前言¶
DeepSeek Harness Web GUI（dsh web）采用插件化架构。在 Web 界面中，语音输入与文本格式化是提升交互效率的重要需求。本插件由 LBXC-666 维护，为 dsh web 添加了语音输入与文本整理功能，支持多种识别方式及 AI 辅助文本优化。
核心功能¶
插件在输入框发送键左侧添加了麦克风按钮，并提供设置页进行配置。
-
语音输入
- 支持按住右 Alt 说话，松手自动识别并插入输入框；也支持直接点击麦克风按钮。
- 录音时按钮显示声纹动画，识别文字在按钮上方滚动显示。 -
识别方式
- 浏览器本地识别：基于 Web Speech API，免费但仅支持 Chrome / Edge。
- OpenAI 兼容接口：支持 OpenAI Whisper、Groq、SiliconFlow 等服务。
- 自定义 JSON 接口：支持音频 base64 传输。
- 实时流式接口：支持边说边转写，需配置本地代理。 -
AI 文本优化
- 识别完成后，麦克风左侧出现 AI 优化按钮。
- 左键点击执行一轮纠错，右键点击执行一轮纠错 + 二轮格式化。
- 支持自定义提示词、注入对话上下文、选择模型思考档位。
- 优化结果会原位替换原文，并伴随流光扫描动画。
安装与启用¶
使用官方插件命令进行安装。
dsh plugin --profile web add github:LBXC-666/dsh-voice-input
安装完成后，需重启 dsh web 以加载插件。刷新界面后，输入框发送键左侧会出现麦克风图标，设置左侧导航出现「语音输入」选项。
配置与使用¶
首次使用需在设置页配置识别接口。
- 选择接口模式：进入设置 → 语音输入，选择浏览器本地识别或 OpenAI 兼容接口（如 OpenAI Whisper），并填入相应的 API Key。
- 语音转写：按住右 Alt 说话，松手后文字自动填入输入框。
- 文本整理：点击输入框内的 AI 优化按钮。左键执行纠错，右键执行格式化。优化结果会原位替换原文。
注意事项¶
- 插件不内置转写服务，首次使用需导入配置或手动配置 API。
- 浏览器本地识别仅支持 Chrome / Edge。
- 实时流式接口需配置本地代理和 DASHSCOPE_API_KEY。
- API Key 仅保存在浏览器
localStorage中，代理日志不打印密钥。
总结¶
该插件为 dsh web 提供了从语音输入到 AI 文本整理的完整闭环。通过配置不同的识别接口，可以满足从本地免费识别到云端高性能流式转写的需求。所有配置和密钥均存储在本地，安全可控。
