前言¶
DeepSeek Harness Web GUI（dsh web）採用插件化架構。在 Web 界面中，語音輸入與文本格式化是提升交互效率的重要需求。本插件由 LBXC-666 維護，爲 dsh web 添加了語音輸入與文本整理功能，支持多種識別方式及 AI 輔助文本優化。
核心功能¶
插件在輸入框發送鍵左側添加了麥克風按鈕，並提供設置頁進行配置。
-
語音輸入
- 支持按住右 Alt 說話，鬆手自動識別並插入輸入框；也支持直接點擊麥克風按鈕。
- 錄音時按鈕顯示聲紋動畫，識別文字在按鈕上方滾動顯示。 -
識別方式
- 瀏覽器本地識別：基於 Web Speech API，免費但僅支持 Chrome / Edge。
- OpenAI 兼容接口：支持 OpenAI Whisper、Groq、SiliconFlow 等服務。
- 自定義 JSON 接口：支持音頻 base64 傳輸。
- 實時流式接口：支持邊說邊轉寫，需配置本地代理。 -
AI 文本優化
- 識別完成後，麥克風左側出現 AI 優化按鈕。
- 左鍵點擊執行一輪糾錯，右鍵點擊執行一輪糾錯 + 二輪格式化。
- 支持自定義提示詞、注入對話上下文、選擇模型思考檔位。
- 優化結果會原位替換原文，並伴隨流光掃描動畫。
安裝與啓用¶
使用官方插件命令進行安裝。
dsh plugin --profile web add github:LBXC-666/dsh-voice-input
安裝完成後，需重啓 dsh web 以加載插件。刷新界面後，輸入框發送鍵左側會出現麥克風圖標，設置左側導航出現「語音輸入」選項。
配置與使用¶
首次使用需在設置頁配置識別接口。
- 選擇接口模式：進入設置 → 語音輸入，選擇瀏覽器本地識別或 OpenAI 兼容接口（如 OpenAI Whisper），並填入相應的 API Key。
- 語音轉寫：按住右 Alt 說話，鬆手後文字自動填入輸入框。
- 文本整理：點擊輸入框內的 AI 優化按鈕。左鍵執行糾錯，右鍵執行格式化。優化結果會原位替換原文。
注意事項¶
- 插件不內置轉寫服務，首次使用需導入配置或手動配置 API。
- 瀏覽器本地識別僅支持 Chrome / Edge。
- 實時流式接口需配置本地代理和 DASHSCOPE_API_KEY。
- API Key 僅保存在瀏覽器
localStorage中，代理日誌不打印密鑰。
總結¶
該插件爲 dsh web 提供了從語音輸入到 AI 文本整理的完整閉環。通過配置不同的識別接口，可以滿足從本地免費識別到雲端高性能流式轉寫的需求。所有配置和密鑰均存儲在本地，安全可控。
