DeepSeek Harness (DSH) 的核心设计理念是“一切皆插件”。在编写提示词或与智能体对话时，语音输入往往能打断思维连续性，而传统的语音转文字工具配置繁琐、隐私风险高。dsh-asr-voice 是针对这一场景的插件，它利用云端 ASR 语音识别能力，结合 LLM 提示词优化，将口语直接转化为干净的文本。
核心能力¶
- 混合识别架构：默认优先使用浏览器原生的 Web Speech API（免费、免 Key），若不可用则自动回落到已配置的云端 ASR。云端支持多供应商并存（OpenAI、Groq、硅基流动、小米 MiMo、通义 Qwen-ASR 等）。
- 三步配置向导：设置页面提供向导式配置，支持复用 DSH 现有的 LLM 凭据，无需手动管理 API Key，且支持“测试连接”自检。
- 实时语音对话：开启实时模式后，长按麦克风按钮（约 450ms）进入对话状态。支持半双工模式，Agent 回复时朗读，朗读结束自动收回麦克风，再次长按即可打断。
- 隐私自守：API Key 仅存储于 DSH 凭据服务，不写入插件配置文件或浏览器 DOM。录音在本地完成格式转换后上传。
安装与配置¶
使用官方 CLI 安装：
dsh plugin --profile <profile> add <本插件路径或 GitHub 仓库>
安装后，在 DSH 设置的插件配置中找到“语音输入”卡片。三步配置流程如下：
- 选择识别方式：默认选择「云端」，若只需使用浏览器识别可切换至「仅浏览器」。
- 选择服务商：点击服务商 Chip（如 OpenAI），BaseURL、模型与调用通道会自动填充。
- 验证密钥：检查密钥状态。若显示已复用 DSH 凭据，则无需输入；若未配置，需输入 Key 并保存。Key 仅写入 DSH 凭据，不回显于界面。点击“测试连接”可验证可用性。
使用方式¶
- 语音输入：点击输入框工具行右侧的麦克风按钮开始录音，再次点击结束并识别。
- 快捷键：默认快捷键为
Ctrl+Shift+Space（macOS 兼容 Cmd），支持配置。 - 识别后自动发送：在行为设置中开启此选项，可实现类似 Push-to-Talk 的体验。
- LLM 优化：停止录音后，清洗版文本会立即填入草稿。LLM 优化在后台静默完成，完成后自动替换原文本，不覆盖用户已编辑的内容。
技术细节¶
- 依赖：运行时仅依赖官方
@deepseek-ai/*peer 包，可单独使用或与其他插件组合使用。 - 安全性：录音文件在本地完成格式转换后再上传，浏览器仅通过
/api/asr-voice/*私有 JSON 代理与插件通信。 - 配置项：插件使用
dsh-asr-voice命名空间，涵盖识别引擎、优化模式、实时对话开关及快捷键等配置。
结语¶
该插件为 DSH 用户提供了从语音输入到文本润色的完整闭环，适合需要频繁与智能体交互、追求输入效率或希望保护隐私的场景。
