前言¶

在 DeepSeek Harness（DSH）裏給 Composer 寫長提示時，鍵盤輸入往往跟不上口述節奏；若單獨再裝一套語音識別引擎，又要多下載模型、維護依賴。社區插件 按住說話（jryang1997/dsh-hold-to-dictate）的做法是：在官方輸入框上增加「按住說話、鬆開轉寫」的交互，複用 Harness 已集成的實驗性語音輸入模塊與本地模型，轉寫結果只寫入草稿，不會自動發送。下面介紹它是什麼、如何安裝，以及日常怎麼用。

這是什麼¶

按住說話 由維護者 jryang1997 發佈，在 SkillHub 插件目錄 中歸類爲 客戶端 插件；源碼與說明見 GitHub 倉庫（MIT 許可證，當前 package 版本 2.6.0）。它面向 DeepSeek Harness 的 Composer 輸入區域：長按輸入框（或快捷鍵）錄音，鬆開後將語音轉成文字插入當前草稿，由你自行編輯或發送。

插件本身 不自帶識別引擎，也不額外下載一套模型；識別能力來自官方模塊 @deepseek-ai/dsh-experimental-voice-input-bundle 及其已準備的本地模型與語言列表。若該模塊未安裝或未啓用，插件按設計 不註冊任何界面，表現爲長按無反應且無報錯，需先在宿主側確認語音模塊在位。

與常見做法的差異¶

資料中強調的要點如下，便於判斷是否值得安裝：

1. 零額外識別依賴：複用官方語音輸入模塊，無需再編譯原生模塊或單獨裝識別引擎。
2. 多種觸發方式：鼠標在輸入框內按住約 0.3 秒開始錄音；觸屏默認 450 ms，減少與長按選詞衝突；也可用 Ctrl + Shift + Space（可在設置中更換或關閉），Esc 取消。
3. 免提長段口述：快捷鍵 輕按（短於按住閾值）進入免提錄音，膠囊提示「再按結束」，說完再按一次結束並轉寫。
4. 不覆蓋編輯中的草稿：識別過程中若你改動了草稿，轉寫結果退到右下角「插入轉寫」小標籤，點一下才插入光標處。
5. 失敗可重試：服務暫時不可達時，同一段錄音可在膠囊上點 重試，不會丟失已錄音頻。
6. 實驗能力：可選「邊說邊出字」（句間停頓分段提交預覽，鬆手仍以整段定稿）；可選「AI 潤色」（用 DSH 已配置的文本模型整理語氣詞與標點，默認關閉）。
7. 從不自動發送：文字只進草稿。

安裝前準備¶

安裝本插件前，需確認兩件事（見倉庫 README 表格）：

模型未就緒時，插件會在錄音界面提示操作位置；語音模塊整包缺失時則界面無任何反應。

安裝與啓用¶

DeepSeek Harness 生態裏插件可通過 Agent 或命令行安裝；桌面應用的 desktop 配置由應用獨佔管理，命令行會被拒絕，桌面端建議用 Agent 方式。

交給 Agent（推薦）¶

在 DSH 中切換到 Creator 模式，將下面整段發給 Agent（安裝指令來自倉庫 README，勿自行改 target）：

請使用 plugin_manager，在當前 DeepSeek Harness 配置中安裝並啓用按住說話插件。

先檢查官方語音輸入模塊 @deepseek-ai/dsh-experimental-voice-input-bundle：
缺失時安裝，已安裝則確認啓用。

然後安裝本插件：
action: install_bundle
target: github:jryang1997/dsh-hold-to-dictate
如果已經安裝，請檢查啓用狀態，避免重複安裝。

請檢查語音識別模型是否已準備好。需要我下載模型或授權麥克風時，
告訴我在哪裏操作。完成後告訴我如何刷新頁面並測試。

裝完後 刷新頁面 再測。

命令行（非 desktop 配置）¶

在已有可用語音輸入模塊的前提下：

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

將 <profile> 換成實際配置名。

更新與舊包名¶

GitHub 安裝不會自動跟隨倉庫新版本；更新需先 remove_bundle 再 install_bundle（README 中有完整 Agent 話術）。若仍安裝舊包 @jryang1997/dsh-composer-dictation（v1.x），應先移除再裝 @jryang1997/dsh-hold-to-dictate，避免兩份插件同時啓用。

典型用法¶

經過上面的步驟並刷新頁面後，可按 README 中的操作表使用：

鼠標移入輸入框時，工具行中間可顯示「按住鼠標語音輸入文字 · 上滑取消」（工具行中間寬度不足 48 像素時該提示會被省略，避免壓蓋其他控件）。

設置項（本機）¶

在 設置 → 插件 → 按住說話 中調整，僅影響本機。常用項包括：

• 按住時長：默認 300 ms（150–800 ms）。
• 觸屏按住時長：默認 450 ms（250–1200 ms）。
• 最長錄音：默認 110 秒（15–600 秒），不超過語音服務默認上限（120 秒）。
• 識別語言：跟隨宿主，或固定中文 / 英文 / 粵語 / 日文 / 韓文。
• 鍵盤快捷鍵：默認 Ctrl + Shift + Space，可關閉或改爲其他組合。
• 懸停提示、動效（完整 / 精簡）。
• 邊說邊出字（實驗）、AI 潤色（實驗） 及潤色相關子項（潤色模型、常用詞、強制關閉思考等，見 README）。

固定識別語言可跳過宿主每次推斷語種；潤色使用 DSH 已配模型，不另配 API Key，失敗時保留原文並提示原因。

適用場景與注意¶

適合誰：經常在 Composer 裏寫長提示、希望用口述補全或替代鍵盤、且已啓用官方實驗性語音輸入與本地模型的 DSH 用戶。

權限與安全：社區插件與 DeepSeek 無隸屬關係；插件在 當前 DSH 進程權限 下運行，安裝前應閱讀 源碼與許可證，並理解識別走 Harness 當前選擇的語音服務——官方默認本地 SenseVoice 時音頻不出本機；若配置了雲端語音服務，錄音會發往該服務。AI 潤色會經 @deepseek-ai/dsh-llm 與所選文本模型服務商，在意隱私可保持潤色關閉。

故障排查（摘要）：

倉庫說明已在 DeepSeek Harness 0.2.0-rc.2 上測試；問題反饋見 GitHub Issues。

結尾¶

按住說話把「按住—說話—鬆手進草稿」接到 DSH Composer 上，並依賴官方語音模塊而非自建識別棧。目錄頁：SkillHub · jryang1997/dsh-hold-to-dictate；源碼與完整說明：github.com/jryang1997/dsh-hold-to-dictate。