：插件仅服务于 127.0.0.1 的桌面进程，由 DSH Desktop 自带访问控制，无需额外配置。
- 版本兼容性：若出现 HTTP 405 或 403 错误，通常是因为时序问题，需更新到最新版并重启。
- 依赖检查：若提示
python_not_found，需先执行scripts\setup.ps1；若提示model_load_failed，需重跑该脚本下载模型。
结语¶
该插件为 DSH Desktop 开发者提供了一个轻量级的本地语音输入方案。通过 inputActions.setDraft 的集成，语音交互可以无缝融入现有的工作流中。
