前言¶

DeepSeek Harness (DSH) 的设计理念是「一切皆插件」，这使得开发者可以通过挂载全局插件来扩展宿主能力。在模型推理场景中，语音交互是提升效率的关键环节。moluyao/dsh-minimax-asr 正是为解决这一痛点而生，它将 MiniMax 的语音识别与合成能力直接接入 DSH，让模型具备听、说、自动交互的能力。

它是什么¶

这是一个 DeepSeek Harness 全局插件，旨在为 Harness 实例提供完整的语音交互支持。它集成了 MiniMax 的 asr-1.0 识别模型和 speech-2.8-hd 合成模型，通过全局工具、设置卡片和 UI 组件，将原本复杂的 API 调用转化为简单的操作。该插件开源，许可证为 MIT。

核心功能¶

• 全局工具：提供 transcribe_audio 工具用于处理音频文件转写，提供 announce_speech 工具用于在任务结束时进行语音播报。
• 交互组件：
  • 语音输入：输入框内集成语音输入按钮，支持录音并自动将转写文本追加进草稿。
  • 语音播报 (TTS)：支持将文本合成为语音，并可在任务结束后自动朗读结果。
  • 实时免手对话：开启输入框工具行的「对话」按钮后，可实现语音输入自动发送、语音回复自动播报、麦克风自动重开的全流程免手操作。
• 音色选择：内置 303 个系统音色供选择，支持按语言分组，并提供试听功能。

安装与启用¶

通过官方命令安装，插件会作为 bundle 写入 profile，重启 dsh 后生效。

dsh plugin --profile web add github:moluyao/dsh-minimax-asr

安装完成后，在「设置 → 插件」中即可找到对应的设置卡片，配置环境变量后即可使用。

典型用法¶

• 任务自动播报：当模型完成一个任务后，调用 announce_speech 工具，插件会自动将结果通过浏览器喇叭播报给用户，无需用户盯着屏幕。
• 免手交互：开启对话模式后，用户只需说话，插件自动转写、发送，模型回复播报完毕后麦克风自动重开，全程无需触碰键鼠。
• 语音转文本：点击输入框旁的麦克风按钮，录音结束后自动转写并追加到输入框中，方便进行二次编辑。

适用场景与注意¶

该插件适合需要语音交互、免手操作或语音播报能力的场景。

• 文件格式：仅支持 wav, aiff, flac, m4a, opus, mp3, aac, ogg 等格式；不支持 webm 和裸 PCM。
• 文件限制：单文件大小限制为 50MB 或时长 500 秒。
• 密钥配置：API 密钥存储在环境变量 MINIMAX_API_KEY 中，插件每次请求都会从该变量解析，支持热轮换。
• 浏览器限制：浏览器要求页面先有过一次用户交互才允许播放音频，首次使用需授权麦克风。
• 接口参数：response_format 支持文本、带时间戳的分段（verbose_json）以及字幕格式（srt/vtt）。

结语¶

moluyao/dsh-minimax-asr 通过全局工具和 UI 组件的封装，极大地简化了在 DeepSeek Harness 中集成语音能力的流程。无论是需要自动播报的助手，还是需要免手交互的场景，该插件都能提供直接的解决方案。更多细节可查阅 GitHub 仓库 或 DSH 生态目录。