前言¶

在 DeepSeek Harness（DSH）里给 Composer 写长提示时，键盘输入往往跟不上口述节奏；若单独再装一套语音识别引擎，又要多下载模型、维护依赖。社区插件 按住说话（jryang1997/dsh-hold-to-dictate）的做法是：在官方输入框上增加「按住说话、松开转写」的交互，复用 Harness 已集成的实验性语音输入模块与本地模型，转写结果只写入草稿，不会自动发送。下面介绍它是什么、如何安装，以及日常怎么用。

这是什么¶

按住说话 由维护者 jryang1997 发布，在 SkillHub 插件目录 中归类为 客户端 插件；源码与说明见 GitHub 仓库（MIT 许可证，当前 package 版本 2.6.0）。它面向 DeepSeek Harness 的 Composer 输入区域：长按输入框（或快捷键）录音，松开后将语音转成文字插入当前草稿，由你自行编辑或发送。

插件本身 不自带识别引擎，也不额外下载一套模型；识别能力来自官方模块 @deepseek-ai/dsh-experimental-voice-input-bundle 及其已准备的本地模型与语言列表。若该模块未安装或未启用，插件按设计 不注册任何界面，表现为长按无反应且无报错，需先在宿主侧确认语音模块在位。

与常见做法的差异¶

资料中强调的要点如下，便于判断是否值得安装：

1. 零额外识别依赖：复用官方语音输入模块，无需再编译原生模块或单独装识别引擎。
2. 多种触发方式：鼠标在输入框内按住约 0.3 秒开始录音；触屏默认 450 ms，减少与长按选词冲突；也可用 Ctrl + Shift + Space（可在设置中更换或关闭），Esc 取消。
3. 免提长段口述：快捷键 轻按（短于按住阈值）进入免提录音，胶囊提示「再按结束」，说完再按一次结束并转写。
4. 不覆盖编辑中的草稿：识别过程中若你改动了草稿，转写结果退到右下角「插入转写」小标签，点一下才插入光标处。
5. 失败可重试：服务暂时不可达时，同一段录音可在胶囊上点 重试，不会丢失已录音频。
6. 实验能力：可选「边说边出字」（句间停顿分段提交预览，松手仍以整段定稿）；可选「AI 润色」（用 DSH 已配置的文本模型整理语气词与标点，默认关闭）。
7. 从不自动发送：文字只进草稿。

安装前准备¶

安装本插件前，需确认两件事（见仓库 README 表格）：

模型未就绪时，插件会在录音界面提示操作位置；语音模块整包缺失时则界面无任何反应。

安装与启用¶

DeepSeek Harness 生态里插件可通过 Agent 或命令行安装；桌面应用的 desktop 配置由应用独占管理，命令行会被拒绝，桌面端建议用 Agent 方式。

交给 Agent（推荐）¶

在 DSH 中切换到 Creator 模式，将下面整段发给 Agent（安装指令来自仓库 README，勿自行改 target）：

请使用 plugin_manager，在当前 DeepSeek Harness 配置中安装并启用按住说话插件。

先检查官方语音输入模块 @deepseek-ai/dsh-experimental-voice-input-bundle：
缺失时安装，已安装则确认启用。

然后安装本插件：
action: install_bundle
target: github:jryang1997/dsh-hold-to-dictate
如果已经安装，请检查启用状态，避免重复安装。

请检查语音识别模型是否已准备好。需要我下载模型或授权麦克风时，
告诉我在哪里操作。完成后告诉我如何刷新页面并测试。

装完后 刷新页面 再测。

命令行（非 desktop 配置）¶

在已有可用语音输入模块的前提下：

dsh plugin --profile <profile> add github:jryang1997/dsh-hold-to-dictate

将 <profile> 换成实际配置名。

更新与旧包名¶

GitHub 安装不会自动跟随仓库新版本；更新需先 remove_bundle 再 install_bundle（README 中有完整 Agent 话术）。若仍安装旧包 @jryang1997/dsh-composer-dictation（v1.x），应先移除再装 @jryang1997/dsh-hold-to-dictate，避免两份插件同时启用。

典型用法¶

经过上面的步骤并刷新页面后，可按 README 中的操作表使用：

鼠标移入输入框时，工具行中间可显示「按住鼠标语音输入文字 · 上滑取消」（工具行中间宽度不足 48 像素时该提示会被省略，避免压盖其他控件）。

设置项（本机）¶

在 设置 → 插件 → 按住说话 中调整，仅影响本机。常用项包括：

• 按住时长：默认 300 ms（150–800 ms）。
• 触屏按住时长：默认 450 ms（250–1200 ms）。
• 最长录音：默认 110 秒（15–600 秒），不超过语音服务默认上限（120 秒）。
• 识别语言：跟随宿主，或固定中文 / 英文 / 粤语 / 日文 / 韩文。
• 键盘快捷键：默认 Ctrl + Shift + Space，可关闭或改为其他组合。
• 悬停提示、动效（完整 / 精简）。
• 边说边出字（实验）、AI 润色（实验） 及润色相关子项（润色模型、常用词、强制关闭思考等，见 README）。

固定识别语言可跳过宿主每次推断语种；润色使用 DSH 已配模型，不另配 API Key，失败时保留原文并提示原因。

适用场景与注意¶

适合谁：经常在 Composer 里写长提示、希望用口述补全或替代键盘、且已启用官方实验性语音输入与本地模型的 DSH 用户。

权限与安全：社区插件与 DeepSeek 无隶属关系；插件在 当前 DSH 进程权限 下运行，安装前应阅读 源码与许可证，并理解识别走 Harness 当前选择的语音服务——官方默认本地 SenseVoice 时音频不出本机；若配置了云端语音服务，录音会发往该服务。AI 润色会经 @deepseek-ai/dsh-llm 与所选文本模型服务商，在意隐私可保持润色关闭。

故障排查（摘要）：

仓库说明已在 DeepSeek Harness 0.2.0-rc.2 上测试；问题反馈见 GitHub Issues。

结尾¶

按住说话把「按住—说话—松手进草稿」接到 DSH Composer 上，并依赖官方语音模块而非自建识别栈。目录页：SkillHub · jryang1997/dsh-hold-to-dictate；源码与完整说明：github.com/jryang1997/dsh-hold-to-dictate。