前言¶
DeepSeek Harness (DSH) 的插件化架構允許在 Web GUI 中擴展功能。針對長文本輸入效率的問題，dsh-voice-input-plugin 提供了一種通過 Web Speech API 在本地進行語音轉文字的方案。它不佔用 Host 能力，也不上傳音頻到後端，直接在瀏覽器端完成識別與草稿寫入。
核心定位¶
這是一個零依賴、無構建步驟的插件。插件通過 dsh.bundle 註冊配置層，通過 dsh.client 聲明瀏覽器端的實現。它使用瀏覽器的原生 Web Speech API，將麥克風採集的音頻轉換爲文本，並實時寫入 DeepSeek Harness Web GUI 的輸入框工具行。
核心功能¶
- 實時逐字轉寫：說話時文字實時出現在待發送框。
- 本地處理：不上傳音頻到後端，不註冊任何模型工具或服務。
- 編輯兼容：識別過程中可繼續使用鍵盤編輯文本。
- 集成工具行：在輸入框發送按鈕一側追加一個麥克風按鈕。
安裝與啓用¶
安裝該插件需要 dsh 版本 >=0.1.0-rc.5。
dsh plugin --profile web add github:zRa1ny/dsh-voice-input-plugin
安裝後必須重啓 Web Profile 才能生效，客戶端模塊登記表會緩存元數據。
注意：npm registry 上存在同名包，那是另一個實現。請使用上述 GitHub 地址安裝。
典型用法¶
- 開始錄音：點擊輸入框工具行裏的麥克風按鈕，按鈕變紅並出現脈衝光圈。首次使用會彈出麥克風權限請求，需允許。
- 說話與編輯：說話時文字實時出現在待發送框。用戶可以隨時用鍵盤繼續編輯文字。
- 結束錄音：再次點擊按鈕（圖標變爲停止方塊）結束錄音。
- 發送：點擊原有的發送按鈕，將識別結果發送。
適用場景與注意¶
- 瀏覽器兼容性：僅支持 Chrome 和 Edge 瀏覽器。Firefox 和 Safari 缺少
SpeechRecognition支持，按鈕會置灰。 - 網絡要求：Chromium 內核使用在線識別服務，需要聯網。
- 權限管理：如果瀏覽器拒絕麥克風權限，功能不可用，需在地址欄側重新允許。
- 語言與標點：識別語言跟隨瀏覽器設置（
navigator.language），默認取不到時使用zh-CN。不解析口述標點命令，直接採用瀏覽器返回的文本。文案爲中文寫死，不支持多語言。 - 會話隔離：一次錄音只屬於當前會話。切換會話會中止識別並釋放麥克風，已識別文字保留在當前會話草稿中。
生態背景¶
本插件遵循 MIT 許可證，由社區開發者 zRa1ny 維護。DSH 理念是“一切皆插件”，社區目錄與 DeepSeek 官方無從屬關係。
- 倉庫地址：https://github.com/zRa1ny/dsh-voice-input-plugin
- 目錄頁：https://www.skillhub.cn/plugins/zRa1ny/dsh-voice-input-plugin
