DeepSeek Harness (DSH) 的核心設計理念是“一切皆插件”。在編寫提示詞或與智能體對話時，語音輸入往往能打斷思維連續性，而傳統的語音轉文字工具配置繁瑣、隱私風險高。dsh-asr-voice 是針對這一場景的插件，它利用雲端 ASR 語音識別能力，結合 LLM 提示詞優化，將口語直接轉化爲乾淨的文本。
核心能力¶
- 混合識別架構：默認優先使用瀏覽器原生的 Web Speech API（免費、免 Key），若不可用則自動回落到已配置的雲端 ASR。雲端支持多供應商並存（OpenAI、Groq、硅基流動、小米 MiMo、通義 Qwen-ASR 等）。
- 三步配置嚮導：設置頁面提供嚮導式配置，支持複用 DSH 現有的 LLM 憑據，無需手動管理 API Key，且支持“測試連接”自檢。
- 實時語音對話：開啓實時模式後，長按麥克風按鈕（約 450ms）進入對話狀態。支持半雙工模式，Agent 回覆時朗讀，朗讀結束自動收回麥克風，再次長按即可打斷。
- 隱私自守：API Key 僅存儲於 DSH 憑據服務，不寫入插件配置文件或瀏覽器 DOM。錄音在本地完成格式轉換後上傳。
安裝與配置¶
使用官方 CLI 安裝：
dsh plugin --profile <profile> add <本插件路徑或 GitHub 倉庫>
安裝後，在 DSH 設置的插件配置中找到“語音輸入”卡片。三步配置流程如下：
- 選擇識別方式：默認選擇「雲端」，若只需使用瀏覽器識別可切換至「僅瀏覽器」。
- 選擇服務商：點擊服務商 Chip（如 OpenAI），BaseURL、模型與調用通道會自動填充。
- 驗證密鑰：檢查密鑰狀態。若顯示已複用 DSH 憑據，則無需輸入；若未配置，需輸入 Key 並保存。Key 僅寫入 DSH 憑據，不回顯於界面。點擊“測試連接”可驗證可用性。
使用方式¶
- 語音輸入：點擊輸入框工具行右側的麥克風按鈕開始錄音，再次點擊結束並識別。
- 快捷鍵：默認快捷鍵爲
Ctrl+Shift+Space（macOS 兼容 Cmd），支持配置。 - 識別後自動發送：在行爲設置中開啓此選項，可實現類似 Push-to-Talk 的體驗。
- LLM 優化：停止錄音後，清洗版文本會立即填入草稿。LLM 優化在後臺靜默完成，完成後自動替換原文本，不覆蓋用戶已編輯的內容。
技術細節¶
- 依賴：運行時僅依賴官方
@deepseek-ai/*peer 包，可單獨使用或與其他插件組合使用。 - 安全性：錄音文件在本地完成格式轉換後再上傳，瀏覽器僅通過
/api/asr-voice/*私有 JSON 代理與插件通信。 - 配置項：插件使用
dsh-asr-voice命名空間，涵蓋識別引擎、優化模式、實時對話開關及快捷鍵等配置。
結語¶
該插件爲 DSH 用戶提供了從語音輸入到文本潤色的完整閉環，適合需要頻繁與智能體交互、追求輸入效率或希望保護隱私的場景。
